摘要： 動態(tài)合乘是出行路線相似的出行者共用一輛車的交通方式,能夠有效利用現(xiàn)有資源,最大化社會效益。當(dāng)前合乘研究存在司機-乘客匹配質(zhì)量不高,算法實時性差等局限。提出了考慮訂單匹配數(shù)量、司機旅行時間、乘客等待時間與乘客延誤時間的司機-乘客合乘匹配模型。針對模型特點,設(shè)計了基于分解方法的司機-乘客合乘匹配與路徑規(guī)劃算法。通過選擇貪心隨機自適應(yīng)搜索算法、粒子群算法與本文的算法對比,成都市網(wǎng)約車數(shù)據(jù)驗證,結(jié)果表明:分解算法下司機與乘客不方便成本低于貪心與粒子群算法;分解算法訂單匹配率在90%以上,高于貪心與粒子群算法的80%~90%匹配率。通過對比證明,所提出的模型與算法,能夠在保證高匹配率的前提下,降低出行不方便成本,提高算法實時性,在實際工程中有較好的應(yīng)用效果。

摘要： 基于模方法和低秩近似的快速非負(fù)張量環(huán)分解算法余煜塬,謝侃,余錦視,蔣祺,謝勝利非負(fù)張量環(huán)(nonnegative tensor ring,NTR)分解是一種用于同時捕獲張量目標(biāo)潛在特征和保留張量數(shù)據(jù)多線性結(jié)構(gòu)的有力工具.現(xiàn)有的NTR算法在優(yōu)化過程中依賴于頻繁的變形和置換操作,并通過改變步長或投影技術(shù)來確保變量非負(fù)性,這導(dǎo)致了算法收斂速度較慢,尤其是在大規(guī)模問題中.首先,本文提出了一種基于模方法的NTR算法(NTR-MM),該算法可以通過模方轉(zhuǎn)換來約束核心張量的非負(fù)性.其次,提出了LRA-NTR-MM算法,通過將低秩近似(low-rank approximation,LRA)引入NTR-MM算法,顯著降低了NTR-MM算法的計算復(fù)雜度并抑制噪聲.最后,實驗結(jié)果表明,LRA-NTR-MM算法在保持特征提取有效性的同時,比現(xiàn)有同類型算法具有更高的計算效率.

摘要： 針對短期電力負(fù)荷預(yù)測精度低與準(zhǔn)確性差的問題,設(shè)計了CEEMDAN-DISPSO-LSTM混合預(yù)測模型.運用自適應(yīng)噪聲的完全集成經(jīng)驗?zāi)Ｊ?font color="red">分解算法以獲取平穩(wěn)負(fù)荷序列,采用改進的動態(tài)個體-群體粒子群算法求解長短期神經(jīng)網(wǎng)絡(luò)參數(shù)的最優(yōu)值,利用最優(yōu)參數(shù)值構(gòu)建的LSTM網(wǎng)絡(luò)進行負(fù)荷預(yù)測.仿真結(jié)果表明:與其他模型相比,該混合預(yù)測模型取得了較低的電力負(fù)荷預(yù)測誤差,其誤差評價指標(biāo)RMSE、MAE和MAPE分別為43.71 MW,28.53 MW和0.81％,有效地提高了短期電力負(fù)荷的預(yù)測精度和準(zhǔn)確性.

摘要： 由于電源的波動性使得配電網(wǎng)故障恢復(fù)需要考慮更多的不確定因素,因此提出了一種考慮分布式電源出力不確定性的故障恢復(fù)方法。首先,基于仿射理論對分布式電源出力不確定量進行分析,并建立了以失電負(fù)荷恢復(fù)量最大為目標(biāo)函數(shù)、以系統(tǒng)運行可靠性為約束條件的配電網(wǎng)故障恢復(fù)模型;其次,根據(jù)分段線性逼近思想將原二次項約束轉(zhuǎn)化為線性可解形式,同時采用分解算法將轉(zhuǎn)化后的故障恢復(fù)模型進行迭代求解;最后,通過算例仿真測試結(jié)果表明,所提故障恢復(fù)方法在分布式電源波動惡劣場景下能夠恢復(fù)更多的失電負(fù)荷,具有較高的工程應(yīng)用價值。

摘要： 針對短期電力負(fù)荷預(yù)測精度低與準(zhǔn)確性差的問題,設(shè)計了CEEMDAN-DISPSO-LSTM混合預(yù)測模型.運用自適應(yīng)噪聲的完全集成經(jīng)驗?zāi)Ｊ?font color="red">分解算法以獲取平穩(wěn)負(fù)荷序列,采用改進的動態(tài)個體-群體粒子群算法求解長短期神經(jīng)網(wǎng)絡(luò)參數(shù)的最優(yōu)值,利用最優(yōu)參數(shù)值構(gòu)建的LSTM網(wǎng)絡(luò)進行負(fù)荷預(yù)測.仿真結(jié)果表明:與其他模型相比,該混合預(yù)測模型取得了較低的電力負(fù)荷預(yù)測誤差,其誤差評價指標(biāo)RMSE、MAE和MAPE分別為43.71 MW,28.53 MW和0.81％,有效地提高了短期電力負(fù)荷的預(yù)測精度和準(zhǔn)確性.

