摘要：微波辐射计广泛应用于工业传感器件上,其性能直接影响到工业检测效率。为此设计了一种微波辐射计C波段电路系统,利用开路短截线和串联传输线建立输入阻抗匹配网路,实现了150 K以内的热噪输出以及35 MHz以上的带宽。研究结果表明:当VG>-0.3 V或VD<5.5 V情况下,主动微波辐射计的亮温上升速度也越来越快,都维持在150 K附近。主动微波辐射计的亮温试验过程中保持在60℃,经过6 h连续试验后,噪音温度一直都是保持恒定状态,并且其置信度区间也比较稳定。该研究有助于提高对工业传感器抗噪声影响能力,提高工业检测精度。

摘要：针对边缘计算环境中参与联邦学习的客户端数据资源的有限性,同时局限于使用硬标签知识训练模型的边缘联邦学习算法难以进一步提高模型精度的问题,提出了基于知识蒸馏的边缘联邦学习算法。利用知识蒸馏对软标签信息的提取能够有效提升模型性能的特点,将知识蒸馏技术引入联邦学习的模型训练中。在每一轮的联邦学习模型训练过程中,客户端将模型参数和样本逻辑值一起上传到边缘服务器,服务器端聚合生成全局模型和全局软标签,并一起发送给客户端进行下一轮的学习,使得客户端在进行本地训练时也能够得到全局软标签知识的指导。同时在模型训练中对利用软标签知识和硬标签知识的占比设计了动态调整机制,使得在联邦学习中能够较为合理地利用两者的知识指导模型训练,实验结果验证了提出的基于知识蒸馏的边缘联邦学习算法能够有效地提升模型的精度。

摘要：在Pythagorean模糊粗糙集的基础上,结合优势关系与多粒度,提出了一种基于优势关系的多粒度Pythagorean模糊粗糙集模型,并对其进行研究.首先给出了优势关系的Pythagorean模糊粗糙集、Pythagorean模糊熵概念,讨论其性质,然后定义了在乐观、悲观下的优势关系的多粒度Pythagorean模糊粗糙集4种模型,以及Pythagorean模糊贴近度,并证明了其性质,设计了其最优粒度选择算法.通过遂昌金矿优化采矿的案例,对该模型进行了分析,验证了其有效性.

摘要：依托计算机通信与仿真技术,在电类专业开展虚拟仿真与实际实验相结合的教学实践。在实验教学中注重虚实结合,贴近实际生活,寓教于虚,训练于实,保证实验内容的可行性和系统性。实验教学表明,虚实结合的实验教学模式符合教学目标,激发了学生的学习兴趣,使学生清楚为何而学、所学为何,切实提高了实验教学效果。

摘要：针对模糊邻域粗糙集对数据分布敏感且无法有效评估密度差异较大数据集的分类不确定性这一问题,提出了一种基于模糊邻域相对决策熵的属性约简算法。首先,采用相对距离定义样本的分类不确定度,重塑模糊邻域相似关系,并结合变精度模糊邻域粗糙近似,减少样本被归入错误类别的可能性;其次,在信息观下将模糊邻域可信度和覆盖度引入信息熵,并与基于代数观构造的模糊邻域相对依赖度相结合,提出模糊邻域相对决策熵;最后,设计一种基于模糊邻域相对决策熵的属性约简算法,从信息观和代数观两个角度来评估属性的重要度。在8个公共数据集上将其与现有的6种属性约简算法进行对比实验,结果表明,所提算法能有效地测量不同数据分布下样本的不确定度,提高数据的分类性能。

摘要：针对传统在线流组特征选择方法无法处理异常或者缺失的不完备混合数据,导致特征选择效果不佳的问题,在不完备系统中提出一种基于多粒度模糊邻域熵的在线流组特征选择算法。考虑不完备混合数据中的不确定信息,将决策自信息与模糊邻域熵相结合,从代数和信息视角提出多粒度模糊邻域熵;提出在线流组内、组间粒选度,根据模糊邻域对比度对特征组进行冗余分析。在8个公共数据集上进行实验对比分析,所提算法在处理不完备混合数据时能有效消除冗余特征,提高数据的分类精度。

