文章基于数字创新能力、数字人才建设、数字贸易规模、数字基础设施、数字营商环境、数字安全6个维度重构数字贸易发展水平综合评价体系,并运用熵值法对全球51个经济体2010—2020年数字贸易发展水平进行了测度。在此基础上,采用核密度估计法分析了样本国家数字贸易发展水平的动态演进过程,并探究了数字贸易的影响因素。研究结果发现:观测期内全球51个样本国家的数字贸易发展水平整体呈上升趋势,且发展中国家和发达国家间差距明显;中国在数字创新能力、数字贸易规模、数字基础设施方面处于世界领先地位,但在数字人才建设、数字营商环境、数字安全方面表现相对薄弱;经济发展水平、贸易结构、技术创新是影响一国数字贸易发展的关键因素,且各影响因素的贡献在发达国家与发展中国家间存在明显的异质性。

文章利用中国家庭金融调查(CHFS)数据,构建农村家庭数字经济参与度指数,实证检验农村家庭数字经济参与度对农村家庭收入的影响。研究发现:农村家庭参与数字经济的发展能够丰富收入来源,显著提升非农收入占比,扩大家庭总收入;农村家庭数字经济参与度对其农业收入占比存在负向影响,但在农业依赖程度较高的家庭中,对其农业收入呈显著正向影响。农村家庭数字经济参与的增收效应通过人力资本提升、金融市场参与、创业和家庭成员就业来实现。农村家庭数字经济参与对弱势农村家庭和经济落后地区农村家庭收入增加的促进作用更大,体现了数字经济的普惠性。因此,积极引导农村家庭参与数字经济的发展是推进共同富裕的重要途径。

数字技术革新为思想政治教育提供新动能,数字化赋能思想政治教育是新时代落实立德树人根本任务的新要求,也是适应教育数字化转型推动教育现代化的新任务。推动思想政治教育的传统优势同现代信息技术深度融合,数字技术赋能促进思想政治教育的构成要素和内在结构深刻变革,带来育人理念更新、育人空间拓展、育人资源共享和育人质效提升,形成数字时代思想政治教育新样态。推动数字化赋能思想政治教育必须准确识变、科学应变、主动求变,丰富思想政治教育数字资源,推动优质资源共建共享;优化思想政治教育育人环境,构建虚实融合的育人生态;聚焦数字能力培育,提升思想政治教育队伍专业素养;创新育人方法,搭建数字化赋能“教、学、评相统一”的新模式。

以中国知网数据库中收录的教育信任领域的研究论文为样本,利用知识可视化软件(CiteSpace)对教育信任研究的热点内容与演进趋势进行分析。发现该领域的研究热点包括社会资本、大学生、社会信任、师生关系、教师、信任危机、人际信任等;教育信任的研究视角从微观逐渐向中观和宏观方向发展;对教育信任的理解逐步嵌入更广阔的社会空间;区块链是教育信任的研究前沿。针对目前教育信任研究存在的问题,建议加强对教育数字化环境中教育信任的研究,引入多样化的实证研究方法,推动教育信任研究往纵深方向发展。

精准治理是网络意识形态安全治理的导向目标,大数据强劲赋能为网络意识形态安全精准治理提供了技术支撑和时代机遇。大数据与网络意识形态安全精准治理间具有主体共通、技术联通和内容互通的内在契合,为网络意识形态安全精准治理提供依据。但大数据赋能网络意识形态安全精准治理过程中仍存在精准治理多元主体缺位、精准治理数字风险泛化、精准治理理念认识不足等诸多现实困境,需从创新多元参与治理新范式、开拓风险预警治理新路径、树立全局性战略治理理念三方面精准发力,协同推进网络空间意识形态安全的建设发展。

在全球化和数字化交织的时代背景下,当代西方左翼学者的批判视角转向数字网络空间,深入剖析数字文化霸权现象,揭示了其形成的根源动因,对其所带来的社会危害进行了透彻的阐释,并积极寻求应对之策。然而,这些批判理论存在视角局限性、批判不彻底性和解决方案空想性等困局,西方资本主义社会的叙事语境限制是其困局根源。为突破这一理论困局,学界需要在理论体系、价值导向和实践进路等层面进行重构,推动数字文化霸权批判理论的发展与革新。

