关键词： 量化   指标   大数据   选择   热度   卡路里  

摘要： 文题阅读下面的材料,根据要求写作。卡路里的数字定义饮食,流量的多少衡量热度,指标的高低评判成效,大数据的分析指导选择当量化成为生活常态,我们不禁追问,所有的事物都要被量化吗?

关键词： 鸟群算法   FastSLAM2.0   动态学习因子   Lévy飞行  

摘要： 针对FastSLAM2.0算法因粒子退化和多样性丧失导致的机器人定位建图精度下降问题,提出一种基于改进鸟群算法优化的FastSLAM2.0算法。该算法将鸟群寻优机制引入粒子滤波过程,以粒子映射鸟个体,通过模拟觅食、警戒及飞行行为优化粒子分布;引入动态学习因子和动态行为切换策略,共同平衡局部寻优与全局搜索能力;并采用Lévy飞行策略扩大搜索空间,避免算法陷入局部极值。结果表明,相较于标准FastSLAM 2.0,所提算法的定位精度和稳定性分别提升了52.7%与50.3%,验证了该算法在位姿与路标估计方面的高精度与良好稳定性,能够实现准确的定位与建图。

关键词： 大数据   消防监督   企业安全   风险评估   智能监管  

摘要： 随着信息技术的不断发展,大数据技术在各行各业的应用日益广泛,尤其在公共安全管理领域展现出巨大潜力。消防监督作为防控火灾事故的重要手段,正面临着传统手段难以满足现代城市高密度、复杂化发展的现实需求。通过从大数据的特点出发,系统分析其在消防监督与企业安全管理中的实际应用,包括火灾风险预测、隐患动态监控与应急响应等方面,提出了利用大数据提升消防监管效能与企业本质安全水平的路径建议。通过案例分析与理论探讨,凸显了大数据在新时代消防与安全治理体系中的价值。

关键词： 输电线路   绝缘子缺陷检测   YOLOv11   多尺度感知   特征-语义增强   边缘计算  

摘要： 在输电线路无人机巡检中，绝缘子缺陷检测常面临静态感受野与动态缺陷尺度失配、特征融合中微小目标信息丢失严重以及边缘设备算力受限等挑战。针对以上问题，提出了一种融合尺度自适应感知与特征-语义增强的轻量化绝缘子缺陷检测算法YOLOv11n-SFE。首先，设计了尺度自适应动态感知模块重构骨干网络，通过异构动态核与门控机制实现对多尺度缺陷的精准捕捉；其次，构建特征-语义补充感知金字塔网络，通过重构物理通路与特征-语义补充融合机制，全方位增强了微小缺陷的空间边缘细节与深层语义表征，同时级联多粒度上下文聚合模块，有效稳固融合后的关键特征；最后，设计高效检测头，通过剥离空间冗余特征大幅降低计算负载。实验验证表明，改进模型相较于原YOLOv11n模型mAP@0.5提升了6.1%,mAP@0.5-0.95提升了12.3%，同时参数量压缩至1.8M，计算量降至5.2G，实现了在低算力边缘设备上对绝缘子缺陷的高精度实时检测。

关键词： 社区结构   社团划分   局部搜索算法   圈比   高阶结构  

摘要： 社团是复杂网络最重要的非平凡拓扑结构之一,其对于复杂系统的功能实现具有重要意义,如何实现高效、准确的社团划分是复杂网络领域最重要的任务之一。有别于基于模块度优化、动力学或谱分析等方式的经典全局算法,局部搜索(Local Search,LS)算法提出了社团中心这一概念,从全新视角出发只需依赖节点局域信息即可在线性时间复杂度内取得很好的社团划分效果,同时具有良好的可解释性,对于处理大规模网络更具优势。然而,原始LS算法使用度值来近似节点影响力,在同质网络中,由于节点度值过于接近,难以基于度值差异识别出社团中心,进而导致划分效果不佳。近期研究表明,复杂网络中的环结构等高阶结构能够更好反映节点影响力,因此我们使用圈比中心性来改进原始LS算法,不仅提高了其在同质网络中的准确率,在绝大多数实际异质网络中也取得了更好的划分效果。