摘要：针对现存的多方隐私集合并集(MPSU)协议存在交互轮数多以及通信开销大等问题,使其无法在低带宽场景中得以有效应用,设计了一种基于不经意键值存储和门限同态加密技术的不经意匹配置换方法,并运用该方法提出了一种半诚实模型下的多方隐私集合并集协议。该协议允许N个参与方共同计算所有集合的并集,且不会泄露任何其他的信息,具有通信轮数少、能抵御N-1个参与方的合谋、通信开销低等优势,比现有最先进的多方隐私集合并集的通信开销降低了65%左右。

摘要：针对谱聚类在尺度参数计算时需要人为设置近邻参数及聚类结果不稳定等问题,本文将初始类中心值和尺度参数作为决策变量,重点对谱聚类算法进行自适应优化与改进。首先,将样本邻域标准差的倒数作为度量样本局部密度的参数,与密度峰值思想相结合,设计了一种基于密度峰值的初始类中心决策值选择方法(initial class center decision value algorithm based on density peak,DP_KD),解决密度调整谱聚类中聚类结果不稳定的问题。其次,利用样本间的平均距离计算相应的邻域半径,并根据样本标准差自适应地求解每个样本的尺度参数,构造样本间的相似度矩阵,实现了近邻参数的自适应设置,解决尺度参数需要人为设置的问题。然后,基于优化后的初始类中心决策值和近邻参数方法,进一步调整高斯核函数,提出一种基于邻域标准差的密度调整谱聚类算法(density adjusted spectral clustering algorithm based on neighborhood standard deviation,DSSD),通过构建特征向量空间实现了密度谱聚类。最后,将提出的算法与其他聚类算法在多个数据集上进行了对比。结果表明,与其他谱聚类算法相比,本文提出的DSSD算法不仅具有更好的聚类效果,且聚类结果更加稳定,尤其是在类内密集且类间边缘明确的DIM512数据集中,DSSD算法可以正确地进行聚类分簇;在准确率、兰德系数和F-measure上较其他算法至少提升了0.0268、0.0136和0.0247,这表明DSSD算法不仅聚类效果较好且更适合大规模数据集的聚类分析。

摘要：为保护溯源企业敏感数据隐私以及提高区块链账本存储性能,实现茶叶产品质量安全有效监管,基于FISCO BCOS联盟链的群组技术,构建用于监管茶叶溯源信息的区块链多链模型,提出差异化数据上链和查询方法,采用星际文件系统存储图片、视频等非结构化溯源数据。为验证该模型的可行性,研发茶叶多链溯源信息监管原型系统,并利用区块链网络测试工具Hyperledger Caliper和接口测试工具Postman,分别测试区块链网络数据写入查询性能和应用接口响应性能。结果表明,该模型把区块链网络划分为种植采摘—监管、加工包装—监管、运输配送—监管和采购销售—监管4条链。基于该模型搭建的区块链网络写入操作吞吐量平均为185 tps,查询操作吞吐量平均为620 tps。原型系统数据上链时延平均为1 365.00 ms,消费者查询时延平均为54.82 ms,监管机构查询时延平均为73.02 ms。

摘要：邻域粗糙集模型被广泛应用于特征选择领域,然而传统邻域粗糙集模型受限于网格搜索法,且存在仅从特征角度确定邻域的粒度和特征评价函数构造视角单一等问题.针对上述问题,提出一种基于类间半径的自适应邻域特征选择方法.首先,提出类间半径的概念,从样本角度与特征角度出发,为不同类的样本生成相应的邻域半径,构造了基于类间半径的自适应邻域粗糙集模型,并基于此定义了自适应邻域互信息.其次,由类间边界引出类间系数,并将其与自适应邻域互信息结合,进而构造了类间互信息这一特征评价函数,该函数从代数和信息论视角评价特征.最后,设计一种基于类间半径的自适应邻域特征选择算法.通过在8个UCI数据集上与5种算法进行实验对比分析.实验结果表明,所提算法在选择的特征数量和分类精度上优于其他算法.