摘要： 為解決L系統(tǒng)文法在字符迭代過程中生成效率低下的問題,提出一種基于并行框架的分解算法.通過L系統(tǒng)的文法特征將L系統(tǒng)進行分類,將分類后的文法字符進行多線程處理,提高文法的生成效率.可直接操作純文本的L文法字符串,無需任何編譯、鏈接翻譯過程.實驗結(jié)果表明,該算法可以高效處理參數(shù)化L系統(tǒng)、上下文敏感L系統(tǒng)和隨機化L系統(tǒng),當(dāng)文法數(shù)量達到百萬級規(guī)模時,算法生成文法的效率提高了25％.

摘要： 傳統(tǒng)的時序芯片設(shè)計方法每一輪清掃調(diào)度計算時間較長,為此,提出FPGA協(xié)方差特征分解在時序芯片設(shè)計中的應(yīng)用。采用FPGA協(xié)方差特征分解矩陣,完成新一輪清掃調(diào)度,在此基礎(chǔ)上,設(shè)置時序芯片查詢路徑,完成基于FPGA協(xié)方差特征分解的時序芯片設(shè)計。實驗中,分別測試兩個設(shè)計方法清掃調(diào)度的計算時間,實驗結(jié)果表明,所建設(shè)計方法的計算時間短,更符合設(shè)計需求。

摘要： 本文提出了一種新的基于用戶交互的單幅RGB-D圖像本征圖像分解算法.考慮到光照的空間變化性,本文將光照圖像分解為遠距離部分與近距離部分,從而得到了一個新的包含三個本征屬性部分(遠距離光照項、近距離光照項以及材質(zhì)項)的本征圖像模型,基于該模型,本文采用兩步策略以先后求取遠距離光照項和其余兩項.在對遠距離光照項的求解過程中,提出了一種新的基于球面調(diào)和函數(shù)的光照估計算法,并將恢復(fù)的光照作為分解先驗約束,以獲得更為準(zhǔn)確的分解結(jié)果,同時本文的能量方程也可減少深度圖像噪聲對分解結(jié)果的影響;之后,引入用戶交互,以獲得部分材質(zhì)相同但光照條件不同的像素,并設(shè)計算法,將用戶交互約束傳遞至全圖,從而實現(xiàn)對于場景材質(zhì)圖像及近距離光照圖像的分解.實驗結(jié)果證明了本文算法的有效性。

摘要： 在電力工業(yè)市場化的過程中，省級電力市場普遍采用中長期合同的交易方式。本文提出了一種切實可行的火電機組合同電量分解算法。該方法綜合考慮了發(fā)電－負(fù)荷平衡、機組月度檢修計劃調(diào)整、合同電量的滾動修正等因素。以該算法為核心成功地開發(fā)了電網(wǎng)經(jīng)濟調(diào)度系統(tǒng)，并利用甘肅電網(wǎng)的相關(guān)數(shù)據(jù)驗證了其實用性和有效性。

摘要： 針對二維形狀的金字塔快速分解在拼圖游戲等應(yīng)用中的需求,首先實現(xiàn)了由Aggarwal等提出的算法,其基于可視性原理,能夠在在O(nlog3n)時間和O(n)空間內(nèi)求出任意多邊形的最長對角線;然后基于最長對角線提出分而治之的金字塔分解算法.大量實驗結(jié)果表明,該算法是有效的,且最終得到的金字塔分解結(jié)果接近最優(yōu)解;在拼圖游戲的應(yīng)用中展示了二維金字塔形狀的有用性.

