检索结果-内蒙古大学图书馆

振动工程学报 2025年第1期38卷 88-95页

作者：张雄李嘉禄董帆武文博万书亭顾晓辉河北省电力机械装备健康维护与失效预防重点实验室河北保定071003 华北电力大学机械工程系河北保定071003 石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室河北石家庄050043

深度学习方法在列车轮对轴承故障诊断领域表现出了巨大的潜力,但其可以有效实现的前提是各类数据与类别标签之间能够正确匹配,对于含有少量标签错误样本的数据,传统深度学习方法难以实现预期的诊断效果。针对此问题,提出了一种箱型图法... 详细信息

深度学习方法在列车轮对轴承故障诊断领域表现出了巨大的潜力,但其可以有效实现的前提是各类数据与类别标签之间能够正确匹配,对于含有少量标签错误样本的数据,传统深度学习方法难以实现预期的诊断效果。针对此问题,提出了一种箱型图法与特征融合模型相结合的故障诊断方法。利用列车轮对轴承实验数据对所提方法进行验证,结果表明,相比于直接利用传统神经网络模型进行故障诊断,本文所提方法的诊断准确率更高,说明本文方法对于含有少量标签错误样本的轴承数据具有更好的处理效果。

关键词：故障诊断轮对轴承标签错误特征融合箱型图

来源：评论

学校读者我要写书评

暂无评论

基于双分支特征融合的跨模态行人检测算法

引用

华中科技大学学报(自然科学版) 2025年第3期53卷 14-22页

作者：陈广秋张桐森段锦黄丹丹长春理工大学电子信息工程学院

针对目前普遍采用的可见光单光谱行人检测容易受到环境和光照的影响，当在夜晚和复杂环境下，以及在检测被遮挡和小尺度目标时，都会出现检测结果偏差大或漏检的现象，提出了一种基于双分支特征融合的跨模态行人检测算法．在YOLOv7框架... 详细信息

针对目前普遍采用的可见光单光谱行人检测容易受到环境和光照的影响，当在夜晚和复杂环境下，以及在检测被遮挡和小尺度目标时，都会出现检测结果偏差大或漏检的现象，提出了一种基于双分支特征融合的跨模态行人检测算法．在YOLOv7框架内将主干网络改进为双主干结构，分别提取可见光图像和红外图像特征信息，并设计差分交叉融合模块(DCF)融合两种模态特征，对融合特征进行训练学习，利用检测网络实现各类行人检测．为了提升检测精度，在双主干网络中添加了注意力机制SeNet模块；为了提升检测效率，设计了轻量化ELAN-G和ELAN-WT模块替换原网络中的对应模块．实验结果表明：本文算法检测精度优秀，同时满足实时性需求．

关键词：多模态深度学习特征融合行人检测跨模态 YOLOv7框架

来源：评论

学校读者我要写书评

暂无评论

采用感受野优化与渐进特征融合的图像超分辨率算法

引用

西安交通大学学报 2025年第1期59卷 136-147页

作者：吴洪伍盖绍彦达飞鹏东南大学自动化学院 210096南京东南大学复杂工程系统测量与控制教育部重点实验室 210096南京

针对现有基于深度学习的超分辨率方法存在参数冗余以及难以学习到全局上下文信息、重建图像高频特征能力欠佳的问题,提出一种基于感受野优化与渐进特征融合的超分辨率网络(RPSRnet),其在单幅图像重建方面实现了较高的性能。该网络采用... 详细信息

针对现有基于深度学习的超分辨率方法存在参数冗余以及难以学习到全局上下文信息、重建图像高频特征能力欠佳的问题,提出一种基于感受野优化与渐进特征融合的超分辨率网络(RPSRnet),其在单幅图像重建方面实现了较高的性能。该网络采用像素注意力机制与大感受野卷积相结合的方式,设计两条渐进路径将输入表征为不同层次的特征抽象,增强网络捕获上下文信息的能力,同时减少了网络参数冗余。通过分层卷积和多重感受野分支,在保持轻量卷积的前提下,于分层的多路径上学习不同尺度的融合特征,增强网络重建边缘细节和复杂纹理特征的能力。实验结果表明:相比于先进算法,所提算法在基准测试集Set5上的峰值信噪比达到32.47 dB,在测试集Set14上达到28.81 dB,优于现有的先进算法,且网络参数更少,实现了9%的参数缩减,从而验证了算法的有效性。

