基于关键点的点对特征三维目标识别算法

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法. 通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点. 使用哈希表存储,加快了特征匹配的时间. 利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别. 对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.      

基于PSOGWO-SVM的网络入侵检测方法

针对SVM算法的核函数及参数选择不科学会导致检测的准确率比较差的问题,提出了一种融合粒子群搜索的灰狼优化算法,利用PSOGWO算法优化SVM的参数,确定SVM分类器的最优检测模型,并基于NSL KDD数据集进行对比实验。结果表明：基于PSOGWO SVM的入侵检测方法实现了SVM的参数最优化,而且在检测率、收敛速度、模型平衡性等方面有明显提升,该方法在网络入侵检测方面具有更好的性能。     

基于AMWPSO-LSTM的多阶段间歇过程故障预测

过程安全对于间歇过程生产具有重要意义,为提高间歇过程生产安全性,提出一种基于改进粒子群算法(AMWPSO)优化长短期记忆网络(LSTM)的间歇过程故障预测模型AMWPSO-LSTM。针对LSTM中的神经元个数、迭代次数、学习率等参数需要人为设置的问题,采用AMWPSO对这些参数进行自动寻优。AMWPSO在原有粒子群优化算法(PSO)中融入了自适应变异和非线性递减惯性权重,提高了PSO的参数寻优能力。由于间歇过程具有多阶段性,因此先根据模糊C均值聚类(FCM)方法对间歇过程进行阶段划分,再利用Pearson相关系数对各阶段实验数据进行相关性分析,以降低系统变量的维数,并建立各阶段T²统计量控制限作为系统是否发生故障的指标。实验以青霉素发酵过程数据为例,建立基于AMWPSO-LSTM 的多阶段故障预测模型,并将该模型的预测结果与基于LSTM的多阶段预测模型、基于PSO-LSTM的多阶段预测模型的预测结果进行比较,结果表明,基于AMWPSO-LSTM 的多阶段故障预测模型可取得较高的预测准确度。     

基于时间依赖网络的危险品运输路径选择研究

为合理选择危险品运输路径,降低危险品运输事故的发生概率,以危险品运输路径选择问题为研究对象,对运输网络的时变特性进行分析,提出了动态路阻运输路径的思想。考虑到危险品运输不一定满足时间依赖网络FIFO特性,因此本文建立了包括时间阻抗、费用阻抗和风险阻抗在内的综合阻抗最小的危险品运输路线模型,采用综合阻抗最小化与时间依赖非FIFO网络最短路径综合算法对模型优化求解。给出的算例表明,不同时间段内的最优路径会发生变化,验证了该模型方法的可行性。     

Convexification and Hierarchical Optimization Algorithm for Distribution of Water Supply Systems

ＣｏｎｖｅｘｉｆｉｃａｔｉｏｎａｎｄＨｉｅｒａｒｃｈｉｃａｌＯｐｔｉｍｉｚａｔｉｏｎＡｌｇｏｒｉｔｈｍｆｏｒＤｉｓｔｒｉｂｕｔｉｏｎｏｆＷａｔｅｒＳｕｐｐｌｙＳｙｓｔｅｍｓＺＨＯＮＧＷｅｉｊｎｎａｎｄＸＵＮａｎｒｏｎｇ（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔ...     

连续变量问题全局优化的模拟退火法

本文针对过程系统连续变量优化问题中普遍存在的多峰现象, 探索了应用模拟退火法求解其全局最优解。文中根据连续变量问题的特性, 提出了一种相邻状态的产生函数和迭代方案, 并分析了模拟退火过程的起始温度、终止温度以及降温速度等参数对优化计算的影响, 给出了这些参数的适宜区域, 通过三个例题的计算, 将模拟退火法与传统优化方法一梯度法进行了对比分析, 结果表明该法能够有效地解决传统的确定型优化方法所不能奏效的全局优化问题。     

谈新形势下的中小学图书馆教师队伍建设

在对中小学图书馆教师队伍的现状进行分析的基础上，提出了优化结构、加强素质建设、健全培训制度、利用现代化管理等办法，发展中小学图书馆教育事业。     

当前井巷断面优化方法综述

本文对当前国内外的学者所提出的断面优化方法进行综述,从优化思想、技术途径、推广应用的角度分析、记述各种方法的优劣。     

关于多级火箭的优化理论(21)

在这篇文章中，文献[1]的一些结果被完善。     

一类仓库作业优化问题的混合遗传算法研究

针对自动化立体仓库固定货架系统中拣选作业优化问题的特点, 分析并设计了一种新型高效混合遗传算法。提出了多起点2-最近点搜索算法进行初始种群的构造,采用了一种新的自适应启发式变异方法,显著改善了原有遗传算法的搜索能力。仿真结果表明该算法从执行时间和优化效果两方面均能够很好地满足作业要求。