摘要： 二維形狀的金字塔分解是幾何處理中的一個基本問題,被廣泛應(yīng)用于形狀編碼和形狀分析中.求解二維形狀的最優(yōu)金字塔分解(塊數(shù)最少)是一個NP難問題.本文首先實現(xiàn)了由Aggarwal和Suri提出的算法,它基于可視性原理能夠在3O(nlog n)時間和O(n)空間內(nèi)求出任意多邊形的最長對角線;然后基于最長對角線,本文提出了分而治之的金字塔分解算法,并證明了它的平均時間復(fù)雜度為O(nlog n).大量的實驗結(jié)果表明,本文算法的運行速度非?？?實際的運行時間與邊界上的采樣點數(shù)基本呈線性關(guān)系,而且最終得到的金字塔分解結(jié)果接近最優(yōu)解。

摘要： 本文基于黑白圖像的稀疏分解算法,將其推廣到彩色圖像上,以實現(xiàn)彩色圖像的稀疏分解.一幅彩色圖‘像可以看成是R、G、B或是Y、U、V三個分量組成,對此三個分量分別采用黑白圖像的稀疏分解算法,得到其各自的稀疏表示,從而最終實現(xiàn)彩色圖像的稀疏分解.本文通過大量實驗證明了這一方法的可行性,并對比了在兩個彩色空間進行處理的優(yōu)劣性,最終選擇了YUV空間.最后本文對彩色圖像稀疏表示得到的數(shù)據(jù)進行了量化,并將其壓縮效果與傳統(tǒng)的JPEG壓縮進行了比較,證明了稀疏分解在彩色圖像的低比特壓縮時的優(yōu)良特性.

摘要： 地震信號譜分解技術(shù),已廣泛應(yīng)用于確定地層厚度、地層可視化、儲層的刻畫和直接的烴類檢測.短時傅里葉變換是一種發(fā)展較早的時頻分析技術(shù),但該方法時頻分辨率受所選時窗的限制.Wigner分布是另一種計算時頻分析的方法,具有較好的時頻局部化性質(zhì),但受交叉項影響.近幾年來又發(fā)展了基于連續(xù)小波(CWT)的時頻分析技術(shù),它將信號分解為不同尺度的時頻原子,可以較好地適應(yīng)地震信號的時頻特性,但小波族是建立在尺度與頻率成反比的基礎(chǔ)上,而在小波框架中展開系數(shù)不能對波形頻率組分進行精確的的估計.匹配追蹤(MP)算法是一種貪婪迭代算法,它通過建立與地震信號時頻特征相匹配的冗余字典,將地震信號分解為一系列原子向量的線性加權(quán)展開.本文主要探討了各種算法的實用性，并對其實際應(yīng)用進行了分析。

摘要： a本文采用小波方法建立了基于Volterra級數(shù)的非定常氣動力降階模型。在模型識別過程中，激勵是光滑連續(xù)的且以零階保持方式進行離散，近似的一階Volterra核基于Haar尺度函數(shù)族展開。為了獲得一階核的各項展開系數(shù)，需要求解由輸入/輸出數(shù)據(jù)組成的超定方程，其中涉及到奇異值分解算法。為了驗證小波方法的有效性，算例選取了二維的NACA64a010翼型。數(shù)值結(jié)果表明該方法能夠比較準(zhǔn)確地預(yù)測結(jié)構(gòu)小擾動引起的非定常氣動力響應(yīng)且能描述一定的非線性現(xiàn)象。

摘要： 本報告簡要介紹有機與生化分析中的“數(shù)學(xué)分離”和直接定量分析的若干新進展，包括基礎(chǔ)理論和應(yīng)用研究?；A(chǔ)理論研究包括：二階校正的交替懲罰三線性分解算法、二階校正的交替非對稱三線性分解算法、交替懲罰四線性分解算法。應(yīng)用基礎(chǔ)研究包括：尿液和血漿中氫化可的松和波尼松龍的同時測定、三維熒光結(jié)合三線性分解二階校正方法對血漿中美托洛爾進行直接測定。

摘要： 提出了基于混合基函數(shù)的信號分解方法,選取過完備小波包基函數(shù)逼近連續(xù)譜主要分量,用余弦基函數(shù)逼近線譜.通過對基函數(shù)的通帶通性進行分析,選取合適的小波或小波包基函數(shù).該方法通過引入稀疏性分解,僅使用少數(shù)小波包基函數(shù)就能夠準(zhǔn)確重構(gòu)連續(xù)譜主要分量的時域信號形式.

摘要： 現(xiàn)代企業(yè)計算的業(yè)務(wù)過程越來越復(fù)雜,有很多分散且相對獨立的組織機構(gòu),為了協(xié)同來自不同組織的業(yè)務(wù)過程,文中提出一種IOPB模型(面向交互的Petri網(wǎng))用于描述跨組織的工作流協(xié)同,該模型包含組織內(nèi)的過程模型和組織間的交互關(guān)系.為了確保IOPB模型能夠被正確地執(zhí)行,文中提出IOPB模型的弱合理性(relaxed soundness)作為IOPB模型的正確性標(biāo)準(zhǔn)之一.IOPB模型是一種復(fù)合模型,其規(guī)模一般較大,采用基于狀態(tài)空間的分析方法,容易產(chǎn)生狀態(tài)空間爆炸問題,為此文中提出基于不變量的分解方法,能夠?qū)⒁粋€弱合理的無回路IOPB模型分解為一組順序圖,并提出相關(guān)定理:一個無回路IOPN模型是弱合理的當(dāng)且僅當(dāng)其可以被分解為一組合法的順序圖.

