字符串单模式匹配算法研究

字符串匹配问题是计算机科学的基础问题之一,被广泛应用于涉及文字和符号处理的各个领域中。本文主要解说了BF算法、KMP算法、BM算法等单模式匹配算法,并且对诸算法进行了对比分析。     

基于三维识别的中国干旱事件演变特征分析北大核心CSCD

中国是世界上受干旱影响最严重的国家之一,干旱频发给我国经济社会发展和生态环境造成严重影响。为分析近40 a干旱事件的时空特征,本文结合三维聚类算法,从干旱事件时空联动的本质出发,识别中国1981—2020年间干旱事件并定量分析干旱事件的时空动态演变过程。主要结论如下:三维聚类算法能有效识别干旱事件及其动态变化过程。中国1981—2020年间发生持续2个月及以上的干旱事件102场,空间上,干旱事件空间轨迹倾向于自东向西发展;时间上,干旱事件时间重叠度较高,长历时干旱多具有多峰特点。此外,覆盖范围广且严重度高的干旱事件集中发生于2005—2010年。本文结论有助于发现中国干旱事件的时空演化规律,为我国干旱监测和干旱风险管理提供科学参考。     

满窗春色关不住

我和女儿都酷爱种花。多少年来我们一直渴望能拥有属于自己的哪怕是极小的庭院,在那里种满美丽芬芳的花儿。可是,在杭州我们只有一处70余平米的蜗居,那个微型的阳台也只勉强满足我们晒衣物之用。即便如此,我们从     

ABS与ASR控制算法研究及对比分析

对汽车而言，ABS是在制动过程中控制车轮的滑移率，ASR是在驱动过程中控制车轮的滑转率。为此，主要介绍了ABS和ASR的几种典型控制算法；说明了二者之间在算法中的相似和不同之处；同时，阐述了ASR的控制途径以及分析了ABS算法中的一些不足之处。     

基于混沌算法的工程车辆自动变速神经网络控制

为了克服BP神经网络收敛速度慢和易陷入局部极小点的不足，提出了一种基于混沌算法的工程车辆自动变速神经网络控制方法，并利用ZL50型装载机传动系统换挡控制试验的数据进行了验证性仿真试验。仿真结果表明：该方法对于车辆自动换挡智能控制是可行的，可以根据操作工况实现正确的变速挡位决策。     

泵站竖井进水流道数值模拟与装置特性试验

采用雷诺平均纳维—斯托克斯方程(RANS)和标准kε湍流模型,运用SIMPLEC算法,对椭圆型线前置竖井贯流进水流道内的流动进行了三维数值计算,揭示了竖井进水流道内流场、特征断面的速度分布及水力损失规律。对椭圆型线竖井进水流道与出水流道匹配组成的模型泵装置进行动力特性试验,得出了4种叶片角度下的泵装置特性曲线。研究结果表明:采用椭圆型线设计的竖井进水流道合理;大型低扬程泵站采用卧式竖井贯流结构,泵装置效率较高。     

基于模拟退火算法的减速器多目标优化设计

提出了采用模拟退火算法进行减速器参数的全局优化的方法;针对斜齿轮减速器优化设计的多参数、多目标、多约束特点,建立了多目标优化数学模型;应用层次分析法计算了各目标权重。仿真结果表明,优化参数比原设计参数的优化解要好,说明模拟退火算法用于减速器优化设计是有效、可行的。     

基于改进BP神网络的离心泵性能预测

采用改进神经网络(贝叶斯正则化算法)对IB型单级离心泵水力模型的性能进行了预测,通过工程实践中得到的100组离心泵最优几何尺寸来训练网络,并用训练好的网络对需生产的水泵进行工况预测。结果显示,用改进神经网络来预测单级离心泵的性能,预测误差不超过6%。     

基于计算机视觉技术的水果分级研究进展

较为全面地介绍了国内外基于计算机视觉技术的水果外观品质的单指标分级、多指标综合分级和水果内部品质检测分级的研究现状与方法,指出了现有研究中研究对象较单一、图像采集不全面、图像处理算法不多、精度不高等存在的主要问题.同时,提出了未来水果分级的发展方向,认为水果内外品质融合的一体化分级技术是未来的发展趋势.     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。