摘要：当用户前往共享单车站点租车而站点无自行车或用户还车而无空桩时,将发生未满足租车或还车服务,造成经营方收益损失.为了优化服务,以包含停运期和营运期、在停运期进行自行车静态调度的共享单车系统为研究对象,调度成本和未满足服务损失成本为目标函数,调度卡车启用、旅行路线及站点间车辆调度为决策变量,营运期站点在站自行车数量为状态变量,综合分析调度策略与站点间租还车需求相互作用引发状态变量变化的动态演化过程,分析调度活动的内在逻辑,构建非线性静态调度优化模型,提出一种线性化方法,将其转化为线性规划模型.然后,根据问题特性设计了一种可求解大规模问题的人工蜂群-贪婪算法.最后,应用数值算例对问题性质和算法性能进行分析,结果显示单位租还车损失成本和调度能力对调度优化效果有重要影响,人工蜂群-贪婪算法在求解大规模问题时具有一定优势.研究成果可为共享单车调度提供决策支持.

摘要：聚类分析作为数据研究领域的基本技术,旨在从无标签数据集中发现有意义的簇结构。由Kleinberg定理可知不存在能够学习任何数据集的基本聚类算法,即没有一种聚类方法能够正确地找到所有数据集的簇结构。聚类集成解决了这一固有挑战,通过组合多个聚类结果来探索高稳定性和鲁棒性的最终聚类。近些年来,提出了许多聚类集成技术,产生了解决实际问题的新方法以及新应用领域。从基聚类生成机制和共识函数设计两个维度对聚类集成技术进行了综述,分析了各种方法的优缺点并进行实验比较。最后针对当前的研究现状,讨论了未来的研究方向。

摘要：作为一种简化的群签名,环签名没有管理员角色,不需要环成员之间合作;签名者仅需自己私钥和其他环成员公钥即可进行签名操作。因其天然的匿名性,环签名在匿名投票、电子货币和车联网等场景得到广泛应用。可链接环签名作为环签名概念的一种变体,在保持了匿名性的同时还可验证两个签名是否来自同一签名者,从而有效解决举报系统中的恶意举报及区块链系统中的双重花费等问题,进而丰富了环签名的应用场景。提出一种基于身份的格基可链接环签名方案,采用G-陷门生成技术生成系统密钥,使用其改进后的陷门委派技术和原像采样算法提取用户私钥,利用双峰高斯分布下的拒绝采样技术生成签名。经安全分析,所提方案在随机预言机模型下满足无条件匿名性、不可伪造性和可链接性,安全性可规约至格上的小整数解(SIS)问题,与现有的方案相比,签名生成时间开销和签名验证时间开销都减少约50%。最后将该方案和基于异或秘密共享算法结合,设计了电子投票协议,从而保证电子投票系统的隐私性和公正性。

摘要：由于六自由度机器人在装配序列规划中存在顶角叶片重力矩差难以保证、叶片重力矩分布不够均衡的问题,以至于避障过程中出现碰撞。为此,提出工业机器人六自由度装配序列规划下避障研究。通过分析六自由度机器人装配序列中,顶角叶片重力矩差和叶片重力矩分布产生的干涉关系,将装配平稳性、方向调整次数及更换装配工具的频次作为约束条件,设置干涉关系矩阵和适应度函数,以判断装配序列方案是否达到最佳;在装配方案达到最佳后,通过离散化萤火虫算法获取六自由度机器人装配序列最优解;根据该结果检测六自由度机器人碰撞结果,并采用优化随机树节点扩展控制及扩展能力检测的改进快速搜索随机树算法(Rapidly-exploring Random Tree,RRT*)来对所得装配序列进行调整修正,实现工业机器人六自由度装配序列规划下避障研究。实验结果证明:该方法可获取装配效率高、成本小的六自由度机器人装配序列;可以快速规划出最佳六自由度机器人避障路径,有效地避开障碍物,且精度较高、误差较小、实用性较强。

摘要：随着人工智能的发展,行为识别成为一个重要研究方向。由于骨骼数据源于人体骨骼建模,能够有效规避由复杂背景引起的问题,基于骨骼的行为识别因其强大的鲁棒性而受到青睐。以前的方法在动态特征捕捉和时序信息建模等方面存在一定的局限性,时序信息建模方面的不足也使得对于运动序列的解释存在困难。针对此问题该文设计一个运动流自注意力模块专门用于提取骨骼序列帧间的动态信息,能更有效地挖掘运动序列的时间信息。该文的方法在大规模数据集NTU-RGB+D上进行充分的实验验证,并取得非常令人满意的性能表现。表明该文提出的方法在骨骼行为识别任务中的有效性和可行性。

