关键词： 时频混叠信号   参数化交替优化   参数化建模   信号分离  

摘要： 为解决复杂电磁环境下时频混叠雷达信号分离难题，提出一种参数化交替优化信号分离算法。首先，构建统一参数化模型，以多项式建模瞬时频率、傅里叶级数刻画时变幅值，联合表征各信号分量关键特征；其次，通过改进广义Warble变换获取瞬时频率估计，采用截断奇异值分解与交替方向乘子法融合的优化框架，实现时变幅值和瞬时频率精确求解；最后，基于参数估计结果完成信号分离与重构。仿真与实测结果表明，该算法在时域完全重叠、强弱分量共存等复杂场景中，归一化重构误差显著低于传统方法，为复杂电磁环境下混叠雷达信号分离提供了可靠技术实现途径。

关键词： Ti   AlNb基合金   微铣削加工   正交试验   改进冠豪猪优化算法   Lévy飞行策略   铣削力   材料去除率   参数优化  

摘要： Ti2AlNb基合金因其优异的高温比强度和耐热性，在航空发动机关键热端部件制造中具有广阔的应用前景，但其微铣削加工工艺尚不成熟，工艺参数的选择仍高度依赖经验，严重制约了加工质量与效率的提升。为解决Ti2AlNb基合金微铣削参数的合理选取问题，实现加工质量与效率的协同优化，本研究构建了三因素五水平试验矩阵，通过分析主轴转速、每齿进给量以及铣削深度对微铣削力的响应特性，并结合极差分析，确定了参数域内的最优水平组合。基于试验数据，采用多重线性回归法建立了微铣削力的预测模型。在此基础上，为进一步提升优化效果，提出了一种改进的冠豪猪优化算法（LCPO），通过引入Lévy飞行策略对传统冠豪猪优化算法（CPO）的全局搜索机制进行改进，克服了CPO易陷入局部最优解的缺陷。以最小微铣削力和最大材料去除率为双优化目标，建立了基于LCPO的多目标铣削参数优化模型。极差分析结果表明，各铣削参数对微铣削力的影响主次顺序为主轴转速>每齿进给量>铣削深度，最优组合为主轴转速30 000 r·min-1，每齿进给量1.25μm·z-1，铣削深度25μm。优化结果表明：与正交试验最优参数相比，采用CPO优化后，微铣削力下降了7.4%，材料去除率提高了9.1%；采用LCPO优化后，微铣削力下降了13.2%，材料去除率提高了39.6%。所提LCPO算法在收敛速度和全局寻优能力上均优于传统CPO算法，能够更有效地实现Ti2AlNb基合金微铣削参数的多目标优化。本研究为Ti2AlNb基合金等难加工材料的高质高效微铣削加工提供了理论依据和有效的工艺参数优化方法。

关键词： 网格去噪   精度保持   移动最小二乘   拟合曲面   法向滤波  

摘要： 针对现有深度学习去噪算法在处理大规模扫描数据时效率低下的问题,提出了一种基于移动最小二乘拟合曲面的网格去噪算法。首先,通过局部邻域拟合二次多项式曲面实现对非特征面片的最优法向估计;其次,利用曲面拟合残差和法向偏差对法向信号进行滤波处理,有效保持几何特征并提升平滑效果;最后,基于去噪后的法向信息迭代更新顶点位置,进一步优化网格的几何形状。该算法仅需要执行一次曲面拟合和滤波操作,计算复杂度低,运行效率高。实验结果表明:与最新深度学习去噪算法相比,该算法不仅运行速度快3个数量级以上,而且去噪精度相近。

关键词： 生产绩效   K-means聚类   遗传模拟退火算法   特征加权   葡萄农户  

摘要： 为识别并发掘不同生产绩效的农户群体，进而探索农户生产绩效提升策略，构建基于生产绩效细分视角的农户细分模型。首先，构建农户绩效评价指标体系，并对葡萄农户的生产绩效进行量化。然后，提出基于ReliefF特征加权的优化聚类算法(GASA-WKM)。该算法以K-means算法为基础，引入遗传模拟退火算法，克服初始聚类中心敏感且易陷入局部最优的问题；融合ReliefF算法，强化有效特征对聚类的贡献能力。通过对比5种聚类算法在UCI数据集上的聚类结果，GASA-WKM在聚类准确率、归一化互信息和调整兰德指数上分别提高6.5%、11.1%、11.3%，具有更好的聚类性能。最后，将该方法应用在我国葡萄主产区农户调研数据中，研究结果表明，我国葡萄农户群体分为高投入型、高收益型和高产量型3类，并由不同类别鲜食葡萄农户主体的绩效特点，证明了该方法的有效性和实用性。