目前,有关社交媒体虚假信息验证行为影响因素的实证研究存在差异性,文章通过系统整合国内外相关实证研究,揭示影响用户实施虚假信息验证行为的关键因素,为虚假信息治理提供借鉴。文章采用元分析方法,从35篇实证研究中提取出98个效应量、66 482个样本量和17个影响因素,并进行出版偏倚检验、异质性检验、整体效应检验和调节效应分析。研究发现:信息维度、认知维度、情绪维度和个体维度都对虚假信息验证行为产生不同程度的影响。其中,信息相关性、信息重要性和信息素养对用户虚假信息验证行为作用较强;社会背景、性别、学科类型和教育水平都对相关变量与虚假信息验证行为之间的关系产生调节作用。

构建适宜的公司内部治理机制以提升组织韧性是企业应对不确定性冲击的重要途径。文章将公司内部治理机制分为“股东-董事-激励”三个层面,使用动态定性比较分析方法,利用2018—2022年64家人工智能A股上市企业的面板数据,探索时间效应下的公司内部治理机制组态对组织韧性的影响。研究表明:公司内部治理机制需要相互协同才能有效提升组织韧性;企业高组织韧性的4个公司内部治理机制组态可总结为技术模型、监督模型和集权模型,且高薪酬激励是各组态共有的因素;各组态具有时间效应,需动态调整公司内部治理机制以提升组织韧性。研究丰富了对组织韧性影响因素的认识,并深化了“治理束”视角下公司内部治理机制的研究,对人工智能企业管理实践具有启示意义。

基于新工科教育背景,聚焦高校大数据人才培养与企业需求的契合度问题。旨在揭示高校培养模式与企业需求之间的匹配水平,为优化人才培养体系提供理论支撑与实践指导。首先,基于社会网络分析法构建论文和专利技术的共现网络,挖掘学术研究与企业技术需求的关联关系。其次,基于Word2Vec-K-means-LDA的主题挖掘模型,提取不同时间段的核心主题。最后,结合余弦相似度进行主题间的语义匹配测度。结果表明,大数据技术呈现从理论研究到产业应用的演化路径,学术与企业需求在知识图谱、数据挖掘等领域具有较高的契合度。当前高校课程在跨学科融合与实践能力培养方面仍存短板,难以充分满足企业对复合型人才的需求。对此,文章提出构建跨学科培养体系、深化校企协同机制等策略,以提升人才培养效能,支撑大数据产业高质量发展。

人工智能已经成为组织知识创造的新主体。人工智能知识创造研究受到越来越多的关注,但这个领域仍缺乏一个明确的总体研究框架。此外,学者们对于现有研究的不足以及未来研究方向亦不甚明晰。基于此,文章首先采用文献计量法对该领域研究主题进行了可视化计量分析。接着,依据“输入-过程-输出”框架构建了人工智能知识创造的整合性研究框架。最后,从人工智能知识创造的过程、前因与结果方面展望与这个主题相关的未来研究方向。文章可以为后续开展人工智能知识创造的相关研究提供基础和参考。

弗雷德·马格多夫从生态农业视角出发,批判资本主义农业的非生态性及其造成的社会和自然的新陈代谢断裂、化学农业的危害以及愈演愈烈的食品安全和粮食危机等问题。马格多夫并未止步于生态农业领域,而是从人与自然的关系,延伸到人与社会、人与人的关系,从而进一步走向对生态文明的研究,由此形成了其生态文明观的独特生成逻辑。马格多夫的生态文明观及其生成逻辑为对资本主义展开生态批判、揭示代替资本主义文明的生态文明,提供了一种独特的视角,对进一步推动中国特色社会主义生态文明建设的历史进程也具有一定的启迪。

针对新能源汽车(NEV)企业协同创新中的知识融合不确定性及协同复杂性,基于风险防范视角,构建政府-整车制造企业-电池供应商三方博弈模型,得出以下结论:第一,新能源汽车整车制造企业更关注知识融合不确定性,而电池供应商更关注协同复杂性,这反映出不同行业间协同创新风险的共性和差异性。第二,在新能源汽车领域,随着知识吸收能力和存量提升,知识融合不确定性风险可显著降低。新能源汽车积分政策促使企业加强协同与研发投入,进一步降低了此类风险。第三,技术密集性和产业链多元化增加了协同难度。合理设定一阶段付款比例和有效的政府监管可有效应对协同复杂性风险,其中电池供应商更依赖政府监管促进知识共享和保护知识产权。

