摘要:语言修饰集作为一种刻画不确定信息的有效表达方式,用更加符合语言习惯的表达形式描述决策者对事物的评价结果.与其他语言术语相比,语言修饰集旨在修正隶属函数使其在表达专家的决策信息过程中更具有有效性、客观性,因此基于语言修饰集的研究是非常必要的.鉴于此,对语言修饰集的发展进行综述:首先回顾语言修饰集的研究背景;然后对语言修饰集在运算法则、语义量化、模糊逻辑、分类器等方面的发展进行回顾,同时介绍一些基于语言修饰集在情感分析、工程风险管理等方面的应用;最后展望语言修饰集的研究前景.

摘要:作为计算机视觉的重要分支,异常行为识别与检测技术已在智能安防、医疗监护、交通管控等领域获得了广泛应用.对异常行为的界定及判别方法与场景因素紧密相关,针对不同应用场景特点,适当选择特征提取及异常行为识别与检测方法,进而保证预警准确率,在实际应用中至关重要.基于此,对基于视频的人体异常行为识别与检测方法进行综述,首先给出人体异常行为的定义、特点及分类;其次,对特征提取方法进行总结,特征提取方法的选取及提取特征的好坏直接影响后续判别结果;再次,从异常行为识别和异常行为检测两个角度对异常行为判别方法进行分析和讨论,给出常用异常行为检测数据集及相关算法表现;最后,对本领域未来研究方向提出展望.

摘要:随着群智感知的普及,以合理的成本招募最佳感知信息提供者的问题变得更加重要,但移动用户追求高回报的贪婪特性会使得招募成本偏高.为此,提出一种针对团体的群智感知招募的激励机制.首先,通过移动用户的属性和任务详细信息来迭代所有可能团体;然后,评估生成的随机初始团体,删除其中违反任务约束的团体,并计算其余团体的信息质量QoI(the quality of information,QoI)比率,团体将经过轮盘赌程序从当前团体中选择候选人进行进化程序,选定的团体经过交叉,在团体之间随机交换成员;最后,进行突变,该过程随机替换团体的成员,从解决方案集中选择具有最佳QoI比率的团体,解决了移动用户对数据进行过高定价以提高利润的倾向.提出的激励机制包括选择和支付机制,避免了移动用户选择过程中的贪婪特性.通过与现有的团队招募框架方法的对比,以及实验数据集与原始模型进行的比较,表明了该激励机制的有效性.

摘要:单人负责多台机器的单一工序作业车间场景中,工人由于重复操作机器而产生学习效应.针对考虑依赖工件位置学习效应的单人单工序作业车间最小化最大完工时间的调度问题,建立一种混合整数规划模型.为解决该问题,设计一个考虑学习效应的贪婪算子,利用该算子构造两种贪婪算法,并提出一种基于贪婪的模拟退火算法.为衡量混合整数规划模型、贪婪算法和基于贪婪的模拟退火算法的性能,设计两种规模问题的数据实验.通过实验得出:现代混合整数规划模型求解器可以解决机器数量和工件总数量乘积小于75的小规模问题;基于贪婪的模拟退火算法求解此问题具有有效性,适用于各种规模的问题;间隔插入贪婪算法解决此问题速度较快,效果良好,可以应用于需要快速求解的场景.

摘要:针对多传感器高速多机动目标的跟踪问题,提出一种多传感器交互式贪婪势概率假设密度(MS-IMM- Greedy-CPHD)滤波器.该滤波器在预测阶段,通过交互式多模(IMM)算法对势概率假设密度(CPHD)滤波中目标的状态、势分布和运动模型同时进行预测;在滤波的更新阶段,利用贪婪(greedy)量测划分机制选取多传感器量测子集和拟分区,并通过拟分区量测子集对不同模型下CPHD预测的目标状态和势分布以及模型进行交互式更新.仿真结果表明,所提出MS-IMM-Greedy-CPHD滤波能够对高机动多目标进行稳定有效的跟踪,相较于多传感器势概率假设密度(MS-CPHD)滤波,跟踪结果的OSPA误差更小且势估计更加准确.

摘要:针对有理模型提出两类辨识方法.首先提出基于递阶辨识思想的混合辨识方法,将模型分解为分子和分母两个子模型,分别用最小二乘法辨识分子参数, 用粒子群算法和智能多步长梯度迭代算法辨识分母参数.由于降低了模型维数,且信息向量与噪声不相关,相对于传统的偏差补偿最小二乘算法,混合迭代法可以提高辨识精度并降低计算量.然后,为消除模型结构已知的假设,且充分利用最新数据更新系统参数,提出柔性递推最小二乘辨识方法, 将有理模型转化为时变参数系统, 进而辨识出时变系统的参数.仿真例子验证了所提出方法的有效性.

