课程文献中心 更多>>

关键词： 配电通信一体化网络   跨域路由优化   变分图自编码器   异构多智能体深度确定性策略梯度算法  

摘要： 配网侧分布式源储荷资源的高比例接入要求更高效的通信通道，以实现其可观可控。但目前配电通信骨干网和接入网在网络结构等方面存在显著差异，且未形成统一的资源管理策略，引起跨网传输时延高、资源利用不充分的难题。为此，本文构建了一种基于多控制器软件定义网络(SDN)的跨域通信架构，实现对骨干网和接入网资源的统一管理，形成配电通信一体化网络(DCIN)。在此基础上，提出一种面向DCIN的跨域路由算法(DCRA)，采用HADDPG算法和变分图自编码器(VGAE)优化跨域路由决策，以多约束无环K最短路算法保障域内路由服务质量，从而构建出完整的DCIN路由方案。仿真结果表明，与现有方法相比，所提算法将平均端到端时延降低了至少10.92%，在丢包率、吞吐量和服务中断率等指标上均有较好表现，验证了其在提升跨域资源利用效率方面的卓越成效。

关键词： 城市文化   城市更新   专题地图设计   地图文化  

摘要： 城市文化地图是城市文化与风貌传播的重要媒介，也在地理信息服务中扮演关键角色。针对当前城市文化地图难以兼顾深度内涵表达和即时服务供给的现状，本研究通过构建城市的时空间坐标系，形成了适应城市动态发展的城市文化地图内容体系框架，随后以重庆市为研究城市实施了重庆市“每周一图”的设计实践，并形成一套能够成体系快速更新，用以提供民生服务、传递城市风貌的城市文化地图设计流程，旨在为城市文化地图的设计提供理论依据和实践参考。

关键词： 航空运输   扇区划分   航路点聚类   航路点相关度   空中交通复杂度   NSGA-Ⅱ算法  

摘要： 航路结构和空中交通态势是影响扇区划分的重要因素。为合理利用空域资源、均衡各扇区空中交通态势，确保空中交通管制的安全性，提出了一种基于空中交通复杂度的扇区划分方法。首先，根据航路点分布和空中交通流量建立航路点相关度计算模型，并结合空中交通复杂度构建了空域网络拓扑图；其次，采用加权模糊C均值聚类算法对空域网络拓扑图进行处理，以确定空域扇区的边界；然后，改进NSGA-Ⅱ算法，以降低并均衡空中交通复杂度为目标，同时引入扇区结构特征作为约束条件对扇区划分进行求解；最后，通过利用华东地区部分管制空域及相关航迹数据，对基于空中交通复杂度的扇区划分进行实例仿真，并与现行扇区结构及基于流量的扇区结构进行对比分析。结果表明：基于复杂度的扇区划分能够提高扇区复杂度和流量的均衡性，有效降低复杂度和流量的极端值，提升空域划分的稳定性，验证了基于空中交通复杂度的扇区划分方法的合理性和有效性。

关键词： 多维时间序列   无监督异常检测   多窗口划分   集成学习   大模型  

摘要： 大模型时代下，大模型的训练和推理需要算力资源的支撑，其中针对算力资源指标数据的异常检测能够有效保障大模型的正常训练和推理.随着大模型参数的增加，大模型使用的算力资源规模日益扩大，其中反映算力运行状态的多类指标数据随着时间推移呈现出更复杂的时序周期性变化.现有的多维时序异常检测方法通常采用预设的窗口大小对多维时序数据进行滑动切片，但忽略不同维度周期特性的统一窗口划分会截断部分维度时序数据的完整周期性模式，阻碍了异常检测模型对多维时序数据正常模式的学习，导致异常检测效果变差.为了解决这一问题，提出了一种基于多窗口划分集成学习的无监督多维时序异常检测方法SELAD.具体地，首先利用傅里叶变换提取多维时序数据中各维度的周期性模式，并鉴于此信息进行多窗口划分，以保留各维度数据的完整周期性模式. 在模型训练过程中，大模型参数量巨大的特点可以解决传统模型在滑动窗口增大后出现记忆瓶颈导致学习效果变差的问题.通过设计一种混合专家模型将保留完整周期划分的时序数据输入融合大模型和LSTM模型的集成学习框架进行训练，以学习并重构各维度的正常时序模式.最终，基于重构误差检测多维时间序列数据中的异常.通过在4个多维时间序列数据集上实验，SELAD在平均F1分数上相比现有方法提升了17.87%～90.77%.