通过构建引入外商直接投资新经济地理模型,推理了外商直接投资影响技术创新、环境治理、经济高质量发展的内在机制;然后用中国2011—2020年279个城市样本进行了空间计量模型检验。研究发现:样本期内外商直接投资对城市经济高质量发展具有促进作用;技术创新、环境治理是外商直接投资推动城市经济高质量发展的有效中介变量,技术创新的中介效应占比为9%左右,环境治理的中介效应占比为16%左右;外商直接投资对城市经济高质量发展的影响存在异质性,在低外商直接投资比重城市、非资源型城市外商直接投资能显著提升城市经济高质量发展水平,而在高外商直接投资比重城市、资源型城市则没有显著影响。

乳腺组织活检的病理分析具有重要的临床应用价值。针对人工提取特征分类算法存在的耗时耗力、提取特征不完整等问题,此研究结合深度学习,提出了一种基于多阶段迁移和注意力机制的模型融合方法,对乳腺病理图像进行良恶性分类。为加快训练收敛速度及使用不同病理图像数据集的图像特征,研究采用多阶段迁移学习,并在网络中加入注意力机制,通过学习图像通道和空间上的重要特征,抑制无用的特征来提高分类准确率。最后为同时利用数据集不同倍数图像的特征,建立模型融合网络进行分类。该网络对图像良恶性分类的AUC值为0.946。实验结果表明,基于多阶段迁移和注意力机制的模型融合方法在乳腺病理图像分类上取得了较高的准确率,对乳腺癌诊断具有积极的指导意义。

针对边缘计算系统中多个计算任务之间存在某种依赖关系的特点,研究一种最小化总计算时间的资源分配策略。考虑多个任务之间的顺序依赖关系,用户的多个任务按顺序依次卸载;在当前任务卸载完成时,不用等该任务完成计算,就开始卸载下一个任务。通过引入一种两层卸载策略,用户可以先将任务卸载到小基站边缘服务器,当小基站边缘服务器计算能力不足时,小基站再将部分任务卸载到宏基站边缘服务器。建立联合优化用户关联、计算资源和用户发射功率的资源分配问题,达到最小化总计算时间的目标。采用量子行为粒子群优化算法进行求解,得到全局次优解。仿真结果表明,与标准粒子群优化算法和其他基准策略相比,使用量子行为粒子群优化算法所得到的总计算时间更少。

智能制造不仅能够在宏观层面推进产业结构升级,也能够在微观层面助力企业可持续发展。因此,文章基于2013—2022年中国A股上市制造业企业的数据,实证检验智能制造与企业“漂绿”之间的关系。研究结果显示,智能制造能够显著抑制企业“漂绿”,该结论在经过一系列检验后保持不变。进一步研究中,利用智能制造试点政策的准自然实验,验证了研究结论的稳健性。机制检验发现,智能制造通过降低信息不对称、缓解融资约束和促进绿色创新减少企业“漂绿”行为。异质性分析表明,智能制造对于企业“漂绿”的抑制作用在自愿披露环境信息的企业、重污染企业、位于内陆城市的企业以及拥有海外背景高管的企业中更加显著。

心血管疾病是全球范围内死亡人数最多的疾病之一,其早期筛查与精准诊断对降低患病率和死亡率具有重要的社会价值。心音图(phonocardiogram, PCG)作为人体重要的生理信号,包含了丰富的心脏病理信息,能客观反映出心脏和心血管系统的健康状态,是心血管疾病诊断的重要数据源。心音分割是心音信号病理分析的基础,对病理特征的提取和疾病诊断具有决定性作用。而现有的心音分割算法往往需配合同步输入的心电信号才能达到精确的分割效果,对纯心音信号的分割效果不佳。因此提出了基于隐马尔可夫心动周期(Hidden Markov Cardiac Cycle, HMCC)的心音分割算法,实现对纯PCG信号的精准分割。首先利用基线校准和小波去噪实现信号预处理;其次提出基于希尔伯特变换的心音包络提取方法,结合心动周期规律定位峰值与S1、S2的对应关系;进一步提出改进的隐马尔可夫算法,更新心音的初始状态分布,优化维特比算法进行心音区间持续时间的计算。244条心音数据的同基准和国内外研究对比实验表明该心音分割算法,实现了精度分数为97.23%、分割准确率为97.32%的分割定位,为基于PCG的心血管疾病智能辅助诊断分析提供了高质量的分割数据源。

