传媒点击

山东10月16日,枣庄市永安乡天桥村两名小男孩在晾晒的玉米堆里玩耍。近日,山东鲁南地区农民紧抓晴好天气,及时晾晒收获的秋粮。确保颗粒归仓。北京10月15日,古色古香——茶文化节精品茶具展在潘家园艺术品展厅举行,展出了翡翠、白玉等20余种材质的200余件(套)古代和当代茶具。     

传媒点击

北京9月14日,第二十四届中国国际眼镜业展览会在中国国际展览中心开幕,来自23个国家和地区的770多家参展商参会。     

基于自适应模糊PID的二级倒立摆控制方法

为了提高平面二级倒立摆模型控制过程的动态、静态性能及对控制器参数的自适应整定能力和抗干扰能力,提出一种将PID控制与模糊控制相结合的自适应控制算法.应用拉格朗日方程建立平面二级倒立摆数学模型.根据实际经验确定模糊隶属度函数并建立模糊规则表.通过计算误差和误差变化率设计自适应模糊PID控制器.为设计的控制器建立仿真模型,...     

无人机辅助通信网络中基于强化学习的用户速率优化算法

无人机辅助地面蜂窝基站,形成混合的通信网络有望成为提升用户速率的一种重要手段。针对无人机辅助基站的通信网络,提出基于多臂赌博机的用户速率优化算法（multi-armed bandits-based rate optimization,MBRO）。先建立联合优化问题,再分别利用改进后K-means聚类算法和多臂赌博机算法求解。MBRO算法利用K-means聚类算法实现无人机的部署,并利用多臂赌博机算法完成信道分配和无人机的传输功率分配。仿真结果表明,相比于同类的基准算法,MBRO算法提高用户端速率。     

基于粒子群算法的装备预防性维修策略研究

为解决实战化条件下装备损耗严重和装备完好率之间的矛盾,立足实际提出加大预防性维修力度.根据装备可靠性理论和寿命分布理论,对装备故障率和役龄进行分析,并引入役龄回退因子进行修正.以装备服役期内预防性维修成本最低为目标函数,以可靠性为约束条件,建立预防性维修策略优化模型.采用粒子群算法对模型求解,并进行算例分析,得到装备在服役期内的最优预防性维修次数和时间间隔,证实了预防性维修模型的可行性和实用性.     

基于改进融合算法的交通网络节点重要性评估

交通目标体系在作战中是打击目标选择的重点,在目标选择前需要对交通网络的节点及关联关系的重要性进行准确评估.交通目标体系是一种多层复杂网络模型,目前的评估方法没有考虑到路径的权重和对网络整体价值,造成评估模型与实际网络不符合的问题.针对该问题,提出一种改进的融合算法对多层网络进行评估.该方法构建的节点关联度矩阵考虑了各层网络中边的权重和网络整体价值,再将每层的节点关联度进行融合.通过仿真分析和对比,该方法能够准确有效地评估多层交通网络节点的重要性,对目标选择具有一定实用价值.     

移动WSNs中基于跳数矢量的节点定位算法

针对节点定位精度以及安全性,提出跳数矢量的节点定位算法(Hop Vector-based Node Localization Al-gorithm,HVLA).通过控制包的交互,获取跳数信息.然后,锚节点依据跳数信息构建跳数矢量,再利用质心定位算法估计未知节点的位置.同时,利用未知节点反馈控制包的响应时间,丢弃一些发布虚假数据的节点,进而实现定位数据的安全性.仿真结果表明,相比于同类算法,HVLA算法的平均定位误差得到有效控制,并且平均定位时延下降了约30.22％,剩余能量率也提升了13.33％.     

基于GeoHash索引的A算法优化

A*(A Star)算法进行最短路径计算时,一般采用曼哈顿函数作为最优邻接点的评估标准,在算法执行的过程中,需要对每一步每个邻接点进行计算,判断出当前最优邻接点,然后迭代执行下一步,在数据量较大的情况下,算法的时间复杂度呈几何增长.使用GeoHash索引算法代替曼哈顿函数作为评估标准,在有地理坐标信息的网络拓扑中进行最短路径查找,直接以GeoHash编码索引值作为判断标准,进行快速查找.GeoHash值是经纬度经过一系列编码转换后的实际值,能够拓扑网格中的属性值,减少算法的计算时间,优化算法的时间复杂度.提高A*算法在道路规划、运行调度、无人驾驶路径分析时的最短路径计算时间,可增加实际应用广泛性.     

美国地理空间情报数据获取能力及启示

地理空间情报使用影像、影像情报和地理空间信息,解释、审查和直观地表示地理特征和活动.美军通过地理空间情报提供的战场信息,可以更高效地进行指挥控制和实施作战行动,以支持国家安全、国家政策、作战部署等不同层次的战略和战术需求,实现战场上的信息优势.美军在战场上形成的地理空间情报优势,离不开多年来美国在地理空间情报领域探索实践中形成的先进发展理念与能力建设.对美国地理空间情报数据的获取能力进行分析,为我国地理空间情报数据建设提供参考.     

分块自适应加权改进大规模概率模糊聚类

为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标识数据及其自适应权值,在块间迭代聚类过程中,将标识数据及其权值合并到下一数据块中并参与聚类,从而将上一数据块的聚类信息有效地传递到下一数据块中,最后分析算法的收敛性和时间复杂度.实验结果表明,算法在继承传统BFC算法良好聚类性能基础上,减少计算复杂度,有效提高聚类效率,适用于大规模数据集聚类.