摘要:针对法律判决预测中罪名预测和法条推荐子任务,提出基于BERT(bidirectional encoder representation from transformers)预训练模型与知识蒸馏策略的多任务多标签文本分类模型.为挖掘子任务间的关联,提高预测准确率,运用BERT预训练模型进行多任务学习,建立$\rm{BERT_{12

摘要:软测量技术的发展有效解决了工业过程中对于难以直接测量的质量变量的感知困难,为过程的控制与优化提供了有力保障.通常在含有多个质量变量的过程中,样本间的时序关系和多个质量变量间相互影响的空间关系能够反映过程本身的特性,这种时空特性的挖掘有益于软测量模型性能的提升,而传统软测量方法往往局限于对时序关系的学习而并未考虑对质量变量间的空间关系进行有效利用.对此,提出一种时空协同的图卷积长短期记忆网络(graph convolution long short-term memory networks,GC-LSTM),并应用于工业软测量场景.采用多通道网络结构将图卷积网络的空间关系挖掘能力与长短期记忆网络的时序关系学习能力相结合,对过程进行时空协同学习以实现软测量应用.具体而言,每条通道用于对每种质量变量进行独立学习;对于过程的时序特性,利用各通道内的长短期记忆网络提取针对不同质量变量的时序特征;对于过程的空间特性,构建质量变量间空间关系的图结构,采用跨通道的图卷积运算将不同通道内不同质量变量的时序特征基于空间关系进行融合,得到兼具过程时空特性的特征,从而在软测量建模中实现过程时空协同学习与融合.通过某燃煤电厂磨煤机的实际生产数据验证了所提出的方法对软测量性能提升的有效性.

摘要:针对麻雀搜索算法易陷入局部最优、收敛速度慢等不足,提出一种多策略融合的改进麻雀搜索算法.采用精英混沌反向学习策略生成初始种群,增强初始个体的质量和种群多样性,实现对更多优质搜索区域的勘探以提升算法的局部极值逃逸能力和收敛性能;结合鸡群算法的随机跟随策略,优化麻雀搜索算法中跟随者的位置更新过程,平衡算法的局部开发性能和全局搜索能力;采用柯西-高斯变异策略提升算法的种群多样性保持能力和抗停滞能力.对10个不同特征的基准测试函数进行寻优,测试结果与Wilcoxon符号秩检验结果均表明改进算法具有更好的寻优精度、收敛性能和稳定性.最后,利用改进算法对最小二乘支持向量机的参数进行优化,应用于煤与瓦斯突出危险性辨识,通过实验进一步验证改进策略的有效性和改进算法的优越性.

摘要:为满足多样化能源需求并提高能源网络的可靠性,研究多能源系统优化管理和混合潮流问题.针对多能源的网络约束及其耦合特性,构建整合分布式发电、热电联产、电力网络和区域供热网络的热-电互联综合能源系统模型.基于梯形模糊隶属函数构建模糊化软约束,量化电力网络节点电压和区域供热网络节点供给温度的技术不满意度.考虑系统的经济运行和网络节点的能源供给质量,提出一种计及混合潮流约束的热-电互联综合能源系统多目标优化调度策略,以最小化运行成本和网络节点状态变量的技术不满意度.采用epsilon约束算法精确求解该多目标优化问题的Pareto前沿.算例分析结果表明,所构建的模型和提出的算法可以有效提高系统能源供给质量和优化决策的准确性.研究成果进一步体现了所提出的多目标优化方案在兼顾经济性、能源供给质量以及复杂的运行约束,保证系统经济稳定运行等方面的效益.

摘要:针对一类具有全状态约束、未建模动态和动态扰动的严格反馈非线性系统,通过构造非线性滤波器,并利用Young's不等式,提出一种新的有限时间自适应动态面控制方法.引入非线性映射处理全状态约束,将有约束系统变成无约束系统,利用径向基函数逼近未知光滑函数,利用辅助系统产生的动态信号处理未建模动态.对于变换后的系统,利用改进的动态面控制和有限时间方法设计的控制器结构简单,移去现有有限时间控制中出现的“奇异性”问题,可加快系统的收敛速度.理论分析表明,闭环系统中的所有信号在有限时间内有界,全状态不违背约束条件.数值算例的仿真结果表明,所提出的自适应动态面控制方案是有效的.