提出了一种适用于体接触SOI器件的建模方法。在BSIM-BULK模型的基础上,模型新增一个SOI器件所需的体端口,对体衬底的结构进行表征,通过外围寄生电路模型来表征SOI的射频寄生效应。提出了明确的参数提取方法。通过调节外围寄生元件参数以及内部模型参数,拟合测试数据曲线得到SOI模型。模型可以准确表征SOI器件工作区域的特性,使BSIM-BULK可以适用于SOI器件。射频模型参数提取之后,模型仿真数据和测试数据吻合良好。

针对目前电动汽车电池的温升以及温度均匀性问题,为发挥锂离子电池的最大效率,需要设计合理的电池热管理方案。首先在实际应用的锂离子电池热管理方案中,对比空气冷却,液体冷却由于不可替代的优点逐渐成为主流的冷却方式;其次从结构设计、冷却介质、直接冷却和液冷-PCM复合冷却这四个角度,对液体冷却方式研究现状进行了综述,总结各自的冷却特性和各参数,为未来液体冷却的模型设计及结构化参数提供了参考;最后,针对液体冷却的不足,提出了后续研究应采取的措施。

自动驾驶是一项复杂且具有颠覆性的技术,公众接受状况会影响技术应用与发展。研究通过大数据分析和统计模型的混合分析,探讨青年人对自动驾驶汽车的接受度问题。研究发现,青年对自动驾驶汽车的态度喜忧参半,消极态度略高于积极态度。一方面,青年人肯定技术带来的安全、效率和舒适;另一方面,也担心技术带来数据泄露、系统安全性等风险。感知风险、感知易用性、感知有用性以及信任都显著影响青年对自动驾驶汽车的接受度,信任起到中介作用。青年人对自动驾驶汽车的态度比中老年人更积极,更愿意接纳自动驾驶汽车,青年人比中老年人更多关注风险。青年人对自动驾驶汽车技术的态度既不是盲目的乐观,也不是一味的悲观,而是客观保持必要怀疑;在未来自动驾驶汽车发展过程中,需要降低软、硬件、环境、数据层面的风险提升公众信任水平;以“有意义的人类控制”解决责任划分问题。

当OTFS调制被用于实际数据传输时,多普勒分辨率通常较低,这会导致分数多普勒频移的出现,致使接收的符号在衰落信道中遭受多普勒间干扰,从而降低信道估计的准确性。为此,提出一种基于深度学习的OTFS系统分数多普勒信道估计方法。该方法首先使用互相关算法对分数多普勒信道进行初步估计,然后搭建并训练深度卷积神经网络用于初步信道估计结果的优化,从而达到有效提升OTFS分数多普勒信道估计精度的目的。仿真实验表明:新提出的方法结合了传统算法和深度学习的优势,可实现了约6 dB的性能增益,有效提升了对于OTFS分数多普勒信道估计的精确性;同时该方法能够有效应对信道失配的情况,在多种高移动性场景下的性能差异低于30%,具备一定程度的鲁棒性。

基于2010—2021年沪深A股上市的国有企业样本数据,探讨了在国有企业中,党委会参与公司治理对公司价值的影响,并分析了高管团队信息断裂带在其中的影响和作用机制。研究发现:党委会对公司治理的参与程度对公司价值存在正向影响,更进一步,当党委会分别进入董事会、监事会和高管层参与公司的治理时,对公司价值都会产生显著的影响;高管团队信息断裂带在参与程度与公司价值之间呈现倒U型的调节作用,高管团队信息断裂带强度较低和较高时,会抑制党委会参与公司治理对公司价值的正向影响,只有强度适中时,党委会参与公司治理才能较大程度提升公司价值。

