检索结果-内蒙古大学图书馆

自然灾害学报 2024年第2期33卷 18-28页

作者：杨新年王阿川东北林业大学计算机与控制工程学院黑龙江哈尔滨150040 黑龙江工业学院黑龙江鸡西158100

树木风害机理、风害损失及防治技术的研究是当前的研究热点,其共同基础是了解树木的空气动力学特性。对树木动态行为参数的测量是研究树木空气动力学的基础,对定量化研究树木风载及其安全性评估具有重要意义。在调研国内外相关文献的基... 详细信息

树木风害机理、风害损失及防治技术的研究是当前的研究热点,其共同基础是了解树木的空气动力学特性。对树木动态行为参数的测量是研究树木空气动力学的基础,对定量化研究树木风载及其安全性评估具有重要意义。在调研国内外相关文献的基础上对树木动态行为参数的测量方法进行了综述。首先,对树干、树枝和树叶的动态行为参数进行了总结;其次,从接触式和非接触式两方面对树木动态行为参数的测量方法进行归纳,对每种方法的适用范围及优缺点进行阐述分析;最后,讨论了目前测量方法的不足,对未来的测量方法进行展望。

关键词：树木动态行为接触式测量非接触式测量树木空气动力学特性迎风面积树木摇摆

来源：评论

学校读者我要写书评

暂无评论

代价敏感的Boosting软件缺陷预测方法

引用

计算机工程 2022年第3期48卷 175-180页

作者：李莉任振康石可欣东北林业大学信息与计算机工程学院哈尔滨150040

软件缺陷预测可以有效提高软件的可靠性,修复系统存在的漏洞。Boosting重抽样是解决软件缺陷预测样本数量不足问题的常用方法,但常规Boosting方法在处理领域类不平衡问题时效果不佳。为此,提出一种代价敏感的Boosting软件缺陷预测方法 C... 详细信息

软件缺陷预测可以有效提高软件的可靠性,修复系统存在的漏洞。Boosting重抽样是解决软件缺陷预测样本数量不足问题的常用方法,但常规Boosting方法在处理领域类不平衡问题时效果不佳。为此,提出一种代价敏感的Boosting软件缺陷预测方法 CSBst。针对缺陷模块漏报和误报代价不同的问题,利用代价敏感的Boosting方法更新样本权重,增大产生第一类错误的样本权重,使之大于无缺陷类样本权重与第二类错误样本的权重,从而提高模块的预测率。采用阈值移动方法对多个决策树基分类器的分类结果进行集成,以解决过拟合问题。在此基础上,通过分析给出模型构建过程中权重和阈值的最优化设置。在NASA软件缺陷预测数据集上进行实验,结果表明,在小样本的情况下,与CSBKNN、CSCE方法相比,CSBst方法的BAL预测指标分别提升7%和3%,且时间复杂度降低一个数量级。

关键词：软件缺陷预测决策树机器学习阈值移动方法 Boosting方法

来源：评论

学校读者我要写书评

暂无评论

基于无人机图像和改进YOLOv3-SPP算法的森林火灾烟雾识别方法

引用

林业工程学报 2022年第5期7卷 142-149页

作者：祖鑫萍李丹东北林业大学信息与计算机工程学院哈尔滨150040

森林火灾的频繁发生对人类生命、经济和周围环境构成重大威胁。烟雾是森林火灾初期最显著特征之一,因此烟雾识别对预防森林火灾意义重大,是建立早期火灾探测机制的关键。由于烟雾具有颜色不一、形状多变等特性,导致传统方法对于烟雾识... 详细信息

森林火灾的频繁发生对人类生命、经济和周围环境构成重大威胁。烟雾是森林火灾初期最显著特征之一,因此烟雾识别对预防森林火灾意义重大,是建立早期火灾探测机制的关键。由于烟雾具有颜色不一、形状多变等特性,导致传统方法对于烟雾识别存在泛化能力弱、响应时间长、误报率高等问题,无法实现对森林火灾的有效监测。基于此,本研究提出了基于改进的YOLOv3-SPP森林火灾烟雾识别方法。改进的YOLOv3-SPP算法通过在主干特征提取网络中加入Focus模块和使用动态标签分配策略降低了计算成本,以及在预测网络中使用解耦头,能够避免在预测过程中分类与回归任务的冲突,并用无锚框检测器替代锚框检测器计算预测框的位置,显著帮助模型更好地定位烟雾,简化解码过程。本研究使用自建的无人机森林火灾遥感影像数据集对模型进行评估,改进后的YOLOv3-SPP算法模型识别精确率达到91.07%,识别速率达到51帧/s,较YOLOv3-SPP模型分别提升了1.14%和17帧/s。实验表明该模型能有效地识别森林火灾烟雾,且通过轻量化的设计能在短时间内对烟雾进行准确识别。

