通过对鲸鱼群算法中勘探阶段和开发阶段的两个数学模型中的相关参数优化,提出一种新鲸鱼群智能优化算法的策略,该策略主要解决了算法在精度较低和收敛速度缓慢的问题,并在实际中应用.如目前研究比较热门的特征选择中,对应用结果有较高的提升.最后通过对6个典型基准测试函数的仿真来验证算法的有效性.
针对以太网网络性能随网络负载变化的特性,提出一种基于以太网负载的改进CSMA协议.该协议根据终端冲突数目,相应调整1-坚持CSMA协议、非坚持CSMA协议和P-坚持CSMA协议,从而在轻载时降低延时,在重载时减少冲突,使得网络系统处于稳定状态.实验结果表明,负载对网络吞吐量与网络延时有重大影响,改进CSMA协议能达到网络吞吐量最优化的目的,并且提高网络实时性,大大提升了网络通信效率.
提出一种改进ResNet101 的异常流量数据检测和识别方法,在残差模块中改变卷积层,同时引入高效信道注意力(ECA)机制,使用一维卷积在高度注意力信道中融合特征流,增加对异常流量的识别能力.实验结果表明,基于残差网络改进模型在识别极低样本数量时相比原有模型能够有更高的精确率、召回率和F1 值.
利用贝叶斯方法研究广义二项 自回归模型的参数统计问题,给出模型参数的贝叶斯估计表示式.通过数值模拟将贝叶斯估计与条件极大似然估计和条件最小二乘估计进行比较.其中,贝叶斯估计中的多重积分通过样本平均值法进行计算.其次,还考虑了数据污染情况下模型参数估计的相关研究.最后将模型应用于长沙市每周下雨天数数据中,验证了模型和贝叶斯估计方法的优良性质,并为实际问题的分析提供理论支撑.
对板材磁流变弹性体胀形过程进行了数值模拟,比较分析了不同磁场条件下磁流变弹性体胀形过程板材速度场和应力场的分布,给出了不同磁场条件下磁流变弹性体对胀形构形的影响规律.结果表明,磁流变弹性体的剪切模量随着磁场的增加而增大,构形由椭圆形变为锥形,磁流变弹性体作为软模对板材成形性具有可调控作用,拓宽了板材软模成形的应用范围.
针对现有的预训练模型难以进行微调以及生成式摘要算法容易产生未登录词的问题提出一种基于关键词抽取和提示学习的摘要方法.首先添加提示学习(Prompt Learning)通过向输入增加提示信息,将下游任务改成文本生成任务,通过对输入文本进行改造,构造人工模板,随之对改造后的输入文本进行关键词提取,并将提取后的关键词与改造后的输入文本拼接,从而构造新的输入,接着引入关键词提取算法 TF-IDF 加强生成模型对关键词的关注,在CNN/DM数据集上的实验表明,该模型能够有效提高生成文本摘要的质量,使 Rouge-1、Rouge-2、Rouge-L值得到了提高.
针对量子化学计算中密度泛函理论在求解较大或复杂分子体系时所出现的计算量巨大且计算精度无法满足研究需求的问题,通过机器学习与量子化学相结合的方式提出一种集成的计算精度校正模型.该模型以多次回归迭代并最终加权平均的形式将 GRNN(广义回归神经网络)基学习器集成进AdaBoost模型,并应用于电子光谱吸收能的 TDDFT(依时密度泛函理论)计算精度校正.模型结合了神经网络与迭代集成模型的优势,在包含 433 个有机分子的TDDFT计算数据集上予以实验,并与其他回归模型进行了参照对比.实验结果显示,该集成模型在推荐的STO-3 G基组上可将吸收能的TDDFT计算精度MAE与RMSE分别由0.62与 0.79 降至 0.11 与 0.14.同时,该模型的 OECD评价参数R2、Q2 与Q2cv值分别为0.97、0.98与 0.99,表明该模型具有准确、稳健、高效的特性,在节省计算实验资源的前提下,体现了其在计算精度、拟合优度与稳定性等各方面的优势.
针对现有的遥感图像变化检测方法准确率不高的问题,通过对 HRNet网络结构进行优化,提出 HR-BIT网络模型.该模型在特征提取的过程中融合多尺度特征信息,提高检测精度.引入连通和邻域的概念,通过对分类结果阈值处理消除孔洞,提高模型的准确率.在LEVIR-CD数据集上的实验结果表明,该模型有效地提高了图像变化检测的准确性.