在新质生产力的驱动下,“两山”理念的价值内涵正不断拓展。新质生产力以科技创新为核心,以数据、智能和绿色要素为主要特征,推动生态产业化、数字化转型与绿色发展协同推进。这一变革不仅拓宽了“两山”理念的价值主体,使科技企业、社会组织与公众深度融入生态经济体系,还丰富了价值客体,使生态资源的资本化、生态系统服务功能的显性化、数据资产化成为新趋势。同时,新质生产力推动价值尺度的优化,使生态效益成为经济决策的重要考量因素,促进经济高质量发展、社会可持续进步,并助力生态文明建设迈向更高水平。基于这一价值拓展,提出以科技创新引领生态经济融合、以产业升级推动生态资源增值、以社会文化培育生态自觉取向的实践路径,从人与自然、人与社会、人与自身三个层面深化“两山”理念的价值逻辑与实践模式,推动生态文明建设的现代化进程,为习近平生态文明思想研究提供时代创新视角。

当今大数据时代的根本特质不是“大”,也不是“数”,而是“据”,大数据时代实际上是用“据数”说话的时代。“据数”不同于数据,也不同于数字。“据数”是指作为世界凭据的数字,数据是指作为世界度量的数字,数字则是世界存在的基本方式。从古代的数字到现代的数据再到当代的“据数”,这三个重要的变迁过程,本质上呈现了人类与世界的关系经历了“三重洞穴”的演化过程:数字是居住在“第一洞穴”里的人试图认识自然世界本身的产物,数据是居住在“第二洞穴”里的人试图刻度人造世界的产物,“据数”是居住在“第三洞穴”里的人试图构建虚拟世界的产物。数据主义作为“第三洞穴”的意识形态,本质上只是大数据时代的精神附庸。

提出基于第2类Coons曲面的插值型细分方法,可定义于任意拓扑下的四边形网格。第1步,设置初始网格点在每条边上的切矢。第2步,在每1层细分中,首先由网格边上的2个点及切矢结合德卡斯特里奥算法构造曲线边界,将参数中心点设为新边点,并计算两端点、新边点的新切矢;然后,在4条曲线边界上设定跨界导矢,给出端点扭矢并构造第2类Coons曲面,将采样曲面的参数中心点作为新面点,同时计算面点和邻边的新切矢。第3步,设置形状参数调整规则点的切矢,最后迭代得到极限曲面。数值算例表明,相比于Kobbelt细分方法及4点曲面细分方法,提出方法能得到光滑度更高的插值曲面,且易于控制。收敛性、连续性分析证明,插值曲面至少为G¹连续。

牛只目标检测是基于深度学习的牛只个体注册与牛只识别的前提,不同实际场景下光照、色彩与牛只品种的差异使得牛只图像低层特征多样化,而高层特征中语义信息若不能完全匹配多样化的低层特征,则无法得到较好的检测精度。为解决检测模型高层特征语义不足问题,本文提出了新的牛只特征提取骨干网络ResMO-Backbone与特征融合网络Dense-Neck,进而提出了基于ResMO-Dense-YOLO的牛只检测算法。在骨干网络中利用ResMO模块多语义层面关注牛只高层特征的特性丰富语义信息,结合SPPF结构和多层卷积结构扩大感受野,使得模型更好地提取牛只的高层特征;然后提出基于DenseBlock的特征金字塔和基于DenseBlock的路径聚合网络级联的Neck网络Dense-Neck,利用DenseBlock对特征多次复用的特性,结合特征金字塔与路径聚合网络多尺度融合的特性进一步融合牛只的低层特征位置信息与高层特征语义信息,提高模型检测精度。本文的模型与FLYOLOv3、SSD、YOLOv5s等目标检测模型相比,在实验室采集的奶牛通道、奶牛牛舍和肉牛牛舍数据集中平均精确率分别提高40.1%、30.3%、4.0%,召回率分别提高34.9%、23.1%、6.8%,mAP提高了49.2%、35.3%、5.0%。