摘要:行人重识别通常删除特征提取网络中的最后一个空间下采样操作,以增加最后输出特征图的分辨率,保留更多的细粒度特征.然而,这种操作会大幅减小神经网络的感受野,而更大的感受野可以为行人重识别提供更多的上下文信息.同时,在实际的视觉皮层中,相同区域的神经元的感受野是不同的,但当前行人重识别网络的设计大多忽视了这一点.为了解决上述问题,提出一种新颖的自适应感受野网络.网络的设计受启发于生物的视觉系统,通过在多分支网络上设置不同大小的感受野,结合注意力机制让网络自行选择合适的感受野特征,从而实现网络感受野的自适应,并且采用分组卷积使得自适应感受野模块更加轻量级.同时在各个分支利用空洞卷积增大感受野,补偿删除最后下采样操作所减少的网络感受野.在公开的大规模数据集上进行实验,实验结果表明,所提出的算法相比于基线方法有显著的提升,当使用ResNet-50作为特征提取网络时,在DukeMTMC-reID、Market-1501数据集上的Rank-1和mAP分别达到89.2%和76.0%、95.2%和87.2%.与现有方法相比,所提出算法在精度上有明显的提升.

摘要:针对未知但有界噪声离散时间状态空间系统,提出一种基于多胞体双重滤波的系统状态估计方法.首先,采用有界误差方法对测量噪声和状态预测过程进行分析,利用正多胞体预测状态集包裹后离散成初始约束条件;然后,根据更新最小边,全对称多胞体经过正多胞体紧致包裹后离散成约束条件,与测量方程约束条件组成3重约束;最后,通过求解线性规划问题得到全部状态的上下界, 并获得包裹状态可行集的最紧致正多胞体.仿真示例验证了该方法估计离散状态空间系统状态的有效性和准确性.

摘要:从图像中获取目标物体的6D位姿信息在机器人操作和虚拟现实等领域有着广泛的应用,然而,基于深度学习的位姿估计方法在训练模型时通常需要大量的训练数据集来提高模型的泛化能力,一般的数据采集方法存在收集成本高同时缺乏3D空间位置信息等问题.鉴于此,提出一种低质量渲染图像的目标物体6D姿态估计网络框架.该网络中,特征提取部分以单张RGB图像作为输入,用残差网络提取输入图像特征;位姿估计部分的目标物体分类流用于预测目标物体的类别,姿态回归流在3D空间中回归目标物体的旋转角度和平移矢量.另外,采用域随机化方法以低收集成本方式构建大规模低质量渲染、带有物体3D空间位置信息的图像数据集Pose6DDR.在所建立的Pose6DDR数据集和LineMod公共数据集上的测试结果表明了所提出位姿估计方法的优越性以及大规模数据集域随机化生成数据方法的有效性.

摘要:针对当前反无人系统无法有效压制无人机的问题,使用多种拦截装备构建一种新的反无人机方法.传统多目标优化算法无法解决动态的任务分配问题,对此,提出一种基于深度Q网络(DQN)的多类型拦截装备复合式反无人机任务分配模型.DQN模块对任务分配问题进行初期决策.为了提高算法收敛速度和学习效率,该方法未采用下一时刻的状态来预测Q值,而是采用当前时刻的状态来预测Q值,消除训练过程中Q值过估计的影响.之后采用进化算法对决策结果进行优化,输出多个拦截方案.以国内某机场跑道周围区域开阔地为防护对象,构建反无人机系统的任务分配仿真环境,仿真结果验证了所提出方法的有效性.同时,将DQN与Double DQN方法相比,所提出改进DQN算法训练的智能体表现更为精确,并且算法的收敛性和所求解的表现更为优异.所提出方法为反无人机问题提供了新的思路.

摘要:对于基金管理者而言,投资者提前或大额赎回有可能带来流动性风险,因此需要提前进行融资以应对需求.为了降低融资成本,同时满足赎回需求,建立一种混合整数二次约束规划模型.模型符合实际业务约束,引入融资成本波动的不确定性,将成本波动的风险量化为方差,同时考虑融资成本和风险的最小化.当不考虑风险时,模型退化为确定性优化命题.使用金融机构提供的算例进行仿真,优化结果能够兼顾决策的最优性和求解的快速性,满足实际业务的需求.对比确定性和不确定性模型得到的决策方案,分析总结降低融资风险的方法,针对方差上限进行灵敏度分析,结果进一步支持已有观点.

