长春大学

本发明公开了基于多模态传感器融合的数控加工智能控制方法，属于数控加工智能控制技术领域。该方法包括：从安装于数控加工设备上的多模态传感器组中实时采集加工过程中的振动信号、温度信号和声发射信号，并进行时间戳对齐得到多模态同步信号序列；对该序列进行加工阶段划分，提取当前阶段的振动频谱主峰频率、温度变化斜率和声发射能量累积率，构建加工状态特征向量；根据该向量与对应阶段标准状态特征向量的差值确定刀具磨损指示系数；根据该系数和当前进给速度设定值生成进给速度修正系数，对伺服驱动器输入转速指令进行实时校正，输出校正后的转速控制信号。本发明实现刀具磨损状态在线感知与进给速度自适应补偿，提升加工精度与表面质量。

本发明适用于智能优化算法与深度学习技术领域，提供了基于莱维飞行麻雀搜索算法的硅钢板表面缺陷识别方法，包括以下步骤：数据预处理；数据集划分；初始化多策略改进莱维飞行麻雀搜索算法的种群和参数；计算麻雀个体的适应度，分层更新麻雀种群位置；基于自适应t分布进行变异优化；迭代终止判断；模型配置；缺陷分类识别。本发明通过引入权重经验因子、莱维飞行、自适应t分布变异三种策略进行协同优化；三重策略互补，解决原始SSA种群多样性衰减、易陷入局部最优、高维寻优精度低的缺陷，没有增加额外时间复杂度，寻优收敛速度显著提升。

本发明提供了一种股票推荐方法、装置、电子设备及存储介质，属于金融交易分析领域，包括：获取股市中多只股票的每周收盘价数据；根据收盘价数据计算每只股票的对数收益率，得到每只股票的对数收益率集合；基于每只股票的对数收益率集合分别计算目标人群对应的任意两只股票间的随机占优系数；基于随机占优系数计算股票间的平均距离，将平均距离作为类间相似度对股票进行凝聚层次聚类，得到聚类结果；基于聚类结果中占优关系最强的一类股票构建最小方差投资组合，将最小方差投资组合推荐给目标人群。该方法能够在提高选股效率的基础上，选择出符合前景投资者和马科维茨投资者喜好的投资组合。

本发明适用于缺陷检测与深度学习技术领域，提供了基于改进YOLO检测模型的钢材表面缺陷检测方法及系统，该方法包括以下步骤：构建改进YOLO检测模型；改进YOLO检测模型包括改进卷积模块、改进特征提取模块和改进检测头；获取钢材表面缺陷数据集，并进行预处理，得到预处理的数据，划分为训练集和测试集；将训练集输入改进YOLO检测模型进行训练，得到表面缺陷检测模型；基于表面缺陷检测模型，对待检测钢材进行表面缺陷预测，输出预测钢板表面缺陷类别、预测框和置信度。本发明能够在小目标及低对比度缺陷检测中，以较低计算成本，实现了检测性能的全面提升，解决钢材表面缺陷检测准确率低、误检率和漏判率高等问题。