基于改进的卷积神经网络的钢号识别

为获取样本的多样性特征,提出了一种改进的卷积神经网络结构。该网络中引入多层递归神经网络,利用卷积神经网络提取输入图像的浅层特征,同时利用卷积神经网络和递归神经网络并行提取高层特征,最后将两种网络学习到的特征进行融合输入到分类器中分类。利用迁移学习理论解决小样本集数据训练不足的问题,并将这种卷积神经网络结构应用于石油物资管线钢号识别中。实验探究了递归神经网络个数与卷积核个数对网络性能的影响,实验结果表明,改进的网络结构与其它网络进行对比,错误率降低了 3% 。     

无原子可测集的一个注记

针对测度在无原子可测集上的取值问题,提出两个新命题进行讨论。利用下定向的随机变量集合的下确界性质,通过对可测集的剖分,结合可测集与测度的性质,凭借反证法证明了测度为正数a的无原子可测集中必存在某个可测子集,使其测度落在区间[a/3,2a/3]内;在此基础上用数学归纳法证明了无原子可测集中必有一个单调不增的子集列,使得对无论多小的正实数区间,子集列中总存在某个集,其测度落在区间内;证明了测度不小于某正实数λ的无原子可测集中必存在某可测子集,使其测度落在区间[λ/3,2λ/3]内;进一步给出经典定理的新证明:若0ba,则测度为a的无原子可测集中必存在某可测子集,使其测度恰好为b;最后简要分析了文献中对定理的不同证明。     

一类三阶周期边值共振问题解的存在性

本文研究了三阶周期边值共振问题{v'(t)=f(t,v(t)),t∈[0,T],v~(i)(0)-v~(i)(T)=0,i=0,1,2解的存在性,其中函数f:[0,T]×R→R连续且有界.当非线性项f满足适当条件时,本文发展了上下解方法并得到其解的存在性.主要结果的证明基于Lyapunov-Schmidt过程和解集连通理论.     

考虑碳排放和预约机制的送箱集卡多码头调度问题

考虑送箱集卡多码头调度的低碳、高效化要求,及为解决集卡不规律到达导致码头拥挤问题而提出的集卡预约集港机制,以单一外堆场调用送箱集卡数量最小及多集装箱码头调度方案碳排放总量最小为目标,构建了单堆场多码头送箱集卡调度模型.设计了改进的蚁群算法对该模型进行求解,得到按时间段划分的港外堆场多码头集卡低碳送箱方案,通过算例验证了所构建模型和算法的有效性.结果表明,考虑碳排放和预约机制的送箱集卡多码头调度方案所需集卡数量少,工作时间短,兼顾了集装箱码头集卡送箱作业低碳和高效的要求.     

基于集对分析的城市供水管网漏损预测及降漏研究

为了降低管网漏损水平,保障城市供水安全性和可靠性,以云南省某城市典型供水片区作为研究对象,运用集对分析漏损预测模型（SPA LF）,从供水管网漏点数和漏点率两个方面分析了不同管材漏损的实际情况,预测未来不同管材的漏损趋势。该研究能够提高供水企业主动检漏水平与供水安全可靠性,降低管网漏损率与供水成本。     

改进的局部扩展拟合图像分割方法

局部扩展拟合(RSF)模型可以有效解决灰度不均匀的图像分割问题,但传统的局部拓展拟合模型只考虑了图像上一点在其局部拓展区域内与零水平集相交的情况,易导致过分割现象.为此, 提出了一种改进的局部拓展拟合方法,即在RSF模型的基础上考虑图像上每一点在其扩展邻域内与零水平集不相交的情况,并重新定义了此情况下灰度能量的取值,使该点的内部灰度能量与外部灰度能量严格相等.实验结果表明所提方法有效解决了由初始化问题导致的过分割现象.     

基于图论算法的微博好友圈及消息发布方案研究

以微博用户为顶点,建立用户关注关系的顶点赋权有向图模型,把寻找微博中的最大好友圈问题转化为有向图的最大有向完全子图问题,而选择发布某消息的用户数最少的方案问题转化为寻找有向图的最小支配集问题.采取用户间关注关系0-1矩阵及好友关系的无向图,应用启发式着色算法求解无向图中的最大完全子图,计算出最大好友圈.根据消息传播关联的0-1矩阵,应用有向图的最小支配集的优化算法,求解最小支配集,得出了发布某消息的用户数最少的方案.     

平面上一类特殊齐次Moran集的Packing维数下界

研究构造了平面上一类特殊的齐次Moran集,通过分析其结构并利用分形几何中计算维数的方法和技巧,证明得到了它们的Packing维数下界。     

Dynamic Dominating Set and Turbo-Charging Greedy Heuristics

The main purpose of this paper is to exposit two very different, but very general, motivational schemes in the art of parameterization and a concrete example connecting them. We introduce a dynamic version of the DOMINATING SET problem and prove that it is fixed-parameter tractable（FPT）. The problem is motivated by settings where problem instances evolve. It also arises in the quest to improve a natural greedy heuristic for the DOMINATING SET problem.     

基于泛函网络的组合推荐算法

在研究组合算法的基础上，提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题，给出了基于泛函网络构架实现前融合组合推荐算法的一般过程. 通过推荐系统泛函拓朴结构的建立，利用泛函神经元的自学习、自组织和自适应能力，进一步优化推荐结果，较大地提高了系统的推荐准确度. 最后，将算法应用于Movielens推荐系统中，计算机仿真实验结果表明，本文提出的基于泛函网络实现前融合推荐算法是有效的、可靠的.