首页期刊导航|吉林大学学报（信息科学版）
期刊信息/Journal information
吉林大学学报（信息科学版）
吉林大学
吉林大学学报（信息科学版）

吉林大学

刘大有

双月刊

1671-5896

nhxb@jlu.edu.cn

0431-85152552;85152551

130012

长春市南湖大路5372号

吉林大学学报（信息科学版）/Journal Journal of Jilin University(Information Science Edition)CSTPCD
查看更多>>本刊主要刊登信息与通信工程、控制科学与工程，计算机科学与工程、仪器科学与工程，电子科学与技术、管理科学与工程，电器工程等方面的学术论文及研究报告。本刊既反映基础理论研究又反映应用技术研究，并注意报道技术开发工作的最新成果，在理论与实践相结合，促进科技成果转化方面具有自己的特色。
正式出版
收录年代

    微波频段小型化频率选择表面设计

    霍佳雨姚宗杉张文尊刘列...
    775-780页
    查看更多>>摘要：为提高频率选择表面的性能，使其可精确控制电磁波在微波频段下的传播特性，实现对电磁波的反射、透射或吸收，设计了一种微波频段小型化频率选择表面。该频率选择表面单元尺寸为0。024λ×0。024λ，小型化性能良好。在1～10 GHz范围内有3个通带，具有极好的极化稳定性和角度稳定性，可保持工作频率和带宽不变，传输性能良好。该研究结果可作为频率选择表面分析的依据，为其小型化设计提供思路。

    频率选择表面微波频段小型化多波段自由空间测试法

      原文链接:
    • 万方数据
    • 维普

    基于PSO-GWO算法的局部阴影光伏MPPT研究

    许爱华王智煜贾皓天袁文俊...
    781-789页
    查看更多>>摘要：针对在局部阴影条件下，光伏阵列的功率-电压特性曲线呈现多个峰值，传统群体智能优化存在收敛速度慢、振荡幅度大和易陷入局部最优等问题，提出一种基于PSO-GWO(Particle Swarm Optimization-Grey Wolf Optimization)算法的MPPT(Maximum Power Point Tracking)控制方法。该算法引入余弦规律变化的收敛因子，平衡GWO算法的全局搜索与局部搜索能力;引入PSO算法，提高灰狼个体与自身经验之间的信息交流。仿真结果表明，提出的PSO-GWO算法在局部阴影条件下不仅能快速收敛，而且功率输出震荡幅度更小，有效提升了局部遮阴条件下光伏阵列的最大功率跟踪效率和精度。

    最大功率点追踪灰狼算法粒子群算法局部阴影

      原文链接:
    • 万方数据
    • 维普

    基于MAPPO的无信号灯交叉口自动驾驶决策

    许曼晨于镝赵理郭陈栋...
    790-798页
    查看更多>>摘要：针对自动驾驶在通过无信号灯交叉口由于车流密集且车辆行为随机不确定的问题，提出一种基于MAPPO(Multi-Agent Proximal Policy Optimization)算法的无信号灯交叉口自动驾驶决策方案。通过MetaDrive仿真环平台搭建多智能体仿真环境，并且设计了综合考虑交通规则、安全到达或发生碰撞等安全性以及交叉口车辆最大、最小速度等车流效率的奖励函数，旨在实现安全高效的自动驾驶决策。仿真实验表明，所提出的自动驾驶决策方案在训练中相较于其他算法具有更出色的稳定性和收敛性，在不同车流密度下均呈现出更高的成功率和安全性。该自动驾驶决策方案在解决无信号灯交叉口环境方面具有显著潜力，并且为复杂路况自动驾驶决策的研究起到促进作用。

    自动驾驶智能决策无信号灯交叉口MAPPO算法

      原文链接:
    • 万方数据
    • 维普

    基于Informer融合模型的油田开发指标预测方法

    张强薛陈斌彭骨卢青...
    799-807页
    查看更多>>摘要：为解决油田开发指标的预测问题，提出了一种基于物质平衡方程和Informer的融合模型。首先，通过物质平衡方程领域知识建立油田开发产量递减前后的机理模型;其次，将所建机理模型作为约束与Informer模型损失函数进行融合建立符合油田开发物理规律的指标预测模型;最后，采用油田实际生产数据进行实验分析，结果表明相比于纯数据驱动的几种循环结构预测模型，本融合模型在相同数据条件下的预测效果更优。该模型的机理约束部分能引导模型的训练过程，使其收敛速度更快，且波峰波谷处的预测更准确。该融合模型具有更好的预测能力和泛化能力和比较合理的物理可解释性。

    Informer模型机理模型深度融合模型预测

      原文链接:
    • 万方数据
    • 维普

    基于改进JPS算法的无人车路径规划

    何精武李伟东
    808-816页
    查看更多>>摘要：为解决传统JPS(Jump Point Search)算法的拐点多和路径次优等问题，提出一种改进的跳点搜索算法。首先，根据地图可行率，对障碍物进行适应性膨胀，以保障安全距离;其次，结合方向性因素对启发函数进行调整，显著提高了路径搜索的目的性;最后，提出了一种能剔除冗余节点的关键点提取策略，优化了初始规划后的路径，在保证路径最短的同时，显著减少了拓展节点和拐角。实验结果表明，与传统的JPS算法相比，所提算法能缩短路径长度并减少拐角数量，同时拓展节点数量平均减少19％，搜索速度平均提升21。8％。

