关键词： 算法决策   公共决策   决策风险   风险规避  

摘要： 算法作为现代分析和决策的一种重要技术工具,介入公共决策在提升决策科学性、增进决策精准性、助力决策高效性和增强决策预测性的同时,也面临着因技术自身的原发性风险和技术应用于决策中的继发性风险所引发的影响决策公平、削弱决策民主、降低决策认同和模糊决策责任等潜在风险。规避算法介入公共决策所带来的潜在风险,寻求算法介入公共决策的善治之道,就需要坚持人在算法决策中的主体地位,提升算法决策的透明性与可解释性,健全算法决策的规则与制度体系,培育算法决策相关人员的算法素养,鼓励技术向善,在统筹安全与发展的道路上审慎推进公共决策的数智化转型。

关键词： 大语言模型(LLM)   INT4低比特量化   混合专家(MoE)架构   校准失效   多算法融合  

摘要： 针对千亿至万亿参数大语言模型（LLM）计算存储开销大、现有INT4低比特量化精度损失显著，以及混合专家（MoE）架构量化中校准失效的问题，提出一种融合多算法的高精度INT4权重量化方案。该方案融合SmoothQuant与AWQ核心思想平滑权重以降低激活量化难度，结合GPTQ补偿精度损失，并设计基于问答对的校准数据增强方法，确保MoE架构所有专家被充分覆盖。基于昆仑芯P800加速卡在DeepSeek-R1模型上的实验表明，在单机8卡、输入/输出token数为2048/4096、并发请求数64的条件下，相较于W8A8量化模型，该方案精度损失可控，输出吞吐量提升27%，平均首令牌生成时间（TTFT）缩短94%，为LLM高效部署提供可行路径。

关键词： 大数据技术   高校思政课   教学评价   数据处理机制   教育数字化  

摘要： 高校思政课教学评价具有全过程、多维度、复杂性等特征,需整合“课前—课中—课后”全环节、教师与学生双主体的多源异构教学数据。大数据技术具备海量承载、高速处理、多模态分析的“一站式”架构,可为思政课教学评价的全域洞察、动态反馈与深度分析提供技术支撑。以教育数字化为背景,聚焦大数据技术驱动高校思政课教学评价数据处理机制,系统阐释思政课教学评价核心体系与大数据技术赋能优势,构建包含数据分类、关键技术、协同运行的系统架构,从处理原则、权重分配、全流程运行3个方面完善数据处理机制,旨在提升思政课教学评价的科学性、精准性与实效性,为高校思政课教学质量持续提升与内涵式发展提供实践路径与技术保障。

关键词： 智能汽车控制系统   车辆状态估计   粒子滤波   人工鱼群算法   衰减函数   自适应步长  

摘要： 针对粒子滤波(PF)对车辆状态估计中出现的粒子权重退化导致估计精度下降甚至发散的问题,提出了一种改进的人工鱼群粒子滤波(AFSA-PF)车辆状态估计方法.首先,为提高AFSA全局搜索能力和减少陷入局部极值的风险,引入衰减函数动态调整感知视野,在迭代前期、后期分别采用较大、较小感知视野进行全局搜索和局部搜索;其次,改变人工鱼运动中的随机步长策略,采用自适应步长实现在不同情境下大、小步长的动态切换;最后,利用上述改进后AFSA的觅食和聚群行为,优化PF状态估计中的粒子权重计算与粒子数据重采样过程.采用Carsim与Simulink联合仿真试验进行验证,结果表明:相比于AFSA-PF,改进的AFSA-PF在双移线工况下,车辆横摆角速度估计值的平均绝对误差(MAE)、均方根误差(RMSE)分别减少了40.1%、34.9%,车辆质心侧偏角估计值的MAE、RMSE分别减少35.1%、33.5%;阶跃工况下,横摆角速度估计值的MAE、RMSE分别减少52.7%、36.3%,质心侧偏角估计值的MAE、RMSE分别减少51.5%、24.0%.