关键词： 电子航道图   质量检查   数据显示   数据质量  

摘要： 电子航道图是长江航道信息化建设的关键，因此保障长江电子航道图的数据质量是长江航运信息化进一步发展的必要条件。但随着航道图数据规范进一步扩充、更新，现有检测工具已然无法满足实际检测需求。基于上述实际需求，本项目开发了电子航道图质量检查显示软件，通过该程序的开发，探索了一套高效、科学的图幅数据检测执行方法，可有效提升图幅数据的检测效率，规范电子航道图质量检查工作，充分保障图幅数据质量，从而为数字航道、智能航道建设提供强大有效的数据支撑，切实保障航道图数据质量的同时，亦可规范电子航道图质量检查工作。

关键词： 几何超图   三维场景图生成   结构化组织   节点聚类   多元关系提取   自适应更新  

摘要： 在计算机图形学与视觉领域，3D场景图生成(SGG)近年来引起了广泛关注。尽管现有研究在粗分类和单一关系标签的准确性方面有所提高，但在细粒度分类和多标签情境下的表现依然不足，无法满足实际应用的需求。为此，提出了一种创新性框架，旨在充分利用上下文信息实现细粒度实体分类、多关系标签以及更高的准确性。该方法由两个核心模块组成：图特征提取模块(GFE)和图上下文推理模块(GCI)。图特征提取模块负责从输入数据中提取实体及交互语义特征保留关键信息，而图上下文推理模块通过引入传统图和超图的结构化特征，通过分析不同实体间的关系，识别邻域内的实体关联度，合并具有相似交互模式的实体，从而学习实体间的交互形式，其中引入的几何超图结构是基于场景布局动态生成的结构化组织信息。通过在3DSSG数据集上的实验评估，该方法在关系预测子任务中表现最为出色，取得了优越的性能。所提出的框架通过融合传统图与超图对于节点和节点间关联的组织能力，有效地改善了3D场景图生成任务中的细粒度分类和多关系标签的识别能力。

关键词： 高光谱解混   深度非负矩阵分解   图约束  

摘要： 高光谱解混旨在将高光谱影像混合像元分解为端元及其对应的丰度。非负矩阵分解(NMF)因其非负性质和良好的可解释性被广泛应用于解混研究，但其单层结构无法挖掘影像中隐藏的深层次特征。已有的深度NMF方法对层次结构的设置限制了该类方法的性能。本文提出了一种基于图约束的深度非负矩阵分解算法(GDNMF)用于高光谱解混，该算法基于深度NMF方法挖掘高光谱影像中的深层次特征，提高模型的表示能力，并在底层的丰度上引入图约束，弥补分解过程中空间信息的损失。算法分为预训练和微调两个阶段，预训练负责学习各层特征，微调阶段通过所有层特征进行优化以减小误差。为增强算法对噪声的鲁棒性，引入了一种基于正负分离的更新规则，推导参数更新算法以优化模型。最后，为了验证该方法的有效性，在合成数据集和真实数据集进行了实验分析。结果表明，与其他经典方法相比，本文方法具更强的抗噪能力，能够实现更精确的端元和丰度估计。

关键词： 完美匹配   分类   递推式关系   通解  

摘要： 首先,把图的完美匹配按匹配一个固定顶点的边进行分类,求出每一类完美匹配数目的递推关系式.其次,把各类完美匹配的递推式相加,得到一组有相互联系的递推关系式,再利用这些递推式之间的相互关联,消去那些不需要的递推关系式,从而得到这个图的完美匹配数目的递推关系式.最后解出这个递推式的通解,进而得到这个图的完美匹配数目的显式公式.

关键词： 超声心动图   心肌病   基因心超  

摘要： 心肌病是一组以心肌结构和功能异常为特征的疾病，常导致心力衰竭、心律失常以及猝死等严重后果。心肌病的病因复杂多样，包括遗传因素、代谢和内分泌紊乱、感染、中毒、自身免疫性疾病、物理化学因素等。早期、准确的诊断对于及时治疗和疾病管理至关重要。在众多的诊断工具中，超声心动图因其无创、实时和便捷的特点，成为临床诊断心肌病的首选工具，在国内外心肌病管理指南中，超声心动图诊断都是重要的组成部分。本文将评述超声心动图在心肌病诊疗中的应用价值，分析其优势与局限性，并展望未来发展方向。