    跳点搜索算法障碍物膨胀方向性关键点提取

      原文链接:
    • 万方数据
    • 维普

    基于CNN-LSTM的复合神经网络在油田污水系统故障诊断中的应用

    钟艳
    817-828页
    查看更多>>摘要：为提高油田污水系统故障诊断的智能化水平和准确性，利用卷积神经网络以及长短期记忆网络构建复合神经网络，并采用Adam与随机梯度下降法对结构进行优化，使模型收敛速度以及故障诊断精度得到提升。通过相关实验研究结果表明，采用的优化算法使模型准确度提升至0。87左右，模型诊断损失率降至0。032左右;复合神经网络结构的平均检测精度达到0。888，准确值达到0。883，召回率达到0。789。将复合神经网络应用于油田污水系统故障诊断中，使油田污水系统实现智能故障检测，并能降低经济成本，益于智慧油田建设。

    卷积神经网络-长短期记忆复合神经网络污水系统故障检测随机梯度下降法智慧油田

      原文链接:
    • 万方数据
    • 维普

    基于混合策略的蜣螂优化算法研究

    秦喜文冷春晓董小刚
    829-839页
    查看更多>>摘要：针对蜣螂优化算法存在易陷入局部最优、全局探索和局部开发能力不平衡等问题，为提升蜣螂优化算法的寻优能力，提出一种混合策略的蜣螂优化算法。采用Sobol序列初始化种群，以使蜣螂种群更好地遍历整个解空间;在滚球蜣螂位置更新阶段加入黄金正弦算法，提高收敛速度和寻优精度;引入混合变异算子进行扰动，提高算法跳出局部最优的能力。对改进的算法进行8个基准函数的测试，并与灰狼优化算法、鲸鱼优化算法和蜣螂优化算法等进行比较，并验证了3种改进策略的有效性。结果表明，混合策略的蜣螂优化算法在收敛速度、鲁棒性和寻优精度有明显增强。

    蜣螂优化算法Sobol序列黄金正弦算法混合变异算子

      原文链接:
    • 万方数据
    • 维普

    三维虚拟图像中动态特征增强算法设计

    薛峰陶海峰
    840-846页
    查看更多>>摘要：为有效解决三维虚拟图像存在的亮度不均匀的问题，提出一种三维虚拟图像中动态特征增强算法。将中值滤波算法和小波软阈值算法有效结合，对三维虚拟图像进行去噪处理。通过视觉选择特性设定新的结构元，构建连通粒属性以及分层统计模型对图像进行颜色转换和结构元匹配，得到对应的映射子图，提取动态特征。将三维虚拟图像输入至改进的U-net++网络内，采用不同层密集连接增强不同层次图像特征的关联性，并将全部动态特征融合进行细节重建，实现三维虚拟图像动态特征增强。实验结果表明，所提算法可获取满意的三维虚拟图像中动态特征增强效果。

    三维虚拟图像动态特征增强颜色转换密集连接

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的桥梁索力传感器异常数据识别方法

    刘宇吴红林闫泽一文世纪...
    847-855页
    查看更多>>摘要：针对基于传感器技术实时监测桥梁结构状态，为及时发现桥梁结构的异常情况并进行判识，预防和避免事故的发生，提出了基于深度学习技术的桥梁传感器异常信号检测和识别方法。通过设计基于LSTM(Long Short-Term Mcmoy)网络模型的桥梁传感器异常数据检测算法，实现桥梁索力传感器异常数据位置的有效检测，异常数据检测精确率与召回率分别达到99。8％、95。3％。通过将深度学习网络和桥梁传感器实际工作情况相结合，设计基于CNN(Convolutional Neural Networks)网络模型的桥梁索力传感器异常分类算法，实现桥梁索力传感器数据7类信号的智能识别，多种异常数据类型识别精确率与召回率超过90％。相对于目前桥梁传感器异常数据检测和分类方法，该方法能实现桥梁传感器异常数据和类型的精准检测和智能识别，为桥梁传感器监测数据的准确性与后期性态指标识别的有效性提供保障。

    桥梁传感器异常数据检测异常数据分类深度学习

      原文链接:
    • 万方数据
    • 维普

    基于用户画像与二部图的大学生就业岗位推荐算法

    何剑萍徐胜超贺敏伟
    856-865页
    查看更多>>摘要：针对现有就业岗位推荐算法仅基于单一的信息源或简单的用户分类，无法充分捕捉大学生的多维特征和个性化需求，从而导致推荐效果不佳的问题，提出基于用户画像与二部图的大学生就业岗位推荐算法。在融合长短期记忆神经网络的条件随机场模型辅助下，从高校图书馆的档案管理系统中抽取出用户基础信息，基于此生成大学生用户画像。计算不同用户画像特征之间的距离，并采用k均值聚类算法完成用户画像聚类。运用二部图网络搭建基础的大学生就业岗位推荐结构，基于能量分配情况设计初步推荐方案。最后，以加权随机森林模型为基础，考虑用户对项目特征的偏好实现大学生就业岗位的分类，修正初步给出推荐列表的评分，获取精准的大学生就业岗位推荐结果。实验结果表明，应用该方法，给出长度为120的大学生就业岗位推荐列表，其推荐结果的命中率达到了 0。94。由此说明，该方法可以精准得出大学生就业岗位推荐结果，从而提高就业匹配度和人力资源利用效率。

    二部图就业岗位个性化推荐用户画像评分修正

      原文链接:
    • 万方数据
    • 维普