摘要： 本發(fā)明公開了一種基于小波變換、奇異值分解、海森堡分解和果蠅優(yōu)化算法的圖像隱藏方法，其特征在于，包括如下步驟：1）水印的嵌入；2）水印的提??；3）圖像隱藏。這種方法能使嵌入水印的圖像具有良好的隱蔽性、該圖像受到圖像操作攻擊和幾何攻擊時具有強魯棒性，特別是在對抗縮放攻擊、濾波攻擊、噪聲攻擊、銳化攻擊、JPEG壓縮和JPEG 2000壓縮攻擊時有著很強的魯棒性。

摘要： 本發(fā)明公開了一種基于遺傳算法的水印框架算法與小波包分解多功能教學(xué)裝置，包括底板，所述底板的下端四角固定安裝有四個滾輪，所述底板的上端固定安裝有若干個呈等間距分布的滑動組件。本發(fā)明通過設(shè)置的滑動組件和調(diào)節(jié)組件，通過拉動拉把在凹塊內(nèi)轉(zhuǎn)動由支柱帶動拉線收縮，拉線帶動擋柱和卡柱向檔環(huán)的方向移動，然后使用者向上抬升固定板，固定板帶動面板向上移動，滑塊帶動滑塊在滑槽內(nèi)向上滑動，將面板滑動到合適的位置后，松開拉把彈簧帶動擋柱和卡柱在安裝孔內(nèi)滑動，卡柱卡在卡孔內(nèi)從而進行固定，擋塊阻擋滑塊防止滑塊滑出滑槽，設(shè)置有多組滑動組件可以方便工作人員進行使用，也可以便于使用是人員進行教學(xué)。

摘要： 一種基于CART剪枝算法的電網(wǎng)能源成分分解及能源溯源算法，涉及能源溯源技術(shù)領(lǐng)域，以輸配電系統(tǒng)能源傳輸3原則為基礎(chǔ)，從末端電源點開始分析，先確定末端電源點能源占比和能源溯源信息，然后刪除這些電源點，再從余下的拓?fù)涔?jié)點中查找輸入線能源占比全部確定的葉子節(jié)點進行繼續(xù)分析，如此遞歸往復(fù)，直到所有節(jié)點能源占比和能源溯源信息均確定。本發(fā)明的有益效果在于：本發(fā)明在充分混合能源傳輸系統(tǒng)3原則基礎(chǔ)上，采用基于CART剪枝算法分析多種能源供應(yīng)電網(wǎng)系統(tǒng)各節(jié)點的能源占比和能源溯源情況，解決了混合能源輸送后，用能構(gòu)成不明的現(xiàn)狀，為今后新能源設(shè)計布點、能源交易和能源決策過程提供數(shù)據(jù)支撐。

摘要： 本發(fā)明公開了一種基于分解?并行遺傳算法的約束優(yōu)化算法，將約束優(yōu)化算法所針對的問題分解成Q個子問題和1個常規(guī)問題，先采用遺傳算法分解得到的Q個子問題并行進行迭代進化，直到每個子問題所對應(yīng)的種群中至少有一半以上的染色體滿足該子問題的約束條件，從子問題中選擇滿足約束條件的染色體按順序組成多條染色體，作為常規(guī)種群的初始種群；然后對常規(guī)問題和子問題進行并行遺傳算法迭代，達到遷移間隔時即分別進行前向遷移和后向遷移，當(dāng)遷移次數(shù)達到閾值，從常規(guī)問題的種群中選擇最優(yōu)染色體作為約束優(yōu)化問題的解。本發(fā)明采用分解?并行遺傳算法，可以快速求解出約束優(yōu)化問題的最佳或近優(yōu)解。