摘要：为了提高基于移动机器人的拣选系统拣货效率,更好地满足客户动态需求和订单时效要求,提出了考虑货架后续需求频次、需求紧迫程度以及拥堵因素的货架动态储位分配策略,构建了最小化货架搬运距离的动态储位分配模型,并设计了启发式算法进行模型求解.首先,基于货架需求紧迫程度,构造贪婪算法生成动态货架储位分配的初始解;然后,基于货架在后续批次订单的需求频次及通道间负载均衡,采用邻域搜索算法进行动态货架储位优化.最后,通过与其他静态和动态储位分配方法对比,验证文章提出的模型和算法的有效性.

摘要：科学探究是基础教育阶段科学课程新课标的四大核心素养之一,对于科学课程目标的达成具有重要意义。但科学探究在真实课堂中常受实验条件和时间、学生先验知识和能力、学习活动组织形式等因素的影响,难以达到高质量教学效果。为更好地促进科学概念理解、深化探究性学习,本研究提出了线上线下融合型科学探究课程设计与实践方法。实践探索以“探索能量转换”主题为例,基于POEE策略,采用线上线下融合学习方式,通过线下实操、线上模拟相结合,对现象、原理、预测、观察、解释等环节进行精准设计,使得抽象概念可视化、科学实验动手化,帮助学生更好地理解科学概念、提升解决问题能力。本研究为开展有效的科学探究实践教学提供了有益参考。

摘要：随着大数据时代的到来,如何在保护用户隐私的前提下完成多维类别数据上的频率分布估计问题成为研究热点.已有的工作主要是基于中心化差分隐私模型或本地化差分隐私模型完成安全算法的设计.鉴于上述两种模型在隐私保护程度或发布结果可用性方面的弊端,基于新兴的混洗差分隐私模型,设计用户数据收集策略,进而提供高安全、高可用的频率分布估计服务.考虑到多维类别属性的多维特征以及不同属性上取值域大小不等的异构特点,从扰动算法以及洗牌方式等角度出发,设计了基于单洗牌者以及多洗牌者的数据发布方案ARR-SS和SRR-MS.此外,结合上述两种方案的优势,通过填补技术消除属性间异构问题,提出了基于取值域填补的单洗牌者数据发布方案PSRR-SS.从理论上分析了3种策略的隐私保护程度以及误差级别,并利用4个真实数据集验证所提出方案在频率估计问题上的有效性.此外,将所提方案作为带噪数据库生成技术的加噪组件,评估随机梯度下降算法在生成带噪数据上的训练结果的可用性.实验结果展现了所提方案优于当前同类算法.

摘要：行为识别是计算机视觉领域意义重大的热点研究问题,它经历了从手工设计特征表征到深度学习特征表达的发展过程。从传统行为识别模型和深度学习模型两方面,对行为识别发展历程中产生的主流算法进行了归类梳理。传统行为识别模型主要包括基于轮廓剪影、时空兴趣点、人体关节点、运动轨迹的特征描述方法。其中改进的密集轨迹方式拥有良好的鲁棒性和可靠性;深度学习网络架构主要有双流网络、3D卷积网络和混合网络。首先,重点阐述了各行为识别算法的主要研究思路与创新点,并介绍了每类算法的模型架构、算法特色、适用情境等。然后,对广泛使用的公共行为数据库进行了分类阐述,着重对HMDB51和UCF101数据集进行了详细介绍,比较分析了传统方法和深度学习算法在各数据集上的识别效果。通过对比分析发现,传统方法不适用于高精细行为的识别,且不易实现跨数据库或跨场景的推广;深度架构中,双流网络和3D卷积网络获得了比较好的行为识别效果且被广泛使用。最后,对行为识别的未来发展进行了展望,指出了若干将来可行的研究方向。

摘要：针对传统的校园管理系统已无法实现对学生智能化管理的问题,本文提出了基于人脸识别的智慧校园管理系统的设计方法。首先对该管理系统进行了需求分析,然后进一步阐述了该管理系统的组成结构和功能以及本系统所涉及到的射频识别(RFID)技术、热成像测温、人脸识别等主要关键技术,最后介绍了该管理系统下的校园门禁系统、考勤管理系统和图书馆管理系统等子系统的功能及应用流程。研究表明,基于人脸识别的智慧校园管理系统可以实现对校园的智能化管理,能够为学生在校园的学习和生活带来更大的便利,使校园管理更加规范化。