会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

遗传退火算法的模型相似性计算方法_高雪瑶

为了检索最相似的CAD模型,本文结合遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提出了基于遗传退火算法的模型相似性度量方法。利用面的边数差异来计算源模型面与目标模型面之间的形状相似性。结合面的形状相似性和面的邻接关系来计算面的结构相似性。以面的形状相似性和结构相似性为基础,构造2个模型的整体相似度矩阵。利用遗传退火算法对该矩阵进行搜索,得到2个模型之间的最优面匹配序列。以最优面匹配序列为基础,计算2个模型的相似性。实验结果表明:相对于模拟退火算法,本文所提出方法使13.33%的模型的排序效果有所改善。该方法能够更准确地度量2个模型之间的差异。

  • 2021-04-30
  • 阅读448
  • 下载0
  • 7页
  • pdf

多元部分变量误差模型及解算_杨根新

本文针对多元总体最小二乘中系数矩阵存在常数项和重复元素的问题,提出了一种多元部分变量误差模型（multivariate partial EIV model）。根据总体最小二乘平差准则,采用非线性最小二乘平差理论和经典间接平差方法推导了三种多元部分变量误差模型的解算算法。通过一个实测算例和一个模拟算例进行了参数解算,结果分析表明本文算法能得到与文献算法一致的参数估值,验证了本文算法的有效性和可行性。

  • 2021-05-06
  • 阅读448
  • 下载0
  • 6页
  • pdf

基于变分模态分解和改进鲸鱼算法优化的神经网络风速预测模型_李志鹏

风速预测在风电场安全并网和智能化管理中起着决定性作用,针对风速的非线性和不稳定等特点,提出一种基于变分模态分解和改进鲸鱼算法优化的模糊神经网络（VMD-CGWOA-ANFIS）的混合预测模型。该模型首先使用变分模态分解（VMD）技术将原始风速序列分解为一系列子序列,对各子序列分别采用模糊神经网络（ANFIS）建立预测模型。为进一步提高预测精度,克服鲸鱼（WOA）算法容易陷入局部最优和收敛过早的缺点,引入共轭梯度算法（CG）对WOA进行改进,利用改进的CGWOA算法对ANFIS参数进行优化。使用优化后的ANFIS分别对VMD分解后的各子序列进行预测,最后将预测后各子序列叠加得到最终预测结果。为测试模型的有效性,选择宁夏地区三组实际风电数据进行模拟试验,将ANFIS、VMD-ANFIS、VMD-WOA-ANFIS与提出模型进行对比,结果表明,所提出的混合模型预测精确度明显高于其他对比模型。

  • 2021-05-06
  • 阅读448
  • 下载0
  • 8页
  • pdf

基于改进的迁移率模型的生物地理学优化算法_王雅萍

生物地理学优化（BBO）算法通过迁移和变异不断更新栖息地,以寻找最优解,其中迁移率模型的优劣会直接影响算法的优化性能。针对原始BBO算法采用线性迁移率模型适应性不足的问题,基于Logistic函数、三次多项式函数以及双曲正切函数提出了三种新的非线性迁移率模型,并应用于原始BBO算法中。对17个典型的基准函数进行优化性能测试,结果表明,基于双曲正切函数的迁移率模型所得解更接近函数的全局最小值,总体表现优于原始线性迁移率模型的BBO算法以及相关改进算法中表现优异的余弦迁移率模型。稳定性测试结果表明,在不同的变异率下,基于双曲正切函数的迁移率模型在多数测试函数上表现优于原始线性迁移率模型。在满足解多样性的基础上,该模型能够较好地适应非线性迁移问题,提高寻优能力。

  • 2021-05-06
  • 阅读448
  • 下载0
  • 6页
  • pdf

背景抑制直方图模型的连续自适应均值漂移跟踪算法_王旭东

针对传统连续自适应均值漂移（CAMshift）跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法（GMM）将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。

  • 2021-05-06
  • 阅读448
  • 下载0
  • 8页
  • pdf

基于一致性预测算法的内网日志检测模型_顾兆军

机器学习是网络安全威胁检测系统的薄弱环节。不断进化的网络攻击利用数据的概念漂移躲避机器学习检测,导致检测模型随时间不断退化。文章通过一致性度量的统计学习方法,缓解基于日志分析的内网安全威胁检测模型的退化问题。相比于基于静态阈值的检测方法,一致性度量的统计学习方法可以动态适应不断进化的安全攻击,感知底层数据的概念漂移,缓解模型退化问题。文章实现了一个基于日志分析的内网安全检测模型,在HDFS数据集上有效发现了概念漂移趋势,缓解了模型退化。

  • 2021-05-06
  • 阅读448
  • 下载0
  • 6页
  • pdf

基于GoogLeNet模型的剪枝算法_彭冬亮

GoogLeNet包含多个并行的卷积层和池化层,极具表现力,但也导致其参数数量冗余和计算量大,解决该问题的根本途径是将网络稀疏化.剪枝算法通过训练网络、修剪低权重连接和再训练网络三步操作,只保留卷积层和完全连接层中的强相关连接,实现简化网络结构和参数数量的效果,获得近似的网络模型,不影响网络后验概率估计的准确性,达到压缩效果.传统计算方式不适合非均匀稀疏数据结构,所提出的阈值剪枝算法设定合适的阈值,将原始GoogLeNet模型中将近1040万参数减少到65万,大约压缩了16倍.原始网络在进行剪枝处理后,准确率会有所降低,但经过少数次迭代,网络的准确率与原始模型不相上下,达到了压缩模型的效果,验证了阈值剪枝算法对改进GoogLeNet模型训练过程的有效性.

  • 2021-05-06
  • 阅读447
  • 下载0
  • 6页
  • pdf

时态文本数据流特征流行趋势模型及算法_孟志青

当今在电商和社交等平台上每天会产生大量的文本数据流。快速提取文本数据流的特征并将其用于发现一些事物的趋势变化来指导企业运营十分重要,比如服装企业必须尽可能快速而又准确地感知流行信息,服装特征的流行趋势对设计生产与经营起着至关重要的作用。以线上商品的文本数据流为研究对象,结合线上的销售文本实时数据流,定义了商品的时态文本数据流特征趋势模型,然后提出了一种文本数据流特征趋势发现的实时挖掘算法。将该算法应用到服装销售的文本描述以提取流行特征应用,可以获得有效的服装流行趋势,为企业制定生产计划、选择营销策略提供了决策支持。使用电商平台的真实销售数据进行实验,结果证明:该算法提取流行特征的准确率较高、速度较快,具有重要的理论与实际意义。

  • 2021-05-06
  • 阅读447
  • 下载0
  • 6页
  • pdf