极大3限制边连通二部图的充分条件

设G=(V,E)是一个连通图.称一个边集合S■E是一个k限制边割,如果G-S的每个连通分支至少有k个顶点.称G的所有k限制边割中所含边数最少的边割的基数为G的k限制边连通度,记为λ_k(G).定义ξ_k(G)=min{[X,■]:|X|=k,G[X]连通,■=V(G)\X}.称图G是极大k限制边连通的,如果λ_k(G)=ξ_k(G).本文给出了围长为g>6的极大3限制边连通二部图的充分条件.     

层间单向耦合星形圆环状网络的同步能力

多层复杂网络同步是网络科学研究的一个前沿方向,目前对多层复杂网络同步性的研究大多集中在无向多层复杂网络上,而更加贴近于实际的多层有向网络研究很少.首先根据主稳定方程(MSF)严格计算出M层层间单向耦合星形圆环状网络的超拉普拉斯矩阵的特征值谱,并得到反映M层层间单向耦合星形圆环状网络同步能力的重要指标,其次讨论了M层层间单向耦合星形圆环状网络在同步域为有界和无界的两种情况下同步能力与层数、节点数、层间耦合强度和层内耦合强度及中心节点耦合强度之间的关系.最后通过数值模拟给出了层间单向耦合星形圆环状网络同步能力的仿真图像,验证了理论结果的有效性.     

基于TOPSIS模型的机场网络节点重要度评估

在机场网络中单个机场节点的失效往往会对其他的节点产生影响,特别是关键节点的失效会波及整个网络.准确客观的识别重要节点机场关乎整个机场网络的安全运营.本文分析了机场网络拓扑特性中的度、集聚系数和接近度指标,考虑了机场旅客吞吐量和所在城市人口等交通经济特性指标,使用熵权法确定权重的基础上,应用TOPSIS法构建综合评价体系模型,最后以华东地区机场网络为例进行节点重要度排序.结果表明与单一指标的评估结果相比,该方法更加全面客观的确定不同属性指标的权重,避免了不同指标取值的差异性,使评价更加全面,更符合机场网络实际运营情况.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

基于贝叶斯网络的船舶港口国监督检查滞留风险研究

针对港口国监督(Port State Control, PSC)检查的复杂性和不确定性, 基于贝叶斯网络理论构建船舶PSC检查滞留风险分析模型. 以东京备忘录(Tokyo MOU)中2014~2017年船舶PSC检查样本数据为基础, 运用R语言bnlearn包进行贝叶斯网络的结构及参数学习. 同时分别执行贝叶斯网络的正向、逆向推理, 定量表示各风险因素与滞留结果之间的相互作用关系, 找出导致船舶滞留的高风险因素, 实现不确定环境下船舶PSC检查滞留风险的全面动态分析. 实证表明, 模型具有较高的精确度, 可为检查人员的滞留决策及航运公司的安全风险管理提供有效依据.     

多层网络级联失效的预防和恢复策略概述

现实生活中,与国计民生密切相关的基础设施网络大多不是独立存在的,而是彼此之间相互联系或依赖的,于是用于研究这些系统的多层网络模型随之产生.多层网络中的节点在失效或者遭受攻击后会因"层内"和"层间"的相互作用而产生级联效应,从而使得失效能够在网络层内和层间反复传播并使得失效规模逐步放大.因此,多层网络比单个网络更加脆弱.多层网络级联失效产生的影响和损失往往是非常巨大的,所以对多层网络级联失效的预防和恢复的研究具有重大意义.就多层网络级联失效的预防而言,主要包含故障检测,保护重要节点,改变网络耦合机制和节点备份等策略.就多层网络发生级联失效后的恢复策略而言,主要包含共同边界节点恢复、空闲连边恢复、加边恢复、重要节点优先恢复、更改拓扑结构、局域攻击修复、自适应边修复等策略.     

