人教A版高中数学必修3第一章 算法初步1.3 算法案例课件(1)

注意事项: 1.答案一律写在答题纸上; 2答案卷应字迹清楚、语义确切; 3算法应说明基本思路,应对主要数据类型、变量给出说明,所写算法应结构清晰、简明易懂,应加上必要的注释;

在输电场景中，吊车等大型机械的运作会威胁到输电线路的安全。针对此问题，从训练数据、网络结构和算法超参数的角度进行研究，设计了一种新的端到端的输电线路威胁检测网络结构TATLNet，其中包括可疑区域生成网络VRGNet和威胁判别网络VTCNet，VRGNet与VTCNet共享部分卷积网络以实现特征共享，并利用模型压缩的方式压缩模型体积，提升检测效率，从计算机视觉和系统工程的角度对入侵输电场景的大型机械进行精确预警。针对训练数据偏少的问题，利用多种数据增强技术相结合的方式对数据集进行扩充。通过充分的试验对本方法的多个超参数进行探究，综合检测准确率和推理速度来研究其最优配置。研究结果表明，随着网格数目的增加，准确率也随之增加，而召回率有先增加后降低的趋势，检测效率则随着网格的增加迅速降低。综合检测准确率与推理速度，确定9×9为最优网格划分方案；随着输入图像尺寸的增加，检测准确率稳步上升而检测效率逐渐下降，综合检测准确率和效率，选择480×480像素作为最终的图像输入尺寸。输入实验以及现场部署表明，相对于其他的轻量级目标检测算法，该方法对输电现场入侵的吊车等大型机械的检测具有更优秀的准确性和效率，满足实际应用的需要

第7章消隐 7.1基本概念 7.1.1消隐的定义 如果要使一幅图有较强的立体感,必须在视点确定之后,将对象的隐藏线(面)消去,这一过程称为消隐;执行这一功能的算法,称为消隐算法。 经过消隐得到的图形称为物体的消隐图形

选取某4000 m3级别高炉2014年至2019年时间范围内的日平均数据，以铁水温度为目标函数，首先对铁水温度的特征参量进行线性与非线性相关性分析、特征选择与规范化处理，获取了显著影响铁水温度的正负相关性特征参量。在此基础上，基于支持向量回归与极限学习机两种算法对铁水温度构建预测模型，模型均可对铁水温度实现有效预测，基于支持向量回归算法构建的预测模型较优，预测平均绝对误差为4.33 ℃，±10 ℃误差范围内的命中率为94.0%

线性方程组求解代码汇编 问题:求Ax=b的解,A是M阶可逆方阵; 约定:算法中用到的是M×N增广矩阵,N=M+1; 变量:i,j,k等为整型变量,x,y,z为实型变 1.把任意M阶线性方程组化为上三角形方程 组的C语言代码:

线性方程组求解代码汇编 问题:求Ax=b的解,A是M阶可逆方阵; 约定:算法中用到的是M×N增广矩阵,N=M+1; 变量:i,j,k等为整型变量,x,y,z为实型变 1.把任意M阶线性方程组化为上三角形方程 组的C语言代码:

试验三 实验题目:在采用链式存储结构存储的二叉树上,以root指向根接点,p指向任一给定的接点,编程实现求出从根接点到给定接点之间的路径 试验要求: 1、采用二叉链表作存储结构。 2、创建二叉树,并实例化有若干结点的二叉树。 3、实现二叉树非递归后序遍历算法,并输出所需路径,算法要有较好的性能

第1章绪论 1.1数据结构 1.2基本概念和术语 1.3抽象数据类型 1.4算法和算法分析

为提高热轧换规格首块钢头部卷取温度命中率，采用数据挖掘技术，从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数，并将其应用于模型预设定计算。首先，对冷却特征参数进行识别，按照相对型、绝对型、相等型和策略型四种方式进行定义，并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时，将其聚类为实际带钢的相似卷，并考虑各相似卷的时间影响，计算相似权重值；随后，基于相似带钢的头部和尾部信息，建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件，采用梯度下降法求解该二次规划问题，通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数；最后，根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明：基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力，学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升