摘要:针对无人车在非匹配不确定性影响下的路径跟踪控制问题,设计一种基于线性矩阵不等式（LMI）的滑模控制器.首先,根据车辆运动学和动力学方程,同时考虑轮胎侧滑造成的不确定性、车辆侧偏约束以及随机干扰影响,建立车辆非线性不确定系统模型;然后,提出一种线性滑模路径跟踪控制方法,给出线性滑模面存在的充分条件,并推导出线性滑模面存在的显式公式,以保证约束于该滑模面的降阶等价系统的二次稳定性;最后,在Serret-Frenet坐标系下验证车辆单、双移线运动时的路径跟踪控制效果.仿真结果表明,所设计的滑模控制器可以保证对参考路径的稳定跟踪,具有较强的鲁棒性.

摘要:为了提升红外与可见光图像融合视觉效果,克服融合结果的伪影效应,提出一种基于内生长机制结合卷积稀疏表示的图像融合方法.首先,采用符合人类大脑推理的内生长机制对源图像进行分解,获取预测层和细节层;其次,对细节层采用卷积稀疏表示进行二次分解,获取二次细节层和基本层,并分别对其采用活动水平测度取大以及加权平均规则进行融合;再次,针对预测层定义ISR混合算子融合规则,并进行融合;最后,将融合后的预测层和细节层相加获取最终融合结果.实验中,采用3组具有代表性的红外与可见光图像进行算法测试,实验结果表明所提出的方法具有较好的主观视觉效果,并且客观评价指标更好,具有有效性.

摘要:针对社会网络环境下复杂大群体应急决策中决策属性信息难以获得问题,提出社会网络环境下公众行为大数据驱动的大群体应急决策方法.首先,通过挖掘社交平台上的公众行为大数据,利用TF-IDF、Word2vec技术进行关键词提取、聚类及其影响力分析,从大量行为数据中挖掘大群体决策属性信息以辅助专家决策,使决策结果具有更高的科学性和有效性;其次,构建决策者间基于信任关系和观点相似度的社会网络,采用同时考虑信任和相似度的聚类方法对决策者进行聚类,并基于社会网络分析获得决策者权重;然后,提出基于决策者间信任关系的共识调整方法进行共识调整以获得最终群体决策矩阵和方案排序,通过引入决策者客观自信度避免个别决策者过分自信行为的影响;最后,通过一个新冠疫情案例分析说明方法的可行性和有效性.

摘要:整车物流中双层轿运车运输问题属于一类需要考虑乘用车装载(vehicle filling problem,VFP)及轿运车路径规划(vehicle routing problem,VRP) 的组合优化问题,称此类问题为VFRP(vehicle filling and routing problem).由于VFP和VRP的问题复杂性均为NP完全问题(non-deterministic polynomial complete problem,NPC),且VFRP等组合优化问题模型的目标函数及约束往往具有非凸结构,使得该类问题的线性化处理、精确算法的设计及求解效率的提升一直是该领域的研究难点.对此,以轿运车使用成本最低为目标,构建双层轿运车的VFRP模型,在此基础上提出两种线性化方法并设计改进分支定价算法(branch-and-price algorithm)以求解:在分支定价算法的基础上,提出结合最为分数策略(most-infeasible-branching strategy)和强分支策略(strong-branching strategy)的分支策略,以及在分支过程中降低可行域维度的降维方法以加速收敛.最后,结合实际数据设计多组算例,验证了所提出模型与算法的有效性.

摘要:在有限财政预算下,政府对再制造产品进行补贴,以促进再制造产品的生产和销售.基于此,首先建立政府对制造商进行生产补贴的三层决策模型,该模型中制造商与新产品销售商和再制造产品销售商进行Stackelberg博弈,同时两个销售商之间通过Bertrand博弈确定各自的销售价,通过对解的分析,揭示生产补贴对批发价、销售价以及销售量的影响,并通过与无补贴销售量的比较,进一步给出政府补贴提升再制造产品销量的根本原因;然后给出对再制造产品销售商进行销售补贴下的三层模型,证明销售补贴与生产补贴在影响销售价格、销售量方面的等价性;接着讨论集中决策供应链中新产品与再制造产品销售的二层决策模型,比较集中决策供应链与分散决策供应链再制造产品的销售量高低并分析其原因,指出政府倾向于优先补贴的供应链类型;最后给出一个算例,分析不同类型供应链中再制造产品销售量对参数的敏感性.

摘要:直播电商作为电商市场的新趋势日益受到人们的关注,鉴于此,研究一个品牌服务提供商、一个主播和一个直播服务平台所组成的直播电商服务供应链质量努力策略问题.考虑主播不签约和主播签约两种情形,分别构建直播电商服务供应链成员的利润函数,以利润最大化为目标,运用博弈理论优化得到两种情形下直播电商服务供应链成员最优质量努力策略和利润.通过算例分析,探讨主播佣金比例和直播服务平台抽成比例对服务供应链最优策略和最优利润的影响.研究结果表明:两种情形下主播服务质量努力随主播佣金比例的增加而增大,随直播服务平台抽成比例的增加而减少,而直播服务平台质量努力均随主播佣金比例和直播服务平台抽成比例的增加而增大.

