浅析在长途通信工程中传输技术的比较和选择

在经济飞速发展的时代中,信息成为21世纪人类赖以生存和发展的最重要的战略资源和独特的生产要素。在几种常用的通信工程中的传输技术的原理上的异同的基础上,通过比较研究探讨出长途通信中的最佳传输技术,最好的长途传输技术不仅能保证长途通信网的安全畅通,还能使网路建设和维护成本最少,给途经地区带来良好的效益。     

项目施工机械设备的选择与管理

本文通过分析施工机械设备选择与管理的必要性,讨论如何进行施工机械设备方案的选择与机械设备的选择原则,并对如何进行机械设备管理的内容进行分析,以达到优化选择方案和提高管理效益的目的。     

基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究

针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN（RNA）的表面肌电信号（sEMG）特征提取和分类算法. 该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类. 将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类. 实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.012 7,均显著优于传统单一算法,体现了较好的分类性能.     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

基于遗传算法优化机器学习模型的地下水潜在性预测

传统机器学习模型在地下水潜在性预测中,未考虑最优因子组合,会对地下水潜在性制图产生不利影响。为此,提出了遗传算法优化支持向量机的地下水潜在性预测方法。以云南省彝良县为研究区,从地形、水文、土壤、地质等方面选取了共15个影响因子;考虑模型性能和影响因子的作用,利用遗传优化算法筛选了包含11个影响因子的最优因子组合;然后使用支持向量机方法构建了地下水潜在性预测模型;最后计算了因子优化前后的模型准确度和受试者工作特性曲线下面积（area under curve,AUC）,并绘制了模型的受试者工作特性（receiver operating characteristic,ROC）曲线和地下水潜在性预测图。结果表明：因子优化前模型的准确度为0.774,验证集AUC为0.789,因子优化后模型的准确度为0.777,验证集AUC为0.806,分别提高了0.003和0.017。可见,所提方法的准确性、可靠性优于传统的支持向量机法,其结果可以为区域水文地质调查和地下水资源管理与规划提供科学参考。     

基于模糊粗糙集的层次分类增量特征选择

随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。     

求解约束优化问题的一种新的进化算法

针对约束优化问题引入半可行域的概念, 提出竞争选择的新规则, 并改进了基于竞争选择和惩罚函数的进化算法的适应度函数; 结合粒子群优化（PSO）算法本身的特点, 设计了选择算子对半可行域进行操作, 从而得到一个利用PSO算法求解约束优化问题的新的进化算法. 实验证明了算法的有效性.     

基于非集计模型的中长途客运旅客选择方式

近年来,随着我国高铁的快速发展,给公路客运产生了巨大的冲击。为了提高公路客运企业竞争力,结合中长旅客出行需求和发展态势,笔者从旅客特性、出行特征、运输方式特性等角度,分析了旅客出行行为偏好影响因素,构建了基于非集计的多元Logistic旅客选择方式回归模型。论文依据北京公路客运数据,对0～400km和400～800km的中短途和中长途旅客出行选择行为进行了敏感度分析实验。实验表明,0～400km中短途出行的旅客对便捷性和准时性的敏感度高,而400～800km中长途出行的旅客对出行费用、出行时间、舒适性和安全性的敏感度高。     

多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型

采用全谱建立近红外校正模型,计算工作量大且冗余信息多。通过特定方法筛选特征波长有可能得到更好的定量校正模型。逐步回归法在波长选取方面起到了重要的作用。多元散射校正技术（Multiple scatter correction,MSC）可以有效剔除由样品颗粒大小、装填密度、湿度等不同引起的散射影响,有效提高光谱的信噪比。以我国东北黑土为研究对象,采集了136个土壤样品3699cm^-1-12000cm^-1范围的近红外光谱,利用多元散射校正技术对近红外原始光谱数据进行预处理,评价MSC的去噪效果,并利用多元线性回归法建立了土壤有机碳含量与校正光谱优选波长点处吸光度之间的关系模型,评价多元逐步回归法优选波长的有效性。结果表明,多元散射校正技术有效降低了散射的影响,提高了相关光谱的信噪比,模型决定系数从0．598提高至0．681。基于手动挑选波长建立的模型决定系数高达0．956,预测样品集模型预测值与实测值之间的相关系数为0．823。手动挑选波长建立的SOC模型预测能力优于基于逐步回归方法建立的定量模型,利用逐步回归分析法优选波长还需要进一步研究。图7,参26。     

计算机生成兵力的目标选择研究

根据CGF目标选择的模糊性特点,介绍了一个基于模糊集理论的目标威胁分析算法和基于效用理论的目标选择算法。基于模糊集理论的威胁分析能准确反映和描述实际战场环境下信息的模糊特性,算法通过隶属度函数计算得出不同威胁因素的隶属度值,然后通过层次分析法综合各威胁因素隶属度值获得每个目标的威胁程度。基于效用理论的目标选择算法通过效用函数综合考虑了目标的威胁程度和与之交战的期望效益两方面因素,能很好地模拟实际作战兵力的目标选择过程。