网络剪枝是当前深度神经网络模型压缩的主要方法之一。针对现有的基于遗传算法的网络剪枝方法效率较低的问题,提出了一种基于改进自适应遗传算法的结构化剪枝方法。首先设计了新的适应度函数,平衡了模型损失值和参数量对最终结果的影响;其次,利用自适应的交叉概率和变异概率来代替固定的超参数,提高了剪枝效率和模型准确率;最后,通过实验验证了方法的可行性,得到了精度更高、参数量更少的网络模型。

数字技术改变了传统社会创新的要素、流程和参与形式,使得数字社会创新成为热门议题。然而其学科性质和概念界定仍较为模糊,使得国内外的数字社会创新研究难以形成统一的范式。通过对现有国内外文献进行梳理,从数字社会创新的内涵、型构维度及实践机制展开,进行了一个总体的文献综述。以此为基础构建了数字社会创新的分析框架,力求将数字社会创新研究清晰化、框架化,进而探求数字社会创新的中国情境研究新范式。

目前基于计算机视觉的畜禽体尺测量方法主要是采用图像处理技术对单一的畜禽完整侧身图像进行分析处理,计算所需测点坐标,根据标定参数计算出畜禽的体尺数据。但是此类方法对于畜禽侧身图像的质量要求比较严苛,当图像中畜禽的局部侧身部位缺失时,会导致此类体尺测量方法难以应用。本文提出一种基于双摄像头信息互补的视觉三角身高测量算法和相似三角体直长测量算法。首先通过正上方摄像头与侧方摄像头的双视角图像信息互补来弥补单幅二维图像中缺少景深信息的不足,同时使用YOLOV5算法和凸包角点检测算法从牛背俯视图进行肩胛-尾尻测点提取。视觉三角身高测量算法通过上方摄像头获得牛只肩胛部位与侧方摄像头的相对水平距离,结合侧方摄像头中辅助标尺下端坐标的实际高度,基于相似三角形原理计算牛只身高。相似三角体直长测量算法利用牛只身高数据计算正上方摄像头画面中对应牛背的景深,然后结合景深信息、肩胛测点和尾尻测点之间的欧氏距离、上方摄像头对地空间分辨率,来计算牛只体直长。所提算法解决了不能获取到完整牛只侧身图像情况下的体尺测量问题。对30头牛进行体尺测量,正常情况下牛只身高测量平均误差为2.25%,体直长测量平均误差为3.33%;在相对拥挤情况下牛只身高测量平均误差为3.03%,体直长测量平均误差为3.68%。

以技术加速、社会变迁加速和生活节奏加速为主要表征的竞速文化镜像已经成为繁荣的文化景观。整个社会多维度的加速、竞争、内卷改写社会时间主导的自我关系形式,表现为时空崩裂中幸福尺度的碎片、加速社会中个人社会关系的改写、竞速逻辑中多层次自我形式的割裂,导致当下时空体验困乏、社会速度与个体速度的去同步化、主体自我意识萎缩与幻化、自我时间意识与社会生活节奏胁迫之间的撕扯,造成青年幸福的新困境。竞速文化镜像中青年幸福困境的超越要以时间体验重塑为支点涵养幸福文化,以德性幸福为契机推动幸福转型,以价值理性为轴线拓宽幸福维度。

针对SURF特征匹配算法在复杂环境变化下匹配精确率低以及特征点冗余的问题,结合剔除冗余特征点的四叉树方法和快速获取单应性矩阵的改进RANSAC算法对SURF算法进行优化。首先对SURF算法所产生的特征点通过四叉树方法分割图像,依据划分深度和特征点数量的最大阈值剔除冗余特征点并进行粗匹配;然后根据特征向量间的距离对特征点进行排序,并在限定范围内执行RANSAC迭代,从而得到最优图像匹配结果。实验结果表明,图像在一定程度的旋转缩放、模糊和光照强度变化的情况下,改进后的SURF算法平均精确率为96.47%,平均消耗时间为649.33 ms,在复杂环境变化时具有良好的鲁棒性、精确性和时效性。

