关键词： 深度非负矩阵分解   可解释性机器学习方法   多层结构   光谱解混  

摘要： 层次结构使得深度学习模型能够自动提取原始数据的多层次特征,但具体应用中存在可解释性受限的问题.本文提出了具有多层结构的深度非负矩阵分解算法,每层矩阵分解对应的优化目标函数结合了L_(2,1)范数和稀疏约束正则项,保证分解结果的稀疏性和鲁棒性.借助于辅助函数推导了算法的迭代公式,并进行了收敛性分析.最终在高光谱遥感图像光谱解混的应用场景,验证了算法的性能.本研究将多层结构引入非负矩阵分解的方法可为新一代可解释性机器学习算法的设计提供借鉴.

关键词： YOLOv8   合成孔径雷达   目标检测  

摘要： 本文针对合成孔径雷达图像目标检测任务，提出一种基于YOLO（You Only Look Once）框架的目标检测算法。针对传统光学检测模型在合成孔径雷达图像小目标检测中存在的性能局限，通过3个关键技术创新实现了性能提升。首先，在损失函数中引入尺度无关的归一化加权距离度量，改善小目标检测性能；其次，引入高效多尺度注意力机制，增强模型对合成孔径雷达图像特征的提取能力；最后，设计一种基于Transformer架构的轻量化检测头，在提高检测精度的同时降低了计算复杂度。在高分辨率SAR图像检测数据集（High-Resolution SAR Images Detection Dataset,HRSID）数据集上的实验结果表明，本算法较YOLOv8n基准模型在小目标mAP50上提升了3.9%，整体mAP50提升了1.2%，计算量降低了6.1%，实现了精度与效率的协同优化。通过另外3个数据集进行泛化实验，进一步验证了所提算法具有优良的泛化能力。

关键词： 水利工程   事故致因   Apriori算法   24Model  

摘要： 为分析水利施工生产安全事故发生的关键致因和关联关系,基于Apriori关联规则算法和事故致因“2-4”模型,分析了我国30起水利施工生产安全事故典型案例,识别出“未能及时发现并排除隐患”等事故关键致因和关联关系。通过关联网络节点影响力评估,确定了“作业人员违规作业”“违规施工或违章指挥”“安全防护措施不到位”等事故直接原因的优先级干预节点。解决了传统水利工程事故致因分析依赖定性归纳、关联关系量化不足和Apriori算法中置信度关联规则依赖人工筛选等问题。

关键词： 脑电信号   疲劳检测   深度学习   机器学习   注意力机制  

摘要： 为解决当前脑电信号疲劳检测中多频带信息利用不充分、时空关联挖掘不足及特征判别性弱等问题,本文提出一种多维度注意力融合型Inception网络模型(MDAIN)。首先,采用FIR带通滤波器将原始脑电信号分解为δ、θ、α、β、γ5个生理子频带;通过改进的EEGInception模块并行提取各频带多尺度时序特征,结合跨频带卷积建立频带间信息关联;设计多域混合注意力(MDHA)模块,整合频带注意力、多尺度局部融合与时间自注意力,实现关键特征的自适应筛选与增强;最后通过残差加权与分级随机失活优化模型鲁棒性,构建端到端分类模型。实验以DROZY公开数据集为验证对象,依据卡罗林斯卡嗜睡量表(KSS)将数据划分为非疲劳(1~3分)与疲劳(7~9分)两类,采用五折交叉验证与多种模型进行对比。结果表明,MDAIN模型平均分类准确率达79.63%,最高准确率为92.68%,F1值达82.29%,显著优于Logistic、SVM等传统机器学习算法及LGGNet、EEGNet等深度学习模型。该模型有效提升了脑电信号中疲劳相关特征的提取与判别能力,为驾驶员疲劳状态的客观评估提供了可靠解决方案。

关键词： 电力无线传感网络(PWSN)   正交频分复用(OFDM)   用户满意度   资源分配   双决斗深度Q网络(D3QN)   强化学习  

摘要： 在电力无线传感网络(power wireless sensor network,PWSN)中,多用户上行并发接入受限于有限的频谱与功率资源,且不同监测业务对通信可靠性与时延的需求存在显著差异,导致资源调度难以兼顾整体效能与用户体验。文中在正交频分复用(orthogonal frequency division multiplexing,OFDM)上行架构中构建一种能够在异构业务环境实现服务质量差异化保障的联合资源分配机制,同时设计可量化的用户满意度函数,将子载波与功率联合优化建模为一个马尔科夫决策过程(Markov decision process,MDP),并引入双决斗深度Q网络(dueling double deep Q network,D3QN)算法动态调整资源分配策略。此外,为进一步降低计算复杂度,文中提出动作空间下采样机制,能有效提升训练效率。仿真结果表明,文中算法在不同节点规模与子载波配置下均能够快速收敛,相较于传统深度Q网络(deep Q network,DQN)、随机分配与均匀分配方法,文中算法能显著提升用户满意度。