关键词： 认知电子战   干扰对抗   软演员-评论家算法   干扰功率分配  

摘要： 针对传统认知电子战中干扰资源调度不合理的问题,构建了一个由干扰机协同掩护目标飞机的突防场景,提出了一种基于优化软演员-评论家(soft Actor-Critic,SAC)算法的智能干扰功率分配决策方法,并将其与主流的近端策略优化(proximal policy optimization,PPO)算法进行了对比,最后对优化SAC算法中的关键优化机制进行深入分析,探讨了影响算法性能的主要因素。试验结果表明,所提方法在收敛速度和稳定性方面均优于PPO算法,尤其在干扰资源受限的复杂环境中,能够显著提升干扰资源的利用率,从而验证了该方法的可行性与有效性。

关键词： 无人机   路径规划   蚁群算法   信息素调控   寻优效率  

摘要： 针对传统蚁群算法在无人机路径规划中存在的寻优盲目性强、收敛效率低及易陷入局部最优等问题,提出融合目标导向机制、路径潜力评估、迭代反馈更新及环境自适应调节的改进策略。通过构建多尺度动态栅格环境模型,优化状态转移规则与信息素调控机制,提升算法对复杂飞行环境的适配性。仿真实验表明,改进算法在路径长度优化率与寻优效率上均优于传统蚁群算法,能够在动态约束条件下为无人机提供更具实用性的最优路径。

关键词： 大语言模型   智慧图书馆   多模态知识库   应用场景   扬州市图书馆   智能咨询服务   个性   化推荐   公共图书馆  

摘要： [目的/意义]随着人工智能技术的快速发展,大语言模型在公共文化服务领域的应用逐渐成为智慧图书馆建设的重要方向。以扬州市图书馆为实际应用场景,系统探讨大语言模型在图书馆管理、读者服务、知识整合及技术创新等方面的功能应用。[方法/过程]结合政策背景、技术架构与实施效果,通过构建统一语义编码空间实现文本、图像、时序数据等多源信息的向量化对齐,解决传统大语言模型在处理跨模态关联时的语义断层问题。总结其在提升服务效率、优化资源配置及推动智慧化转型中的价值。[结果/结论]提出未来在元宇宙、虚拟数字人等领域的扩展方向,为公共图书馆的智能化发展提供参考。

关键词： atmospheric sounding   clutter rejection   morphological processing   Millimeter-wave cloud radar  

摘要： An improved multi-feature fusion scheme is proposed to address the edge signal loss problem inherent in existing clutter filtering methods for Ka-band millimeter-wave cloud radar. A recognition model is first constructed based on the temporal and vertical continuity of the reflectivity factor of echo signals to perform preliminary clutter identification. Subsequently, morphological binary dilation operations are introduced to generate candidate regions along cloud and fog edges, and neighborhood analysis techniques are employed to achieve precise determination of signal boundaries. The proposed algorithm is validated against co-located lidar observations. Results demonstrate that the scheme effectively suppresses clutter while preserving cloud and fog edge signals with substantially improved completeness, thereby resolving the edge signal loss problem associated with existing clutter filtering approaches and enhancing the overall data quality of millimeter-wave cloud radar.

关键词： Lagrange multipliers  

摘要： Complex aerial combat scenarios face two major challenges: 1) low online sampling efficiency with potentially catastrophic high-risk exploration;2) scarce offline data with limited coverage that undermines generalization to out-of-distribution states. To address these challenges, we propose CQL-Safe, a risk-constrained offline algorithm built on conservative value function learning, where risk is defined as the probability of agent damage or shoot-down and related safety-threat metrics. CQL-Safe constructs an augmented offline dataset combining learning from demonstration and diffusion model to alleviate data scarcity, embeds a multi-dimensional risk evaluation function into the conservative value function learning framework to curb overestimation of out-of-distribution actions, and adopts a Lagrangian multiplier to adaptively tune constraint strength, achieving a practical balance between reward maximization and safety. Experiments across diverse aerial combat scenarios demonstrate improved training efficiency and superior performance, substantially enhancing policy effectiveness and generalization while maintaining agent safety. © 2026 Northeast University. All rights reserved.