关键词： 大数据   反诈宣传   防范工作  

摘要： 随着数字化进程的加速和信息技术的广泛应用,人们的生活与工作愈发便利,但电信网络诈骗也借此频发。

关键词： 融媒体   新闻产品创作创新   AI 技术   大数据  

摘要： 在融媒体背景下,主流媒体发展受到一定的冲击和影响,为扩大主流媒体的受众范围,提高受众的认可度,有必要探索新闻产品创作创新路径。本文分析了融媒体与新闻产品创作创新的关系,探讨了融媒体背景下新闻产品创作创新面临的困境,提出了在融媒体背景下探究新闻产品创作创新路径的思路,旨在推动主流媒体快速转型,持续提升主流媒体的影响力。

关键词： 航空复合材料制造   热压成型工序   批调度   混合整数规划   数学启发式  

摘要： 针对航空复合材料热压成型制造问题，解构并提炼出并行机环境下考虑二维空间特征的批调度问题。针对航空复合材料制造的特点，考虑了类别的兼容性特征和线性批次准备时间，并以最大完工时间最小为目标，提出了结合消除对称性思想的求解二维并行机批调度的紧凑模型。此外，提出了迭代式近似搜索算法求解该问题：该算法结合了启发式和精确式算法，在迭代过程中基于精确式方法不断寻找目标值更优的可行解，且兼顾求解效率和精度。通过仿真实验设计了不同特征的算例以验证不同算法性能，结果表明：（1）模型具有远超经典并行机批调度模型的求解效率；（2）对模型和算法的求解效率和精度的比较验证了两者在求解不同特征的算例上的优越性；（3）所提模型和算法在统计学意义上均限制优于对比的算法。最后，基于仿真实验总结了模型和算法的特征和有效性，并给出了具体的管理启示。

关键词： 托卡马克等离子体   新经典环向粘滞   机器学习优化   进化算法   超参数调优  

摘要： 针对托卡马克等离子体新经典环向粘滞（NTV）力矩计算中NTVTOK-ML(NTV prediction in TOKamaks based on Machine Learning)框架超参数优化精度不足的问题，提出自适应阿尔法进化（Adaptive Alpha Evolution, AAE）算法。首先，对比贝叶斯优化（BO）、粒子群优化（PSO）、遗传算法（GA）、冠豪猪优化（CPO）、中心碰撞优化（CCO）及阿尔法进化（AE）六种算法在NTV力矩建模中的表现，结果表明AE算法综合表现最优；其次，针对AE算法步长控制孤立、求解精度不足的缺陷，引入基于种群多样性的自适应步长机制，动态调整步长因子，形成AAE算法；最后，将AAE算法应用于NTVTOK-ML的超参数优化，并在多层感知机（MLP）和极限梯度提升树（XGBoost）两种模型上与上述算法进行对比实验。实验结果表明，在MLP模型上，AAE算法的MSE和RE分别较AE算法提升为18.83%和5.02%，较BO算法提升为27.73%和15.21%；在XGBoost模型上，AAE算法的MSE和RE分别较AE算法提升为3.47%和2.51%，较BO算法提升为6.13%和2.87%。AAE算法有效提升了NTVTOK-ML的超参数优化精度与效率，为复杂等离子体物理建模中的优化问题提供了高效可靠的算法。

关键词： AI暴露   大语言模型   零工市场   招聘大数据  

摘要： 人工智能（AI）技术冲击带来的职业替代本质上是技能替代。零工经济因其任务颗粒度细、技能可拆解度高，在AI浪潮中率先遭遇冲击，为观察AI如何重塑劳动力市场工资形成机制提供了实证研究对象。本文利用2022—2023年近2000万条零工招聘大数据构建基于大语言模型的AI暴露度，实证分析了AI暴露对零工工资的影响。研究发现，第一，AI技术应用改变了工资决定机制，职业和城市层面AI暴露度提升均会显著降低零工日薪，技术红利与工资惩罚效应同时影响零工工资。第二，城市间劳动力市场的相互影响在AI时代加剧。城市AI暴露度的提升会导致相邻城市零工日薪下降，通过改变相邻城市招聘数量、结构，形成从城市中心向边缘扩散的降薪梯度。第三，技能是抵御AI冲击的有效手段。高技能劳动力能够更好地适应变化，低技能劳动者更易面临工资下降和就业困难等问题。本文精准识别了零工工资变化及城市间溢出效应，为政策制定提供了针对性建议。

关键词： 合成孔径雷达   舰船检测   脉冲神经网络   扩散机制   自注意力机制  

摘要： 针对基于人工神经网络的合成孔径雷达（synthetic aperture radar，SAR）舰船检测算法存在计算能耗偏大的问题，为在提升能效的同时兼顾检测性能，提出一种基于脉冲神经网络的舰船检测方法，将扩散机制与脉冲自注意力相结合。该方法利用扩散式检测头从候选噪声框反演目标边界框，在脉冲骨干中嵌入自注意力模块以捕获全局依赖并抑制背景杂波。基于高分辨率SAR图像数据集（high-resolution SAR images dataset，HRSID）和SAR舰船检测数据集（SAR ship detection dataset，SSDD）的结果表明，在全类平均精度分别达到66.0%和71.2%的同时，该方法相较人工神经网络模型将推理能耗降低约一个数量级，兼具精度和低能耗优势。