关键词： 教育数字化   OBE理念   数据科学与大数据技术   人才培养   质量监控  

摘要： 数字化浪潮下,地方应用型高校人才培养面临目标模糊、课程体系零散、评价数字化支撑不足等痛点。本文基于OBE理念,以某轨道交通特色应用型院校大数据专业为实证对象,运用“四层四达”数字化质量监控评价体系,设计“二创、三层、四维”人才培养模式,通过明确专业定位、分解毕业要求、构建特色课程体系、建立多维矩阵及开发数字化评价系统,形成目标设定、过程监控、成果评价、反馈改进的闭环机制。实践表明,该体系有效破解教学与产业脱节、评价主观性强等问题,为同类专业人才培养质量提升提供可复制的实践范式。

关键词： 结构损伤识别   Bayes数据融合   改进鲸鱼算法   跨模型模态应变能   可展开天线结构  

摘要： 为了提高大型复杂工程结构损伤识别精度,本文引入两阶段损伤识别策略,结合Bayes数据融合和改进鲸鱼优化算法,提出一种改进的两阶段结构损伤识别方法。首先,通过Bayes数据融合将跨模型模态应变能指标和跨模型模态应变能变化率指标融合得到新的损伤定位指标,进而定位复杂结构损伤的具体位置。其次,针对鲸鱼优化算法存在容易陷入局部最优、全局搜索能力不足等缺陷,采用Sobol序列初始化种群、双种群并行搜索和交流等4种策略加以改进,提出改进的鲸鱼优化算法。最后,采用改进的鲸鱼优化算法修正先前的损伤定位结果,并确定结构杆件实际损伤程度。对含有415个杆件的大口径空间可展开天线结构开展损伤识别研究,研究表明:在考虑噪声的随机干扰下,通过Bayes数据融合方法融合跨模型模态应变能指标和跨模型模态应变能变化率指标进行损伤定位,能有效降低非损伤杆件被误判为疑似损伤杆件的可能,相比仅采用跨模型模态应变能指标,可得到更准确的定位结果;在0.2%噪声干扰下,采用改进的鲸鱼优化算法在第一阶段损伤定位基础上准确识别损伤实际发生位置和具体程度,抗噪性良好。该两阶段结构损伤识别方法可为大型复杂工程结构损伤识别提供参考。

关键词： 防灾减灾   预报   公益事业   大数据   气象事业   科技  

摘要： 从1945年气象事业在战火中奠基起步,到如今构建起现代化气象防灾减灾救灾体系,科技始终是贯穿其中的核心驱动力。作为国家科技型、基础性、先导性社会公益事业,气象事业肩负着“观云测雨、服务民生”的重要使命。人工智能与大数据作为气象现代化的四大支柱(气象卫星、气象雷达、数值预报、人工智能和大数据)之一,其价值不仅体现在技术层面的革新。

关键词： 降水量   空间分布   LightGBM   山东半岛  

摘要： 为得到精确的山东半岛降水量时空分布式信息。文章基于山东半岛地区33个气象站点多年平均降水量数据,构建了LightGBM回归模型预测,预测降水量空间分布。结果表明,山东半岛年降水量为403~764mm,呈现中部高、四周低的分布格局,LightGBM模型具有良好的预测性能,验证精度较高。研究结果为类似区域的降水量空间建模研究提供参考。

关键词： 超级充电站   智能调度   混合遗传算法   强化学习   削峰填谷   网-站协同  

摘要： 超级充电站在满足电动汽车快速补能需求的同时,因高功率集中充电特性易在短时内形成显著负荷峰值,进而影响运行稳定性。因此在电网分时电价与容量约束条件下,以超级充电站运营方为调度主体提出了一种融合混合遗传算法(hybrid genetic algorithm,HGA)与强化学习(reinforcement learning,RL)的智能调度方法(HGA-RL)。通过HGA对用户充电顺序进行全局优化,为功率分配提供合理决策基础;在此基础上,RL动态调控充电功率与时间,实现低电价时段增加负荷、高电价时段削减负荷。仿真结果表明,该方法可有效削减充电负荷峰值、平滑电网负荷曲线,并在兼顾用户满意度的同时降低超充站购电成本,显著提升超充站与电网的协同效率。