为优化并网型微电网经济运行,编制合理的 日运行计划,构建含购电费用、燃料费用和环境成本的多目标调度模型.提出一种自适应变惯性权重精英变异粒子群算法求解模型,该算法根据粒子间距动态调整惯性权重并融合精英变异策略以克服早熟收敛.通过测试函数和微电网调度运行算例仿真实验表明,该算法具有较高的精度且编制发电计划的费用最低.
提出一种利用三维重建技术与集成成像立体显示系统相融合的虚实模型融合显示技术.首先提取匹配图像特征点并根据图像特征点计算稀疏点云模型.其次采用密集点云生成技术生成密集点云模型,采用泊松重建技术获得物体计算机三维模型.最后构建虚实融合场景,并且利用集成成像虚拟采集系统获得虚实融合场景立体元图像阵列.
When the partial discharge signal is monitored online in real-time, the signal collected by the signal receiver is frequently disturbed by the surrounding clutter. The wavelet threshold denoising technique has gained widespread adoption across various domains such as scientific research, high-end medical equipment, industrial manufacturing and other related fields with its excellent noise reduction performance since it was proposed in the last century with the advancement of industrial informatization. The threshold functions proposed earlier include hard threshold function and soft threshold function. However, as a result of the limitations inherent in the function, these two threshold functions cannot achieve the ideal goal when solving practical problems, and the reconstructed signal has a poor degree of restoration. In view of the problem that the above two threshold functions have poor noise reduction effect, a novel denoising formula based on wavelet thresholding is suggested in the present study. Matlab is used to run the simulation experiment, and several threshold algorithms are used to eliminate the noise from the partial discharge data. Two indicators are employed to assess the effectiveness of noise reduction: Signal-to-noise ratio (SNR) and mean square error (MSE). Upon comparing the experimental findings, it has been revealed that the novel threshold function surpasses the conventional approaches.
针对大多数图像超分辨率网络对带有未知噪声的低分辨率图像进行超分辨率重构的效果较差,提出一种拉普拉斯金字塔网络融合降噪模块的图像超分辨率算法.以LapSRN为基础融合降噪模块,并采用递归模块,同时引入TVLoss与降噪损失的LFDSR网络,在保持网络轻量级的基础上,提高重构后图像的清晰度.实验结果表明,文中算法输出图像更逼真和清晰,在抑制输入图像中的噪声对网络输出图像的过度影响中取得较好效果.
针对使用深度学习训练人脸表情识别模型没有充分利用到图像中局部信息,以及提取特征不够丰富的问题,提出一种基于局部和多尺度特征融合的人脸表情识别网络模型.以ResNet18为基础模型,构建双路网络结构,将局部特征和全局特征进行两次融合,并构建多尺度卷积块,通过同一层中不同大小的卷积核提取更加丰富的特征信息,在模型训练时,通过迁移学习初始化网络权重参数,在FER-2013数据集和RAF-DB数据集上进行验证,分别达到72.16％和86.83％的准确率,证明文中算法的有效性.
团雾导致的能见度剧变是目前高速公路交通安全的主要威胁之一,为了解决高速公路上团雾检测困难问题,提出一种基于透射率和单目深度的视频图像团雾检测算法.首先通过canny算子获取轮廓,以天空区域的像素均值作为大气光值,结合动态权重系数提升透射率值准确性;其次通过透射率和单目摄像机线性模型计算场景深度;最后根据能见度检测原理求解大气消光系数,获取该图像的能见度级别,实现对团雾的实时检测.实验分析表明,算法的准确率和及时性较高,能够满足实际场景需求.
银纳米线(AgNWs)作为一种一维金属纳米材料,不仅拥有银金属本身良好的导热、导电性能,还具有纳米材料特殊的物理化学性质,被认为是最有潜力替代氧化铟锡(ITO)的新兴材料.以硝酸银(AgNO3)为银源,CuCl2和FeCl3为形核控制剂,聚乙烯吡咯烷酮(PVP)为生长导向剂,采用多元醇法合成高长径比的AgNWs.保持反应体系中Cl-浓度恒定,通过改变Fe3+和Cu2+的配比,详细考察Fe3+和Cu2+的协同效应对AgNWs形貌的影响.研究结果表明,当体系中形核控制剂浓度为67 μmol/L,Fe3+和Cu2+的摩尔比为4∶3时,可高效合成直径约150 nm、长度140～180 µm、长径比高达1 500的AgNWs.
