面向区间禁会要求的客货车共线运行图调整优化方法

针对客货车共线运行时存在的安全隐患,结合国铁集团对动车分散动车组列车与货物列车在区间内不交会的规定,对既有线列车运行图调整优化的问题进行了研究.通过0-1变量来判断相向而行的列车是否为不同类型列车,进而构建客车、货车在区间内禁止交会的约束条件,并以列车总旅行时间、与原列车运行图总偏差之和最小化为优化目标,建立0-1混合整数规划模型,采用Cplex求解器对模型进行求解.最后,以胶济铁路为例进行实例验证.算例结果表明：所提出的优化模型能够在确保客货车不在区间内交会的前提下,减少列车总旅行时间,提高线路整体运行效率.研究成果可为面向区间禁会要求的既有线运行图调整优化提供合理参考.     

联合变化检测与子带对消技术的SAR图像干扰抑制方法

子带对消(subband spectral cancellation, SSC)法是一种有效的合成孔径雷达(synthetic aperture radar, SAR)射频干扰(radio frequency interference, RFI)抑制方法, 但其在消除干扰的同时容易损失图像细节信息, 影响后续图像解译。为此, 在SSC方法的基础上, 联合变化检测技术, 提出一种改进的SAR图像干扰抑制方法。根据改进的对数比变化检测算子, 所提方法实现了干扰二次检测, 消除了干扰图像中的虚警信息, 避免了图像中有用信号的损失。基于欧空局Sentinel-1A卫星干涉宽幅模式受干扰SAR图像, 开展了干扰抑制与效果评估。实验结果表明, 所提方法能够在有效抑制干扰的同时尽可能保留SAR图像细节信息, 证明了所提方法的有效性。     

知识牵引与数据驱动的兵棋AI设计及关键技术

在分析知识推理型与数据学习型兵棋人工智能(artifical intelligence, AI)优缺点的基础上, 提出了基于知识牵引与数据驱动的AI设计框架。针对框架中涉及的基于数据补全的战场态势感知,基于遗传模糊系统的关键点推理,基于层次任务网的任务规划、计划修复与重规划,基于深度强化学习的算子动作策略优化等关键技术进行深入探讨。结果表明,所提框架具有较强的适应性, 不仅能够满足分队、群队、人机混合等兵棋推演的应用需求, 而且适用于解决一般回合制或即时策略性的博弈对抗问题。     

基于随机k-近邻集成算法的网络流量入侵检测

为了提高网络入侵检测模型的准确率与泛化性,提出基于随机k-近邻集成算法的网络流量入侵检测模型。首先,该模型提出一种集成赋权距离,来提高预测精度;其次,采用一种随机策略的集成方法对k-近邻模型进行集成,从而提高了其在异常检测过程中的全局和局部优化能力;然后,利用并行计算的方法提高了算法运行的效率;最后,构建了基于随机k-近邻集成算法的网络入侵检测模型,并采用KDD99数据集进行实验。实验结果表明,基于随机k-近邻集成算法相对于其他模型具有更好的检测效果,准确率和召回率分别达到99.05%和91.96%。     

基于多目标规划对养老服务运营模式的研究

针对中国养老服务现行的运营模式进行研究.首先,建立主成分分析模型确定养老服务床位的主要影响因素,构造主成分与床位数的回归曲线,预测中国养老服务床位数量,求得2019年养老服务床位数874万张、2020年床位数902万张.其次,对中国的31个省市进行的人口数量、人均地区生产总值等因素进行模糊聚类分析,对市场需求进行分类....     

一类产业结构多目标优化的决策模型

借助于投入产出和目标规划技术,建立产业结构近期调整的多目标优化决策模型.在不增加总投入和总初始投入的假设条件下,以极大化国内生产总值、极大化社会纯收入以及保证三次产业合适比例等为目标,使用广东省的投入产出资料进行实证分析.     

逆半群上的几类模糊子半群

利用集合上模糊同余关系, 在逆半群上定义了模糊正规子半群和模糊商子半群, 并研究了逆半群上由这几类模糊关系所定义的模糊同余关系的一些性质. 通过模糊同余关系β, 得到模糊正规商子半群R及S/ρ上的模糊同余关系μ_R.     

基于子空间划分和自我表示学习的高光谱波段选择

基于高光谱图像的应用,在不降低性能的前提下,选择具有信息和代表性的波段是大数据环境下一项具有挑战性的任务.许多波段选择方法忽略波段的有序性,只考虑波段的冗余性,这会导致有价值的波段丢失,而保留无用的波段.针对此问题,提出了一种自适应子空间划分和自我表示学习的高光谱波段选择方法(Adaptive subspace par...     

Banach 3-Lie代数上两类映射的稳定性

结合函数方程pf(x+y/p+z)=f(x)+f(y)+pf(z),研究了Banach 3-Lie代数上的同态、导子以及广义导子的广义Hyers-Ulam稳定性(其中p为固定正整数).     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。