关键词： 无人车   双向快速扩展随机树算法   目标动态概率采样   人工势场   轨迹质量评估函数  

摘要： 针对传统双向快速扩展随机树算法搜索盲目、节点冗余和路径不平滑等问题,对其在目标采样、节点扩展以及轨迹优化等方面进行了改进。首先,引入目标动态概率采样策略,根据当前随机树的扩展状态与目标点的位置,动态调整目标采样点的采样概率,对生成的随机点进行筛选,从而提高采样效率,加快算法收敛速度;其次,在节点扩展过程加入基于出逃力的改进人工势场分量,在避免陷入局部最优的同时提高无人车的目标搜索能力和节点扩展效率;最后,构建轨迹质量评估函数,分别对无人车在不同时刻下生成轨迹的安全程度、偏移程度以及平滑性进行代价评估并选取代价函数值最小的轨迹来引导无人车行驶。将所提改进算法与传统双向快速扩展随机树算法在不同测试环境下进行仿真,仿真结果表明,相比传统算法,所提算法在简单障碍物环境下规划出来的平均路径长度缩短了9.83%,平均规划时间缩短了85.40%,在狭窄通道环境下,所提算法规划出来的平均路径长度和平均规划时间缩短了10.56%和64.63%,在U形障碍物环境下本文算法规划出来的平均路径长度和平均规划时间缩短了22.82%和66.92%。此外,所提算法在复杂环境下的规划成功率得到了显著提升,更适用于无人车的路径规划。

关键词： 超声骨刀   聚类算法   组织识别   实时监测  

摘要： 超声骨刀是一种新型载能医疗手术器械,具有切割精准、操控性好、减少出血等技术优势。但当超声刀尖切透骨腔接触到骨腔内的神经、血管等软组织时,易对软组织造成热损伤和机械刮伤。为保证超声刀尖在切透骨组织、接触到软组织时能及时报警停止超声输出,提出一种基于特征提取的时序聚类算法的超声骨刀切割组织识别方法,以超声骨刀换能器的注入电流有效值及换能器两端电压和注入电流之间的相位差作为输入量,提取多维特征建立系统的聚类算法模型,并通过模型进行超声骨刀在皮质骨、松质骨和软组织的切割状态聚类来达到组织识别的目的;选取不同生物组织开展切割实验,通过K-means聚类算法得到如下结果:硬组织和软组织的识别准确率分别为83.1%和89.7%,平均识别准确率达到86.4%。结果表明:采用K-means聚类算法,在切割过程中能有效识别软组织,实现及时报警。

关键词： 全景视频   球域旋转   梯度算子   投影格式  

摘要： 作为虚拟现实技术（Virtual Reality，VR）和增强现实技术（Augmented Reality，AR）的核心，全景视频因360°全覆盖视角而数据量巨大，给存储和传输带来严峻挑战。因此，优化全景视频的编码效率，并在提升效率的同时平衡编码复杂度，对推动该技术在医疗、教育等领域的广泛应用至关重要。为适配现有编码框架，需要将全景视频从三维球体投影到二维平面，这一过程会不可避免地导致过采样和不连续边界，从而引发失真问题，影响编码效率。考虑到球形域的旋转可通过优化纹理分布来减轻上述失真，进而提升编码性能，本文就此展开深入研究。研究通过系统性的编码率失真性能比较，确定等角立方体（Equi-Angular Cubemap，EAC）投影格式作为后续实验的基础投影格式。在此基础上，通过详尽的球域旋转遍历实验，深入分析不同旋转角度与编码性能之间的关联，证实了球域旋转提升编码性能的可行性，且总存在一个最优旋转角度。鉴于此，本文设计了一套基于纹理特性的高效球域旋转算法。首先，该算法利用Scharr梯度算子提取投影面的纹理特性；随后，通过分层筛选机制获取主导纹理方向：第一级采用动态阈值筛选剔除平坦子块，并统计各平面有效子块比例以排除整体平坦面；第二级引入直方图包络分析，通过梯度角度分布的峰谷特征筛除纹理方向杂乱的平面；最后，对有效平面进行加权梯度角度统计以确定最优旋转角度。实验结果表明，通过将识别出的主要纹理方向旋转至水平方向，所提算法对特定视频序列最高可实现3.15%的比特率节省，平均实现0.56%的比特率节省，且几乎不增加额外的编码复杂度。当与最优旋转轴预测算法相结合使用时，平均比特率节省可达0.66%。

