基于改进欧几里得聚类的激光雷达障碍物检测

针对传统的欧氏聚类算法无法同时对近处和远处的障碍物点云进行精准检测和分割,容易造成错检和漏检的情况,提出一种欧氏聚类算法的改进方法,可以根据点云与激光雷达之间的距离动态地选择阈值,从而快速且准确地完成聚类.实验表明:该方法能同时对近处和远处的障碍物点云进行快速且准确的聚类.     

城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

不饱和类卡宾H_2C＝CNaX(X=F,Cl,Br)的密度泛函理论研究

采用密度泛函理论方法,在B3LYP/6-311+G(d,p)水平上研究了不饱和类卡宾H2C=CNa X(X=F,Cl,Br)的结构.结果表明,不饱和类卡宾H2C=CNa X(X=F,Cl,Br)各有2种平衡构型,其中具有三元环结构的构型能量低,是其存在的主要构型.预言了最稳定构型的振动频率和红外强度.计算得到了最稳定构型分子内氢迁移反应的过渡态.讨论了卤原子对不饱和类卡宾H2C=CNa X的影响.     

扭曲状石墨烯及其掺杂量子点的荧光性能

采用密度泛函理论(DFT)研究扭曲状石墨烯C80H30的本征结构以及边缘位置掺B、中间位置掺B、边缘位置掺N、中间位置掺N等5种量子点的电子结构和光学性质,并与平面状石墨烯结构对比分析.结果表明,扭曲状GQDs未掺杂前能隙宽度为2. 014 e V,在紫外波段强烈吸收,615. 7 nm绿色波段发光,掺入电子受体B后HOMO能级和LUMO能级均升高,掺入给电子体N后HOMO能阶和LUMO能阶均出现降低,2种原子的掺入都会导致能隙宽度变窄,在红色波段发光,掺杂原子及位置不同均会对吸收光谱产生影响.类比于平面状GQDs,扭曲状GQDs的能隙宽度均变宽,吸收峰整体表现出往短波方向移动,发射光谱出现不同程度的蓝移.     

英国量子技术研究与发展现状

量子信息是量子物理与信息技术相结合发展起来的新学科。近年来,英国政府、学术界以及产业部门通过资源整合,积极开展量子技术基础研究和应用研究,通过对当前最前沿技术的原始性挖掘和突破,试图打破制约信息技术发展的瓶颈与束缚。在量子技术的帮助下,特别在导航和计算机芯片制造方面,目前已经取得了很大的突破。曾创作出《侏罗纪公园》和《失去的世界》等作品的科幻作家迈克尔·克莱顿曾在科幻小说《时间线》中用文学的笔调来想象量子计算的神奇。其中,一家国际技术公司的经理如此推销其眼中的高新科技:"普通的计算机用     

基于Android系统的斗地主游戏的设计与实现

随着智能手机的迅猛发展,Wi Fi的全民时代到来,手机网络游戏越来越得到人们的青睐.首先设计了基于Android系统的斗地主纸牌游戏的功能模块、类以及数据库,实现了客户端注册、登录、游戏房间选择、多人斗地主以及服务器端接收多个用户连接请求且管理用户信息功能,然后对该游戏中的关键技术进行了详细描述,最后展示了游戏的运行界面.测试效果表明,软件界面友好、操作便捷,能够满足手机用户对斗地主游戏的基本需求.     

关于二面体群的共轭类长素图

讨论二面体群的结构问题,利用GAP软件给出二面体群D2n的共轭类长素图,并完整给出当n以及n/2分别是奇数和偶数时的共轭类长素图情况.