摘要： 本發(fā)明的脂肪族聚酯系生物可分解性樹脂用分解促進劑含有堿性硫酸鎂。

摘要： 本發(fā)明公布了基于分解多目標(biāo)遺傳算法的軟件生態(tài)系統(tǒng)社區(qū)檢測方法。目前提出的多目標(biāo)社區(qū)檢測算法中，分解多目標(biāo)遺傳算法為該問題提出了一個高效的新思路。但是，算法局部搜索能力較差，應(yīng)用于社區(qū)劃分問題也需要多角度考慮具體的軟件生態(tài)系統(tǒng)的社區(qū)結(jié)構(gòu)特征?；诖?，本章針對具體特征提出節(jié)點歸屬度函數(shù)作為社區(qū)檢測問題模型的目標(biāo)函數(shù)，并利用基于節(jié)點歸屬度函數(shù)的標(biāo)簽傳播算法進行編碼初始化，為算法提供一個高效的初始解。在此基礎(chǔ)上，具體分析改進個體混合交叉策略，并融合模擬退火算子以提高算法的局部進化能力。

摘要： 本發(fā)明提供了基于光矢量分解合成及惠更斯?菲涅爾的矢量衍射算法，包括如下步驟：對沿x方向偏振的入射光，其傳播到探測面上任意一點(x,y)，將x方向的電場強度Ex分解為s光Es和p光Ep，入射光傳播到探測面Es不改變方向，Ep改變方向；對改變方向的Ep和不改變方向的Es重新進行矢量合成，得到x，y和z方向的分量E’x、E’y、E’z；將分量E’x、E’y、E’z的表達式帶入惠更斯?菲涅爾衍射公式得到矢量的惠更斯?菲涅爾衍射。本發(fā)明獲得的矢量的惠更斯?菲涅爾衍射和Richard?Wolf矢量衍射公式進行模擬對比可知，二者差別很小，僅在高數(shù)值孔徑下有細微的差別，且本算法理論原理簡單明了、計算方便。

摘要： 本發(fā)明公開了一種基于目標(biāo)級聯(lián)分解算法的噪聲指標(biāo)分解方法，所述方法包括：步驟1)確定整體噪聲指標(biāo)，建立整體噪聲指標(biāo)分解問題；步驟2)依據(jù)功能、結(jié)構(gòu)和學(xué)科領(lǐng)域?qū)栴}拆分至滿足精細程度的各設(shè)計單元；步驟3)基于各設(shè)計單元，進行參數(shù)初始化，選定求解算法，設(shè)定迭代次數(shù)上限和迭代更新步長；步驟4)在迭代更新次數(shù)未超出迭代次數(shù)上限時，根據(jù)求解算法，并行求解拆分后的各個子優(yōu)化問題，判斷是否滿足終止條件，判斷為是，轉(zhuǎn)至步驟5)，否則迭代次數(shù)加1，并轉(zhuǎn)至步驟4)繼續(xù)優(yōu)化；若迭代更新次數(shù)超出迭代次數(shù)上限，則轉(zhuǎn)至步驟3)進行相應(yīng)調(diào)整再次進行優(yōu)化求解；步驟5)整理優(yōu)化結(jié)果，輸出噪聲指標(biāo)分解報告。

摘要： 發(fā)明公開了一種基于粒子群算法的變分模態(tài)分解算法參數(shù)優(yōu)化方法,屬于非平穩(wěn)信號時頻分析方法的范疇.該方法主要流程：首先定義能夠反映非平穩(wěn)信號特征模態(tài)函數(shù)(Intrinsic Mode Function，IMF)分解效果的特征量即IMF傅立葉譜的熵，以IMF的傅立葉譜熵函數(shù)作為粒子群優(yōu)化算法的適應(yīng)度函數(shù)；再對PSO算法進行初始化，然后開始搜索適應(yīng)度函的數(shù)最優(yōu)解；最后，把得到的最優(yōu)解作為變分模態(tài)分解算法的參數(shù)。本發(fā)明提出的方法，即通過粒子群算法自動求解出變分模態(tài)分解算法K，α的最優(yōu)參數(shù)組合，求出的參數(shù)K和α不僅最優(yōu)，而且快速高效。

摘要： 本發(fā)明提供的是一種基于雷達和變分模態(tài)分解算法的心率測量方法。所述方法為：利用雷達進行探測，將得到的回波信號，進行快時間采樣和慢時間采樣，將快時間采樣轉(zhuǎn)換為距離信號，慢時間采樣積累為原始時間序列信號，利用牛頓法求解最佳k值，通過VMD(Variational Mode Decomposition)算法對這兩種信號分別進行分解，得到各自的k個VIMF(variational Intrinsic Mode Functions)分量，做頻譜分析，由確定心率頻率范圍確定對應(yīng)的VIMF分量，從而得到兩個心跳信號，對兩個信號做閾值判斷，從而得到心率。本發(fā)明方法具有非接觸、體積小、高精度、實時性等特點，在健康監(jiān)測領(lǐng)域具有重大意義，并且具有普適性。