基于串联两阶段网络DEA模型的供应链规模收益分析

数据包络分析(DEA)是评价供应链系统(Supply chain system)间相对有效性的一种重要的工具,但是传统的DEA不考虑供应链的内部结构,对系统效率评价偏高;而本文所研究两阶段串联供应链系统,考虑把部分中间产品作为最终产品输出,增加额外中间投入的情形.基于所提出的供应链系统结构,本文建立相应的串联结构下的网络DEA模型,并针对所建立模型进行相关理论的研究,给出了串联结构下的生产可能集和规模收益情况判定方法.最后,进行数值实验,以验证我们提出的结论.     

网络环境下航天器交会对接系统的鲁棒H_∞滤波

以航天器空间交会对接为背景,探讨了其网络环境下的鲁棒H?滤波问题。基于传统的C-W方程,重新构建网络环境下航天器交会对接系统的数学模型。选取时滞相关Lyapunov函数并结合自由权矩阵处理方法,给出网络化滤波误差系统渐近稳定且满足H?性能的充分条件,进而将滤波器的设计转化为受线性矩阵不等式约束的凸优化求解问题。仿真表明,最劣情况下最优的H?扰动抑制水平达到??1.4142,得到的相对位置和速度估计误差分别为0.07与0.02,证明该算法是可行且有效的。     

城市群应急资源协调调配的超网络模型

针对灾害事件跨城域、单个城市应急能力有限等情形,提出了城市群协调应急的超网络结构;通过分析应急优化目标和对受灾点实施资源救助的最优决策行为,构建了城市群资源协调调配的超网络模型,并将其转化成等价变分不等式互补形式进行数值求解;分别设计各城市独自应急和城市群协调应急算例,说明各应急主体间连接的脆弱性和应急能力上限、各受灾点脆弱性、以及城市间协调成本等关键参数对资源调配方案选择的重要影响.     

基于双向长短期记忆网络的太赫兹光谱识别

特征提取是太赫兹光谱识别的关键处理步骤，通常利用降维方法作为特征提取手段。然而，当一些化合物的太赫兹光谱曲线整体差异度较小时，降维方法往往会缺失样本差异的重要特征信息，从而导致分类错误。如果不采用降维方法提取特征，传统机器学习分类算法对维数较高的原始太赫兹光谱数据又不能很好的分类。针对此问题，提出了一种基于双向长短期记忆网络（BLSTM-RNN）自动提取太赫兹光谱特征的识别方法。BLSTM-RNN作为一种特殊的循环神经网络，利用其LSTM单元可以有效解决原始太赫兹光谱数据维数较高使得模型难以训练问题。再结合模型的双向频谱信息利用架构模式，可以增强模型对复杂光谱数据自动提取有效特征信息的能力。采用三类、15种化合物太赫兹透射光谱作为测试对象，首先利用S-G滤波和三次样条插值对Anthraquinone，Benomyl和Carbazole等十五种化合物在0.9～6 THz内的太赫兹透射光谱数据进行归一化处理，然后通过构建一个具有双向长短期记忆的循环神经网络对太赫兹光谱的全频谱信息进行自动特征提取并利用Softmax分类器进行分类。通过试验优化网络结构和各项参数，最终获得了针对复杂太赫兹透射光谱数据的预测模型，并与传统机器学习算法SVM，KNN及神经网络算法MLP，CNN进行对比实验。结果表明，dataset-1和dataset-2分别作为差异度较大和无明显峰值特征的五种化合物太赫兹透射光谱数据集，其平均识别率分别为100%和98.51%，与其他方法相比识别率有所提高；最重要的是，dataset-3作为5种化合物谱线极为相似的太赫兹透射光谱数据集，其平均识别率为96.56%，与其他方法相比识别率提高显著；dataset-4作为dataset-1，dataset-2和dataset-3的透射光谱数据集集合，其平均识别率为98.87%。从而验证了BLSTM-RNN模型能自动提取有效的太赫兹光谱特征，同时又能保证复杂太赫兹光谱的预测精度。在选择模型训练优化算法方面，使用Adam优化算法要好于RMSProp，SGD和AdaGrad，其模型的目标函数损失值收敛速度最快。同时随着模型训练迭代次数增加，相似太赫兹透射光谱数据集的预测准确率也不断提升。可为复杂太赫兹光谱数据库的光谱识别检索提供一种新的识别方法。