关键词：超分辨率注意力机制感受野优化特征融合

来源：评论

学校读者我要写书评

暂无评论

双分支特征融合的视线估计算法

引用

控制与决策 2025年第4期40卷 1247-1256页

作者：薛楠刘莉芬李鹏程哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室哈尔滨150080

视线估计是一种预测人眼注视位置或注视方向的技术,在人机交互和计算机视觉的应用中发挥重要作用.针对特征的差异性和利用率不全面的问题,提出双分支特征融合的视线估计算法.首先,构建Agent Swin Transformer网络与残差网络相结合的双... 详细信息

视线估计是一种预测人眼注视位置或注视方向的技术,在人机交互和计算机视觉的应用中发挥重要作用.针对特征的差异性和利用率不全面的问题,提出双分支特征融合的视线估计算法.首先,构建Agent Swin Transformer网络与残差网络相结合的双分支网络模型,对视线特征进行提取,由改进的Agent Swin Transformer网络构成全局特征提取分支,逐层提取全局语义特征;由残差网络构成局部特征提取分支,提取不同尺度下的局部细节特征.通过特征融合将特征张量连接在一起,增强模型的表征能力.其次, Agent Swin Transformer网络融合高效多尺度注意力模块(EMA)及空间和信道重建卷积模块(SCConv),以加强特征,保持信息有效性,降低复杂性和计算成本.最后,结合头部姿态估计进行视线估计得到最终的视线方向,以减少干扰因素对眼部外观的影响.在MPIIFaceGaze数据集上进行大量实验,实验结果表明,该方法的视线估计角度平均误差为4.23°,同当前主流的同类方法相比,所提出算法能够更为准确地进行视线估计.

关键词：视线估计双分支特征融合 Agent Swin Transformer 残差网络空间和信道重建卷积高效多尺度注意力

来源：评论

学校读者我要写书评

暂无评论

跨模态自适应特征融合的视觉问答方法

引用

哈尔滨工业大学学报 2025年第4期57卷 94-104页

作者：陈巧红项深祥方贤孙麒浙江理工大学计算机科学与技术学院杭州310018

为提高视觉问答(VQA)中跨模态融合与交互的精确度,减少多模态特征信息的丢失,提出了一种新颖的基于跨模态自适应特征融合的视觉问答方法。首先,该方法设计了卷积自注意力单元,包含自注意力层和空洞卷积层,前者用于捕捉全局特征信息,后... 详细信息

为提高视觉问答(VQA)中跨模态融合与交互的精确度,减少多模态特征信息的丢失,提出了一种新颖的基于跨模态自适应特征融合的视觉问答方法。首先,该方法设计了卷积自注意力单元,包含自注意力层和空洞卷积层,前者用于捕捉全局特征信息,后者用于捕捉视觉对象间的空间关系。其次,通过自适应特征融合层,将全局关系与空间关系进行有效结合,使模型在处理图像特征时能够同时考虑全局关系和视觉对象之间的关联性,从而克服了传统注意力机制忽视空间关系的问题。最后,基于不同模态特征在答案预测中贡献程度的差异,该方法还构建了多模态门控融合模块,根据多模态特征间的重要程度自适应地融合特征,减少多模态信息的丢失,同时不会带来额外的计算资源开销。研究结果表明,该方法在未使用额外数据集预训练的情况下,在VQA2.0的测试-开发集、测试-标准集和GQA数据集上的整体准确率分别达到71.58%、72.00%、58.14%,显著优于传统自注意力方法,该研究成果可为跨模态特征融合领域提供了重要的参考和借鉴。

关键词：视觉问答(VQA) 特征融合多模态注意力机制门控机制

来源：评论

学校读者我要写书评

暂无评论

基于多尺度序列特征融合的林区害虫检测算法

引用

林业科学 2025年第2期61卷 21-30页

作者：唐延龄韩巧玲赵玥刘卫平郑一力赵燕东徐钐钐北京林业大学工学院北京100091

【目的】针对虫情测报灯采集到的林区害虫样本种类多、尺寸复杂及密集遮挡问题,提出了一种多尺度序列特征融合检测算法(MPD-YOLO),用于提升林区害虫检测的精确度,为林区害虫监测和防护提供了新的技术路径。【方法】首先,以采集于北京、... 详细信息