摘要:柔性制造是装备制造企业应对制造稳定性干扰、提升竞争优势的重要手段.注意到现有文献较少关注制造稳定性与制造柔性量化这一不足,分别用制造合格率和制造冗余量刻画制造稳定性和制造柔性,并在此基础上构建一个关于装备制造企业制造合格率、制造柔性以及制造利润的统一分析框架,用以考察并揭示装备制造企业柔性制造策略对其应对制造稳定性的影响.研究结果表明:柔性制造策略的开展,有助于装备制造企业提高应对环境变化的能力,保证产品质量与数量,进而促进制造利润增长;当单位制造成本较小时,制造柔性水平与制造合格率呈倒U型变化趋势;当单位制造成本较大时, 制造柔性水平与制造合格率呈正相关关系;单位质检成本的提高会迫使装备制造企业降低制造柔性水平,并影响企业应对制造稳定性的能力,最终导致制造利润受损.

摘要:针对共享经济中的信任问题,利用区块链技术搭建基于PoS(权益证明)共识机制的共享经济区块链网络,实现去信任化和去中心化.在PoS共识机制中,区块链用户提供交易费用,从而激励矿池招募验证者进行区块传播验证,区块链用户与矿池都能从更多的验证者数量中获益,但验证者越多,双方付出的成本越高.首先,从纳什谈判的角度研究共享经济区块链网络PoS共识机制中区块链用户与矿池的利益冲突问题,在交易费用与验证者数量之间进行权衡,构建纳什谈判博弈模型;然后,证明区块链用户与矿池的纳什谈判博弈模型中纳什谈判解的存在性和唯一性,得到区块链用户和矿池的最优决策;最后,通过数值算例分析通信成本和验证者数量对区块链用户和矿池的最优决策以及效用的影响.研究结果表明:区块链用户与矿池都能从较低的通信成本中获益;纳什谈判博弈模型能够有效解决共享经济区块链网络中用户与矿池的利益冲突,提高网络效率.

摘要:针对轴承振动信号中的故障特征难以提取的问题,提出一种基于改进的鲸鱼算法优化最小二乘支持向量机(least square support vector machine,LSSVM)的故障分类方法.首先,利用变分模态分解(variational mode decomposition,VMD)对原始信号进行分解,使用中心频率法解决VMD中分解参数K值的选取问题;其次,计算每个IMF分量的多尺度排列熵值,提取信号故障特征;再次,针对鲸鱼算法(whale optimization algorithm,WOA)收敛速度慢和精度低的问题,引入冯诺依曼拓扑结构和自适应权重进行改进,可以适当地调整全局搜索能力和局部搜索能力之间的平衡;最后,采用改进后的鲸鱼算法优化LSSVM核函数的参数和惩罚因子,建立滚动轴承故障诊断模型,并利用美国凯斯西储大学提供的轴承数据集进行仿真实验.实验结果表明,所提方法的故障分类性能更好,准确率更高.

摘要:针对标准樽海鞘群算法收敛精度低、收敛速度慢的问题,提出一种基于自适应惯性权重的樽海鞘群算法(AIWSSA).首先,在追随者位置更新公式中引入惯性权重因子评价个体之间的影响程度;然后,结合种群成功率与非线性递减函数对惯性权重因子进行自适应调整,使算法的全局和局部搜索能力得到更好地平衡;最后,为防止算法陷入局部最优,引入差分变异思想对非最优个体进行变异.对12个基准测试函数进行求解,实验结果表明:AIWSSA具有较高的收敛精度、收敛速度和鲁棒性;Wilcoxon统计检验结果表明:与标准樽海鞘群算法、改进的樽海鞘群算法、其他群体智能算法相比,AIWSSA表现出较好的性能.通过将其应用于两种带约束的工程设计问题,验证了AIWSSA的有效性.

摘要:研究基于视觉伺服的不确定非完整移动机器人的跟踪控制问题.基于视觉反馈和状态输入变换,提出一类非完整运动学系统的不确定模型,并运用两个新的变换,对3种不同情况分别设计自适应动态反馈控制器来跟踪不确定系统的期望轨迹.利用李雅普诺夫方法和推广的Barbalat引理,严格证明了误差系统的收敛性.仿真结果验证了所提方法的有效性.