关键词：深度学习 YOLOv3-SPP 无人机森林火灾烟雾目标识别

来源：评论

学校读者我要写书评

暂无评论

基于群签名与属性加密的区块链可监管隐私保护方案

引用

计算机工程 2022年第6期48卷 132-138页

作者：李莉杜慧娜李涛东北林业大学信息与计算机工程学院哈尔滨150040

区块链技术的去中心化、数据难篡改等特性使其在溯源问题上体现出明显优势,基于区块链的溯源系统可以解决传统系统中信息孤岛、共享程度低以及数据可篡改等问题,从而保证数据的可追溯性。然而,区块链溯源系统中的数据可追溯性与用户隐... 详细信息

区块链技术的去中心化、数据难篡改等特性使其在溯源问题上体现出明显优势,基于区块链的溯源系统可以解决传统系统中信息孤岛、共享程度低以及数据可篡改等问题,从而保证数据的可追溯性。然而,区块链溯源系统中的数据可追溯性与用户隐私保护之间难以取得平衡。提出一种结合群签名、隐私地址协议、零知识证明以及属性加密的分布式可监管隐私保护方案。对群签名的群管理员机制进行改进,设置多群管理员生成用户私钥片段,用户根据返回的私钥片段计算自身私钥,并根据需要有选择性地对溯源数据进行属性加密,同时为链上数据设置特定的访问结构,以实现数据与用户的“一对多”通信。群管理员利用群公钥对交易双方的身份进行追踪与追责。符合数据特定访问结构的用户通过自身的属性私钥对密文进行解密从而获取数据信息。实验结果表明,该方案能在保证数据可追溯并实现交易双方监管的同时,提高链上数据的隐私保护水平,与现有隐私保护方案相比安全性更高。

关键词：区块链监管群签名隐私地址属性加密

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv3神经网络的苗圃树苗检测与计数

引用

林业工程学报 2022年第3期7卷 174-179页

作者：袁叙广赵鹏李丹东北林业大学信息与计算机工程学院哈尔滨150040

长期以来,苗圃树苗的检测与计数一直依赖于人工抽样估计,该方法效率较低且误差较大。为解决上述问题,基于图像处理和深度学习技术,针对云杉、花楸与景观榆树3种树苗提取三类标签图像,构建了树苗检测与计数的输入数据集,并利用数据增强... 详细信息

长期以来,苗圃树苗的检测与计数一直依赖于人工抽样估计,该方法效率较低且误差较大。为解决上述问题,基于图像处理和深度学习技术,针对云杉、花楸与景观榆树3种树苗提取三类标签图像,构建了树苗检测与计数的输入数据集,并利用数据增强方法将数据集扩充了15倍。基于扩充后的数据集,提出了基于YOLOv3深度神经网络的树苗检测与计数方法,并使用迁移学习的方法对网络模型进行训练与验证,从而提高了检测与计数准确率。试验结果表明:该网络模型能够有效地克服大田环境下的噪声,实现树苗的快速、准确识别,云杉树苗图像检测时间平均每幅0.681 s,花楸树苗图像检测时间平均每幅0.698 s,景观榆树树苗图像检测时间平均每幅0.697 s,MAP值达到0.825。对100幅云杉树苗图像、50幅花楸树苗图像和50幅景观榆树树苗图像进行树苗计数测试,采用人工计数结果与系统计数结果对比进行正确率评价。研究结果表明,树苗总体识别正确率达到95.2%(其中云杉树苗计数准确率为97.5%、花楸树苗计数准确率为91.9%、景观榆树树苗计数准确率为96.2%),能够满足树苗检测计数的实际要求。

关键词：苗圃树苗 YOLOv3网络数据增强树苗检测树苗计数

来源：评论

学校读者我要写书评

暂无评论

多成本融合的立体匹配网络

引用

计算机工程 2022年第2期48卷 186-193页

作者：张锡英王厚博边继龙东北林业大学信息与计算机工程学院哈尔滨150040

立体匹配网络中的特征提取是提高双目视觉立体匹配精确度的关键步骤。为充分提取图像特征信息,结合密集空洞卷积、空间金字塔池化和堆叠沙漏的特点,构建一种多成本融合的立体匹配网络DCNet。引入密集空洞卷积和空间金字塔池化方法提取... 详细信息

立体匹配网络中的特征提取是提高双目视觉立体匹配精确度的关键步骤。为充分提取图像特征信息,结合密集空洞卷积、空间金字塔池化和堆叠沙漏的特点,构建一种多成本融合的立体匹配网络DCNet。引入密集空洞卷积和空间金字塔池化方法提取多尺度特征信息,同时使用轻量化注意力模块优化多尺度特征信息,构建多特征融合的匹配代价卷。在此基础上,利用3D卷积神经网络和堆叠沙漏网络聚合匹配代价信息,并通过回归的方式生成视差图。实验结果表明,该网络在KITTI2015数据集上的误匹配率为2.12%,相比PSMNet、DisNetC、PDSNet等网络,在特征提取部分能够获得更丰富的特征信息,且提升特征匹配的效果。

关键词：立体匹配密集神经网络深度卷积神经网络深度学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多任务持续学习的树种识别

引用

森林工程 2022年第1期38卷 67-75页

作者：王恩泽赵亚凤东北林业大学信息与计算机工程学院哈尔滨150040

针对现有的深度学习方法在树干或树叶单一识别任务上需要大量样本做标注和训练的问题,且存在灾难性遗忘现象,提出一种新的神经网络模型用于多任务树种识别。对于少量不同类型数据样本,本文引入持续学习,将树干识别和树叶识别看作2个连... 详细信息

