智能小车避障算法和速度调节算法研究

主要对智能小车的避障算法及速度调节算法进行了研究。首次提出一种无障碍权值算法解决小车的避障问题。无障碍权值算法通过对小车左右前方连续195°扇形区域的障碍距离进行采集,经过数据处理,找出障碍间的较宽可行路径,有效解决了小车避障过程中可行路径遗漏问题。该算法能使智能小车避障具有更准确的方向、更优化的路径。由于在避障时需要进行速度调节,研究了速度调节算法。通过障碍距离的检测对PWM进行比例调节,来控制小车速度,实现小车的快速变速。经过实验验证,小车速度调节也能很好地满足快速性要求。     

静态全符号网络的社群结构

为解决传统社群结构理论难以分析集群行为中的个体与关系特征等问题,在原有社群结构理论的基础上提出全符号网络下的社群结构理论,从而反映出个体聚类的综合特征。首先,基于带有关系属性与节点属性的全符号网络,在综合考虑网络个体、关系与结构属性的基础上,定义出全符号网络社群结构的定义,即一个可以被分为不同子网络的结构,其中子网络内部节点属性大致相同,关系连接稠密,且大部分由正边相连,而子网络之间节点属性不同,关系连接稀疏,且由负边相连;其次,基于Newman提出的模块度指标,结合网络的节点、关系、结构这3层因素构建出全符号网络下的模块度指标,同时利用遗传策略对该的指标优化实现了全符号网络的社群结构探测。基于不同网络属性的实验发现,相比传统社群结构指标,新指标可以有效识别出这些属性的差异,解决了传统社群结构探测方法不能分辨网络节点属性与关系属性的问题,为个体聚类研究提供新的路径与方法。     

一种面向大数据分析的快速并行决策树算法

为了提高基于大规模数据的决策树训练效率,提出了一种基于Spark平台的并行决策树算法(SPDT).首先,采用数据按列分区的方法,把单个属性列完整地保留在一个分区内,使缓存该分区数据的数据节点能独立完成信息熵的计算,以减少数据节点之间的信息交流造成的网络资源的占用.然后,数据在按列分区后以稠密向量的形式缓存于内存中,SPDT对数据进行压缩,以减少对内存的占用.最后,SPDT采用基于边界点类别判定的连续属性离散化方法来处理连续属性,减少决策树训练过程中信息熵计算的频次,并提出使用信息增益比划分训练数据集的方法,以减少信息增益计算对多属性值属性的依赖.实验结果表明,在树的训练效率方面,SPDT在保持分类精度的情况下,比Apache Spark-MLlib决策树算法(MLDT)以及基于Spark平台的垂直划分决策树算法(Yggdrasil)有明显的提升.     

青海大学综合教务管理系统的运行与实践

介绍了青海大学综合教务管理系统的组成、软硬件平台及系统功能。     

基于改进编解码网络的钢箱梁疲劳裂纹分割

针对基于图像的疲劳裂纹检测方法精度受焊缝、涂层等复杂背景因素影响较大的问题,提出了一种基于深度学习的空洞金字塔注意力网络(APA-Net)模型用于疲劳裂纹分割．在传统编解码网络的基础上引入预训练ResNet34模型、密集空洞卷积(DAC)模块、尺度感知金字塔融合(SAPF)模块和注意力门控(AG)机制,极大地提升了模型提取多尺度上下文信息的能力．通过图像裁剪制作了包含多种干扰因素的钢箱梁疲劳裂纹分割数据集,然后利用该数据集对APA-Net,FCN,U-Net,Attention U-Net,U-Net++和CE-Net等经典网络进行测试,结果表明：所提出的APA-Net在复杂背景干扰下对钢箱梁表面图像中的疲劳裂纹提取能力最佳,分割结果的平均交并比达72.2%,比其他经典网络中表现最优的CE-Net的平均交并比提高了约4%．最后通过消融实验讨论了所提模块对裂纹分割精度的影响．     

浅谈以FLASH制作多媒体课件

多媒体课件的网络化应用,是今后多媒体课件的发展方向。本文探讨了多媒体课件网络化应用存在的突出问题,并设计了一套解决方案。最后,本文详细叙述了用Flash MX实现多媒体课件网络化应用的具体方法。     

太阳能光电储综合应用实验装置设计

本实验装置由电池片基本特性测试、电池板旋转与放平、光电互补供电、电池电量显示以及蓄电池充电/容量与内阻测试单元组成.电池片特性测试单元包括变阻电路、调制电路、LED驱动电路、光强测量显示电路设计;电池板追旋与放平包括风雨传感输入、单片机主控、垂直轴旋转、水平轴摆旋、语音警示等设计;光电互补供电由充放电控制器、逆变器、直...     

基于目标函数的FPGA宏模块布局算法设计

在文献[1-3]规划方法的基础上引入了FPGA宏模块的布局,考虑到FPGA宏模块布局问题的特殊性,笔者通过合理的目标函数和处理方法解决了FPGA宏模块布局问题,并提出来了一种描述FGPA宏模块内部布线资源的方法.结果表明：采用笔者提出的FPGA宏模块布局方法,其FPGA规模及所需通道高度比不考虑宏模块内部布线资源的情况节省资源.     

基于深度卷积神经网络的脑电图异常检测

为解决EEG自动检测的错误率非常高的问题,提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先,对多个异构数据源按标准进行重构和预处理,生成了有118 716个样本的训练集和有12 022个样本的测试集;然后,构建有快捷连接的深层CNN模型,以自动化学习ECG特征并进行分类识别;接着,将模型在训练集上进行试验与调参,保存了性能最好的模型参数;最后,在测试集上进行预测.预测结果显示该模型达到了94.33%的分类准确率.通过所提方法对脑电信号进行处理与分析,能够自动提取EEG特征并进行异常识别,从而达到快速检测与辅助诊疗的目的.     

基于C8051F005的液晶示波器的研制

系统利用C8051F005单片机作为微控制器,结合各种不同的传感器,并基于其内部集成的ADC子系统,控制HXMG128064-1液晶显示模块,完成了一种液晶示波器的设计.系统实现了信号的采集、信号的处理以及信号波形的显示.系统体积较小、操作简便、成本低廉而且开发周期短,适用人群较广,具有很大的实用价值和广阔的应用前景.