针对金融领域事件抽取存在的元素重叠、语句歧义以及级联错误传播问题,提出一种基于指针标注的金融事件联合抽取模型,首先利用 PERT 预训练模型提取语义信息;再融入事件类型信息进行语义增强,SATT-BILSTM 模型加强特征提取,指针标注解决元素重叠;最后为了增强模型的鲁棒性和泛化性,在模型训练的过程中加入了对抗训练.文中提出的模型在FewFC测试集上进行对比实验,结果表明,抽取效果更佳.
针对电动叉车路径快速规划问题,从启发信息、信息素更新规则和平滑策略出发,研究一种改进的蚁群算法.该算法采用人工势场法求得当前节点与 目标点距离,引力函数的引用使机器人在搜索过程中有较为明确的目标点范围,从而构建的启发信息能有效提高机器人收敛速度;提出一种改进的信息素更新规则,根据最优最差蚂蚁策略使得信息素在更小的区间内变化,减缓信息素的正反馈累计过程,使蚁群较大程度地遍历所有可能最优路径,降低局部最优解产生的概率;构建三角剪枝算法,顺次取路径中三个节点,连接首尾节点,其间经历的元素集合与障碍物元素集合并集为空,则无冲突,可省略其三个节点的中间节点,以此打破传统蚁群算法八自由度搜索和步长只能为1或√2的规则限制.经Matlab仿真分析,验证了文中算法的可行性和高效性.
针对单阶段目标检测算法在肺结节检测任务中存在易错检及漏检、检测精度偏低、计算复杂度高等问题,提出了一种以YOLOv4 为主干框架,并结合K-means++聚类算法、坐标注意力机制、卷积块注意力模块和 SIoU Loss 的 KCCS-YOLOv4 肺结节检测算法.采用K-means++聚类算法针对肺结节进行锚框优化,以降低漏检概率及计算复杂度.在YOLOv4 的特征融合模块中引入坐标注意力机制以辅助检测网络捕获结节的位置信息和空间信息,引入卷积块注意力模块以辅助检测网络捕获在上、下采样过程中丢失的特征信息.采用SIoU Loss优化损失函数,提高训练的收敛速度和肺结节的检测精度.在公开数据集LUNA16上进行测试和分析,实验结果与四种现有算法进行比较,所提 KCCS-YOLOv4 算法的F1-score为 93.7%,平均精度值为 95.9%,FLOPs值为 127.592 G,三项指标均优于其他算法,验证了所提改进策略的有效性.
激光雷达进行扫描时,将扫描目标的形态信息记录下来形成点云数据.在实际扫描目标建筑时,通常受到视角和工作环境的限制,因此会在不同角度对目标建筑进行多次扫描,并将多视角点云信息进行拼接后,得到目标建筑的完整点云信息,点云数据的拼接质量对三维重建模型的精度有直接影响.在使用车载激光雷达扫描时,由于GPS可以实时获取大地坐标信息,因此,利用此信息可以将不同视角的点云数据整合到全局坐标系中,从而完成较高精度的点云拼接工作.
提出一种基于集成算法的联邦学习模型(Stacked Federated Learning,Stacked-FL).模型将集成算法与联邦学习相结合,基于RSA加密与同态加密的隐私保护方法,实现多方数据去中心化处理,并设计了数据预处理、样本对齐、联邦集成算法模块.实验结果表明,该模型在预测准确性方面有显著提升,相比传统的数据中心化模型,其安全性得到了保证.实验使用Lending Club贷款数据集,选取MAE与RMSE作为评价指标,根据Stacked-FL算法的结果显示,其性能相比SecureBoost算法分别提升7.98％和0.83％.在保障用户隐私安全的同时,也提高了预测精确度,相比传统的联邦算法泛化能力增强,该模型满足中小型敏感数据集联合建模的基本需求,为中小型银行定制化信贷提供了更有效的解决方案.
