夏令营申请书上的项目总结

美赛论文

1、研究电动汽车充电站的科学合理布局优化

2、近六年的数据，利用灰色预测模型预测出至2040年美国的电动汽车保有量和充电站的数量。

灰色预测模型(Gray Forecast Model)是通过少量的、不完全的信息，建立数学模型并做出预测的一种预测方法。

GM（1，1）灰色预测的步骤

（1）数据的检验与处理

（2）建立GM（1，1）模型

（3）  检验预测值

 

3、我们对爱尔兰的充电站网络发展的投资分阶段给出意见。在发展初期从用户角度出发，以用户充电代价最小为目标进行选址建址，吸引更多用户；在发展的中后期以建设运营成本最小为目标进行充电站网络布局。我们选用量子粒子群算法（QPSO）实现了对最优充电站位置的搜索，得出爱尔兰实现汽车全电动化大约需要建充电站1.5万座，并在地图上给出了分布。

  

QPSO算法是在PSO算法基础上引入量子理论的思想。解决了PSO算法搜索空间有限，容易陷入局部最优解的问题

 

4、采用Logistic Curve对爱尔兰电动汽车的发展进行预测。

5、熵权法计算出不同国家的overall rating，发现人口密度和财富水平是最关键的因素。建立一个分类系统which给出三种充电站网络的发展计划，让不同分数的国家可以选择相应的计划。

步骤：确定指标体系 、数据预处理、归一化处理 、计算指标的熵和权 、 指标加权计算得分。

 

shazam算法一共可以分成4个模块: 音频文件读取、指纹提取(hashing)、指纹存取、和指纹匹配。

傅里叶变换 将时域变为频域 ，每4096个采样做一次傅里叶变换，分块寻找最强频率并记录，对这些频率进行组合哈希并存储。

 

B2C模式的电子商城（中国生活百科）

后端基于springboot 职责单一提供api服务

前端基于nodejs 纯html5 css3 通过json 和后端api交互。

实现的前后端分离架构的项目

Nginx是一款轻量级的Web 服务器/反向代理服务器及电子邮件（IMAP/POP3）代理服务器，其特点是占有内存少，并发能力强。Nginx 以事件驱动的方式编写，所以有非常好的性能，同时也是一个非常高效的反向代理、负载平衡。解决了跨域问题。

 

户型图矢量化及3d重建项目：传统方法，找结构特征，基于边缘

预处理：减少图像中的无用信息，以便方便后面的处理

阈值分割，分割出墙体

对图像进行形态学处理，腐蚀膨胀进行去噪

对组合墙面进行canny边缘检测，手写模板校正边缘，对边角处进行修正

检测边缘通常为求原图像的梯度或二阶导数，Sobel是基于梯度图像模值大小的检测算子，canny算子（1）低错误率（2）边缘点被很好定位（3）单一的边缘响应

对边缘进行矢量化提取墙面边缘直线，

LSD是一种局部提取直线的算法，速度比Hough要快，效果好

墙面边缘查找矢量化墙体中线

墙体中线与门窗矢量的融合与校正

与承重墙掩码计算保留承重墙线并优化细节矢量化

 

为提高精度，后来改进基于像素点手动查找墙体的位置。

 

基于百度ocr文字识别，识别标尺，并将标尺与墙体长度进行绑定

根据特征，标记出门窗。

 

基本解决简单背景户型图的识别的问题。

 

正在处理复杂背景户型图的识别问题，即图中有各种各样的家具和其他物品干扰的户型图。

准备先计算边缘梯度，然后进行阈值分割，非极大值抑制、去冗余点和毛刺等预处理操作，在进行边缘跟踪，得到边缘后，基于梯度的线段细化来恢复直线网络。根据墙体的连通性，去除部分干扰物体，再根据墙体的连通性识别出墙体，可能通过学习的方法识别门窗，目前我们正在做继续研究这个项目。