中国式现代化彰显出鲜明的人文取向,其核心是人的现代化,人的现代化的灵魂是思想观念的现代化。思想政治教育作为一种有目的、有意识地改造人的思想和行为的社会实践活动,具有促进人的现代化发展的重要作用。新征程,人的现代化进程出现的新情况、新问题,对思想政治教育发展提出构建育人新格局、增强价值引领、强化精神激励的时代诉求。鉴于此,应当以系统思维统筹推进,加强思想政治教育体系建构;以内容建设为根本,提升思想政治教育内容质量;坚持守正与创新并举,推动思想政治教育方法发展,以更强的服务能力促进人的现代化转变,进而推动中国式现代化。

大量小容量分布式能源可为电网提供调度服务,但同时也会带来管理负担。为此,本文提出一种基于同构多面体近似的分布式能源聚合方法。首先,建立分布式能源的广义可行域模型,并通过求不同分布式能源之间的闵可夫斯基和来获得聚合商的可行域模型。然后,采用基于同构多面体近似的方法简化闵可夫斯基和的求解。最后,考虑在大量异质参数分布式能源聚合的情境下,进行适当的聚类操作,以提升整体的近似精度。实验结果验证了所提方法的有效性和优势。

循环码是线性码的一个重要子类,由于代数结构清晰、编译码简单且易于实现,被广泛地应用于数据存储系统和通信系统中。本文研究了一类三元循环码,通过分析某些方程在三元域上的解,确定了此类三元循环码的参数,由Sphere Packing界证明了该码具有最优性。

针对粒子群算法具有早熟收敛性、易陷入局部最优解的问题,提出了一种带有非线性惯性权重和t分布扰动的粒子群优化算法。首先通过引入改进惯性权重,来更好地平衡粒子全局探索和局部开发,增强粒子全局搜索能力;然后,利用t分布扰动算子,对粒子进行扰动,提升粒子跳出局部最优解的能力。仿真结果表明,改进算法具有较强的全局寻优能力,有效克服了早熟收敛现象。

复杂环境牛只目标检测是基于机器视觉的牛只数量精准盘点的关键问题,受牛只拥挤导致的遮挡以及牛只处于摄像头边缘位置导致的牛只个体不完整等因素的影响,现有的牛只目标检测方法无法适用于养殖场复杂环境。本文提出一种基于Swin-Transformer(SWT)-YOLOV5s网络的复杂环境牛只检测算法:首先提出双层shortcut(SC)-SWT与多层卷积级联的牛只特征提取骨干网络SWT-Backbone,利用SC-SWT模块关注全局特征的特点,结合关注局部特征的含残差多层卷积模块增加网络的深度和感受野,使模型充分提取牛只的全局特征与局部特征。然后提出not shortcut(NSC)-SWT与金字塔网络级联的特征融合目标检测头SWT-Head,通过金字塔网络构建SWT-Backbone骨干网络所提取的全局特征与局部特征多尺度融合的特征金字塔,结合NSC-SWT模块Transformer的全局感受野和C3模块的CNN局部感受野,使模型更准确地检测筛选特征金字塔中高语义层次的牛只全局特征及表征牛只细节的局部特征,同时高效去除背景环境的特征干扰,提升了复杂环境下牛只目标的检测精度。采用实验室采集的COWYCTC-1480数据集进行实验,与本文方法在测试集上的精确率、召回率和mAP分别高出YOLOV5s算法7%、2%、11.1%,高出SSD算法20.8%、32%、29.3%。

本文提出了一种基于信号前导图像和多语义特征融合网络的P波段突发信号调制方式识别算法。该算法充分利用了P波段突发信号的前导特征,解决了低信噪比环境下信号信息段特征难以区分的问题,同时,避免了传统信号前导自相关识别算法对信号前导先验信息的依赖以及频偏影响。该算法首先利用信号前导频谱完成图像化构造,利用不同突发信号前导规律码字所形成的频谱特征进行区分;其次,所提多语义特征融合网络既充分利用了低层残差网络提取信号的前导频谱边缘轮廓等纹理特征,又融合了高层残差网络提取信号频谱抽象复杂的高级语义特征,以此解决了残差网络仅利用高级抽象语义特征而忽视低级特征的问题,提高了突发信号调制方式识别性能。实验结果表明,相较于信号前导自相关算法、信号信息段频谱图像与ResNet50网络的识别算法以及信号信息段时频图与ResNet50网络的识别算法,在-15 dB信噪比环境下,提出算法识别性能分别提升了20.88%、30.83%、60.39%。