关键词： 割草机   全覆盖路径规划   单元分解法   遗传算法   双向A*算法   蛇形覆盖策略   螺旋式算法  

摘要： 为解决割草机器人全覆盖路径规划问题,提出了一种基于单元分解法与遗传算法的路径优化方法。通过单元分解法将作业区域划分为无障碍的子单元,以降低路径规划的计算复杂度。针对子单元内部路径规划,设计深度优先搜索(DFS)与蛇形(Serpentine)覆盖两种策略,并在遗传算法框架下对分区访问顺序和覆盖策略进行优化。为提高路径的平滑性与连接效率,引入改进的双向A*算法,用于连接相邻分区的最短路径。通过适应度函数,结合考虑路径总长度、路径重复点和拐点个数,进一步提升了全覆盖效率。为验证算法的有效性,设计两组仿真试验:第1组比较了传统A*结合遗传算法与改进双向A*结合遗传算法的路径优化效果,结果表明:改进算法的路径重复点减少11.73%,路径总长度由8683.02 m缩短至8676.52 m,拐点数由332减少至327,提高了规划性能;第2组针对全覆盖路径规划问题,将本文算法与传统螺旋式算法和A*全覆盖算法进行对比,结果表明:路径长度分别缩短22.80%和23.76%,路径重复点数减少93.46%和94.52%,拐点数减少49.30%和68.71%。此外,迭代过程中路径长度逐渐稳定,验证了本文算法在优化路径冗余和搜索最优解方面的有效性。

关键词： 快速碰撞检测   包围盒   空间索引分割   结构算量  

摘要： 为提高地下车站结构算量软件在处理大规模CAD图纸时的几何图形处理效率,本文提出一种基于空间分割/索引与包围盒技术的快速碰撞检测方法。该方法通过分析现有碰撞检测技术的优缺点,并结合地下车站结构构件交叉重叠频繁的特点,构建了适用于该场景的高效检测算法。实际应用结果表明,该算法能显著提升物体间碰撞检测的效率,有效解决传统算量方法中因构件复杂交织导致的算量效率低下问题。结论表明,所提方法为地下车站工程算量提供了可靠的技术支持。

关键词： 轻量化   深度学习   图像超分辨率重建   残差蒸馏模块  

摘要： 针对现有图像超分辨率重建算法难以在模型参数量、重建速度与重建质量之间实现有效平衡的关键问题,本文提出一种轻量化多重级联残差蒸馏网络。该算法以信息多蒸馏网络为基础,通过引入多重级联机制与改进型残差蒸馏模块,在保证模型轻量化的前提下,显著增强了特征提取与融合能力。具体而言,网络主体采用全局残差与多重级联结构,实现了浅层与深层特征信息的有效融合,提升了特征多样性;在深层特征提取层中,残差蒸馏模块与瓶颈层交替排布并协同工作一残差蒸馏模块借助解耦并行卷积结构与通道-空间注意力机制,灵活高效地提取并强化高频细节特征,瓶颈层则有效压缩了网络参数量。实验结果表明,该算法在DIV2K数据集上完成训练,并在BSD100、Urban100及Manga109等主流测试集上验证:当放大倍数为4时,模型参数量降至3.8×10^(5),约为对比基准IMDN网络的60%:同时,其峰值信噪比与结构相似性指标仍与当前先进的轻量化超分辨率网络具有竞争力,充分验证了算法在效率与精度上的优越性。