【目的】针对虫情测报灯采集到的林区害虫样本种类多、尺寸复杂及密集遮挡问题,提出了一种多尺度序列特征融合检测算法(MPD-YOLO),用于提升林区害虫检测的精确度,为林区害虫监测和防护提供了新的技术路径。【方法】首先,以采集于北京、河北、山西等地的林区害虫图像为基础,构建包含18类林区害虫的数据集。数据集涵盖不同场景下的害虫图像,为算法的训练与测试提供了可靠的数据支撑。其次,为提高小目标害虫的检测效果,利用3D卷积对小目标进行更为深入的尺度序列特征提取,MPD-YOLO方法引入尺度序列特征融合模块(SSFF),有效提升模型对小目标的感知能力。最后,为解决密集遮挡和多尺度害虫并存情况下的模型检测能力,MPD-YOLO方法提出了三重特征编码高效聚合模块(TFE-ELAN),通过将不同尺寸特征图进行特征融合,增强多层特征图之间信息的关联性,提升了模型的检测性能。【结果】在相同试验条件下,本研究在构建的数据集上对MPD-YOLO进行大量试验,并与主流的目标检测算法(YOLO系列、Faster-CNN等)进行对比分析。MPD-YOLO方法具有最佳的害虫识别精度,其F1-score和m AP分别达到88.43%和91.92%,比次优方法YOLOv8x分别高1.45%和1.22%。相比于原网络模型YOLOv7,MPD-YOLO的F1-score与mAP分别比YOLOv7高0.72%和2.8%,证明了本文所提方法在处理复杂目标检测任务中的优势。此外,本研究中消融试验,分析了尺度序列特征融合模块和三重特征编码高效聚合模块对整体性能的贡献,验证了各模块设计的有效性。【结论】本文提出的MPD-YOLO算法,有效提升了复杂环境下多尺度害虫的检测性能,在处理复杂环境下的检测任务时表现出较高的鲁棒性。

关键词：林区害虫防控林区生态系统小目标检测 YOLOv7 特征融合

来源：评论

学校读者我要写书评

暂无评论

SiamMT:基于自适应特征融合机制的可修正RGBT目标跟踪算法

引用

控制与决策 2025年第4期40卷 1312-1320页

作者：齐咏生姜政廷刘利强苏建强张丽杰内蒙古工业大学电力学院呼和浩特010080 内蒙古自治区高等学校智慧能源技术与装备工程研究中心呼和浩特010080 大规模储能技术教育部工程研究中心呼和浩特010080

针对传统RGBT目标跟踪算法网络精确度低、鲁棒性差,以及在目标尺度变化大和长时跟踪过程中存在目标丢失无法找回等问题,提出一种新的基于自适应特征融合机制的可修正RGBT目标跟踪算法.首先,引入一种特征层与模态间双自适应融合机制,充... 详细信息

针对传统RGBT目标跟踪算法网络精确度低、鲁棒性差,以及在目标尺度变化大和长时跟踪过程中存在目标丢失无法找回等问题,提出一种新的基于自适应特征融合机制的可修正RGBT目标跟踪算法.首先,引入一种特征层与模态间双自适应融合机制,充分利用两模态间的互补信息,增强RGB与红外特征的跨模态融合;然后,设计一种后端时序约束回归模块,利用上一帧信息对IOU计算以及边界框回归进行约束,有效减少相似物干扰;最后,提出一种基于元学习的在线模板更新机制,对回归阶段得分较高的模板图像进行更新存储,解决长时跟踪中累计误差和目标难以找回问题.采用权威的目标跟踪数据集GTOT、RGBT234和VOT-RGBT2019进行算法验证,所提出方法均可取得极具竞争力的结果.将算法移植到嵌入式设备Jetson Xavier NX上进行性能测试,实验结果表明:所提出算法运行速度可达到29帧/s,相比于当前流行的多种RGBT算法,具有更为全面的跟踪性能,且能够有效解决相似物干扰、目标丢失难找回等问题.

关键词：目标跟踪孪生网络 RGBT 元学习特征融合

来源：评论

学校读者我要写书评

暂无评论

基于多模态生理信号特征融合的情绪识别方法研究

引用

生物医学工程学杂志 2025年第1期42卷 17-23页

作者：张志雯于乃功边琰闫金涵北京工业大学信息科学技术学院北京100124 北京市计算智能与智能系统重点实验室北京100124 天津职业技术师范大学自动化与电气工程学院天津300222 天津市信息传感与智能控制重点实验室天津300222

情绪分类识别是情感计算的关键领域,脑电等生理信号可精准反映情绪且难以伪装。现阶段,情绪识别在单模态信号特征提取和多模态信号整合方面存在局限。本研究收集了高兴、悲伤、恐惧情绪下的脑电(EEG)、肌电(EMG)、皮电(EDA)信号,采用基... 详细信息

