摘要：针对传统半监督自训练分类方法易导致数据集混乱,影响后续小样本树种分类精度这一问题,基于熵权法(en-tropy weight,EW)与集成学习(ensemble learning,EL)提出EW-EL的半监督小样本树种分类方法。EW-EL在传统半监督自训练分类方法的理论上引入EL的思想,以熵权法作为基础理论设计按基分类器当前训练周期下的F1分数计算的信息熵作为计算权重因子,再依信息熵越大基分类器越不稳定思想设计权重,使集成分类器分类概率更集中,减少集成分类器偏向性。结果显示,EW-EL较传统半监督自训练方法能更有效地均衡数据分布,使新加入数据的伪标签样本类别更准确。EW-EL所得到的小样本树种分类总精度(OA)为0.97、召回率(Recall)为0.96及Kappa系数为0.97,3种指标均优于监督分类、传统半监督自训练方法及利用传统EL机制所构建的半监督自训练方法。其中,EW-EL方法较融合软投票机制的半监督自训练方法,OA与Recall均提升了1%。EW-EL联合简单线性迭代聚类所制成的树种图在所选测试区内达到了94%。此外,进一步分析证明,EW-EL能通过集成诸多分类器,来实现更佳的小样本树种分类结果,更适用于低成本下的相关部门进行林业资源统计的工作。

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：永磁同步发电机(PMSG)易受工作环境影响发生失磁故障,致使其运行在非正常状态。以1台1 kW、12极的PMSG为样机,对不同失磁故障工况的振动场进行研究。首先,推导了PMSG失磁故障下电磁场径向电磁力和振动场辐射噪声的数学模型,设置了不同程度失磁故障方案。其次,建立了PMSG二维电磁场仿真模型,分析了气隙磁密分布,求解了径向电磁力。最后,建立了PMSG三维振动场仿真模型,以径向电磁力为激励,得到了不同程度失磁故障的形变幅值、振动速度和等效辐射声功率。仿真结果表明:PMSG永磁体单块失磁故障时,径向电磁力畸变程度、振动速度和等效辐射声功率幅值均最大;永磁体对称失磁时,振动噪声接近于正常工况;永磁体均匀失磁时,振动噪声幅值最低。

摘要：用于铁磁共振(FMR)测量的常规技术受频率或传输损耗的限制,测量装置和数据处理方式较为复杂。为提高FMR测量系统的稳定性和便捷性,减少装置的微波损耗,设计了一种共面波导和开口谐振环相结合的微波传感器。该传感器在9 GHz频段范围内的传输系数S21均大于-10 dB。同时,基于网络分析仪并结合LabVIEW程序软件,提出定场扫频和定频扫场两种测试模式,实现对Ni_(81)Fe_(19)薄膜的FMR特性的快速测量。该研究对于提升磁性材料的FMR参数的测试效率具有积极意义。

摘要：针对低信噪比条件下现有压缩感知系统重构性能严重恶化的问题,提出了一种基于选择性测量的自适应压缩感知结构.首先推导并分析了经过压缩测量的噪声的统计特性及其对重构性能的影响;然后基于输出能量最小化准则,设计了一种压缩域投影滤波联合噪声检测的自适应感知器,感知获得噪声子空间的位置信息;进一步利用该信息构造选择性压缩测量矩阵,智能选择测量信号,同时'屏蔽'噪声分量,极大提高了压缩测量值的信噪比.仿真结果表明,相对于现有压缩感知结构,选择性测量的压缩感知结构明显改善了含噪稀疏信号的重构性能,可更好地应用于吸波材料的前端特性分析、认知无线电的频谱感知等领域.

摘要：云计算中的基础设施即服务(IaaS)免去用户自主管理计算机硬件的麻烦,随时随地按需向用户提供计算和存储资源。Eucalyptus是一个被学术研究关注的开源IaaS实现,然而没有文献描述完整的利用Eucalyptus的所有模块来提供安全的基础设施服务。该文针对IaaS的安全需求,提出一个可信的IaaS框架。框架将基础设施服务提供过程细化为5个环节,并基于可信平台模块(TPM)设计相应安全协议实现这些环节。协议的设计过程严格遵守TPM的操作规范,并加入可信第三方以制约服务提供商的权力。协议的安全性均通过Scyther自动化分析工具的检测,从而保证整个框架满足IaaS的安全需求。

摘要：在自动驾驶领域,交通参与者的轨迹预测是一个重要而具有挑战性的问题,充分捕捉轨迹数据中复杂的时空特征对于准确预测轨迹至关重要。为解决时空特征提取不足和多模态车辆轨迹预测问题,提出一种基于时空特征交互的多模态车辆轨迹预测模型——STGA。采用基于动态图神经网络和基于融合注意力的时空Transformer网络捕获目标区域内车辆的空间交互特征和时间依赖性;设计特征融合的门控单元,实现对时空特征的有效融合,利用解码器生成目标区域未来车辆轨迹的概率分布;在公开数据集上对该模型进行了评估,并与基准模型进行了比较。实验结果表明,所提方法相比其他基准方法具有更好的性能,相较于最先进的基准方法,平均位移误差(Average Displacement Error,ADE)降低了32.03%,最终位移误差(Final Displacement Error,FDE)降低了14%。

摘要：为降低受总功率约束基于最小和均方误差(sum-MSE)准则的多用户多输入多输出(MIMO)下行收发联合设计的计算复杂度,提出一种不需求解拉格朗日因子的收发联合设计方法.通过将总功率条件约束优化转化为无条件约束的优化问题,避免了求解非线性高阶方程来计算拉格朗日因子.仿真结果表明,相对于采用数值近似得到拉格朗日因子的收发联合设计方法,本算法在有效降低计算复杂度的同时,可显著提高系统的误码性能.

摘要：为了得到视觉美观的二维码艺术图片,提出一种可呈现人脸显著性特征的二维码视觉优化方法,其输入包括一幅人脸图像及该图像对应的文本信息.首先根据文本信息生成标准二维码;然后使用人脸检测算法检测人脸区域,并采用迭代FDo G算法提取人脸的显著性特征;最后使用基于模式替换的方法求解原始二维码中每一个module可替换的最优模式,并利用这些模式重新生成人脸二维码图片.实验结果表明,在保证扫码速度和准确率的基础上,文中方法产生的二维码具有良好的视觉效果.

摘要：通过建立校准坐标系,对足迹特征点进行了统一的标注和基于计算几何学的精确测量,以实现赤足迹的自动定量分析.除了常见的几何测量(如距离和角度)外,提出了一种平均曲率能量的测量方法来描述边界曲线特征.运用方差分析理论,讨论了特征参数的个体差异性和同一稳定性,为足迹识别的特征选择提供了参考依据.