情绪分类识别是情感计算的关键领域,脑电等生理信号可精准反映情绪且难以伪装。现阶段,情绪识别在单模态信号特征提取和多模态信号整合方面存在局限。本研究收集了高兴、悲伤、恐惧情绪下的脑电(EEG)、肌电(EMG)、皮电(EDA)信号,采用基于特征权重融合的方法进行特种融合并用支持向量机(SVM)和极限学习机(ELM)进行分类。结果表明,融合权重为EEG 0.7、EMG 0.15、EDA 0.15时分类最准确,准确率SVM为80.19%,ELM为82.48%,比单独脑电信号分别提升了5.81%和2.95%。此研究为多模态生理信号情绪分类识别提供了方法支持。

关键词：情绪多模态特征融合脑电肌电皮电

来源：评论

学校读者我要写书评

暂无评论

基于特征融合与迁移自适应增强的运动想象识别研究

引用

生物医学工程学杂志 2025年第1期42卷 9-16页

作者：张玉鑫张辰瑞孙世豪徐桂芝河北工业大学生命科学与健康工程学院生物医学工程系天津300130 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室天津300130 河北工业大学天津市生物电工与智能健康重点实验室天津300130

针对运动想象(MI)跨受试者识别准确率低的问题,本文提出了一种基于特征融合与迁移自适应增强算法(TrAdaboost)结合的MI识别方法,以提高基于MI的脑—机接口(BCI)在跨个体使用时的可靠性。本文采用自回归模型、功率谱密度以及离散小波变... 详细信息

针对运动想象(MI)跨受试者识别准确率低的问题,本文提出了一种基于特征融合与迁移自适应增强算法(TrAdaboost)结合的MI识别方法,以提高基于MI的脑—机接口(BCI)在跨个体使用时的可靠性。本文采用自回归模型、功率谱密度以及离散小波变换提取出MI的时频域特征,并以滤波器组共空间模式提取出空间域特征,再通过多尺度散布熵提取出非线性特征。然后,将改进的TrAdaboost分别与支持向量机(SVM)、k近邻算法(KNN)、基于思维进化优化的反向传播(MEA-BP)神经网络构建的集成分类器作为模式识别环节,并在MI公开数据集——第四次国际BCI竞赛2a(BCI competition IV-2a)数据集上进行二分类任务识别。结果显示,基于SVM的TrAdaboost集成学习算法在迁移30%目标领域实例数据时的性能最佳,平均分类准确率达86.17%,卡帕(Kappa)系数达0.7233,曲线下面积(AUC)达0.8498。本文研究结果表明,该算法可用于识别跨个体的MI信号,为提高BCI识别模型的泛化能力提供了新的思路。

关键词：脑—机接口迁移学习特征融合迁移自适应增强运动想象

来源：评论

学校读者我要写书评

暂无评论

基于自适应多特征融合网络的心律失常分类算法研究

引用

生物医学工程学杂志 2025年第1期42卷 49-56页

作者：黄梦梦蒋明峰李杨何晓玉王泽峰吴永全柯韦浙江理工大学信息科学与工程学院杭州310018 浙江理工大学计算机科学与技术学院(人工智能学院) 杭州310018 首都医科大学附属北京安贞医院心内科北京100029 澳门理工大学应用科学学院中国澳门999078

基于深度学习方法对心电图(ECG)数据进行心律失常自动分类检测,对于心律失常的早期筛查具有重要的临床价值,但在有限异常样本监督训练下如何有效地提取心律失常特征是目前亟需解决的难题。本文提出一种基于自适应多特征融合网络的心律... 详细信息

基于深度学习方法对心电图(ECG)数据进行心律失常自动分类检测,对于心律失常的早期筛查具有重要的临床价值,但在有限异常样本监督训练下如何有效地提取心律失常特征是目前亟需解决的难题。本文提出一种基于自适应多特征融合网络的心律失常分类算法,从ECG信号中提取RR间期特征,采用一维卷积神经网络(1D-CNN)提取时域深度特征,并以梅尔频率倒谱系数(MFCC)和二维卷积神经网络(2D-CNN)提取频域深度特征,使用自适应权重策略实现特征融合并进行分类。本文使用麻省理工学院和贝斯以色列医院(MIT-BIH)联合开发的心律失常数据库在患者间范式下评估算法。实验结果表明,所提算法的平均精确率、平均召回率和平均F1分数分别为75.2%、70.1%和71.3%,分类识别准确率高,可为面向可穿戴设备的心律失常分类提供算法支持。

关键词：心电图分类心律失常多特征卷积神经网络特征融合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：