针对现有的深度学习方法在树干或树叶单一识别任务上需要大量样本做标注和训练的问题,且存在灾难性遗忘现象,提出一种新的神经网络模型用于多任务树种识别。对于少量不同类型数据样本,本文引入持续学习,将树干识别和树叶识别看作2个连续的学习,实现多任务识别。训练模型分为2个阶段:第1阶段为树干识别,保留参数重要性;第2阶段引入正则化损失约束重要参数的变化,维持模型对于叶片的特征提取能力,而保持低重要性参数的改变,以学习不同树种样本中更多的特征信息。测试结果表明,该方法在树干识别和树叶识别时的准确率分别为91.75%和98.85%,较单任务的深度学习有18.03%和11.92%的提升。本研究所提出的模型更适用于在不同样本中进行多任务分类识别,较好地避免灾难性遗忘问题。

关键词：树种识别多任务学习持续学习卷积神经网络混淆矩阵

来源：评论

学校读者我要写书评

暂无评论

基于MIMIC与机器学习的出租车驾驶员交通事故诱因分析

引用

吉林大学学报（工学版） 2023年第2期53卷 457-467页

作者：潘恒彦张文会梁婷婷彭志鹏高维王永岗长安大学运输工程学院西安710064 东北林业大学交通学院哈尔滨150040 西安交通工程学院土木工程学院西安710399 哈尔滨工业大学交通科学与工程学院哈尔滨150090

通过调查问卷收集2391名出租车驾驶员个体属性、身体疲劳感知、工作压力、风险驾驶行为和交通事故经历的相关信息。运用多指标多原因(MIMIC)模型进行路径分析,探究身体疲劳感知、风险驾驶行为对交通事故的诱发效应,验证性别、年龄、工... 详细信息

通过调查问卷收集2391名出租车驾驶员个体属性、身体疲劳感知、工作压力、风险驾驶行为和交通事故经历的相关信息。运用多指标多原因(MIMIC)模型进行路径分析,探究身体疲劳感知、风险驾驶行为对交通事故的诱发效应,验证性别、年龄、工作压力的原因变量对身体疲劳感知、分心驾驶行为的影响作用。选取逻辑回归、朴素贝叶斯、支持向量机、随机森林4种机器学习算法对出租车事故进行预测。结果表明:身体疲劳感知、过失性驾驶行为、激进性驾驶行为与分心驾驶行为的提高能够导致事故率的提高,性别、年龄、工作压力会对身体疲劳感知与分心驾驶行为的频次产生影响。基于机器学习的事故预测模型效果极佳,其中随机森林的预测效果最好,使用单一特征变量“风险驾驶行为”、“分心驾驶行为”、“身体疲劳感知”的预测精度尚可接受。当引入“工作压力”、“年龄”、“性别”的个人属性指标时,预测精度进一步提高。

关键词：交通运输安全工程出租车驾驶员道路交通事故 MIMIC模型路径分析中介效应机器学习

来源：评论

学校读者我要写书评

暂无评论

DeepLab V3+改进的树木图像分割

引用

计算机工程与设计 2023年第1期44卷 232-239页

作者：林宁宁高心丹东北林业大学信息与计算机工程学院黑龙江哈尔滨150036

针对树木图像分割需要预处理、人机交互和分割精度低等问题,提出基于改进的DeepLab V3+的街道树木图像分割方法。在编码端使用带有扩张卷积的扩张残留网络并添加密集连接方式提取中阶特征图,传递给设计有交互信息传递的空洞空间卷积池... 详细信息

针对树木图像分割需要预处理、人机交互和分割精度低等问题,提出基于改进的DeepLab V3+的街道树木图像分割方法。在编码端使用带有扩张卷积的扩张残留网络并添加密集连接方式提取中阶特征图,传递给设计有交互信息传递的空洞空间卷积池化金字塔,增强了不同感受野之间的相关性,采用多尺度拼接融合方法形成高阶特征图。在解码端,对多增加的中阶特征图和高阶特征图进行上采样后调整通道数,与低阶特征图进行跨层拼接融合,使高分辨率图像的细节信息得到更好的补充。在自制树木图像分割数据集以及Cityscapes公共数据集上的精度相较DeepLab V3+以及其它主流网络有所提高。

关键词：树木图像语义分割空洞卷积密集卷积网络多尺度融合扩张残留网络卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于实体层次结构的文档级别关系抽取

引用

计算机工程与设计 2023年第4期44卷 1081-1087页

作者：李强李实东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

针对目前文档级别关系抽取主要关注实体间的逻辑推理,未充分利用实体间的层次语义信息问题,提出一种基于实体层次结构的文档级别关系抽取模型。考虑多句文本中实体间的交互,将实体构建为文档图并使用图卷积神经进行信息传播;通过实体间... 详细信息

针对目前文档级别关系抽取主要关注实体间的逻辑推理,未充分利用实体间的层次语义信息问题,提出一种基于实体层次结构的文档级别关系抽取模型。考虑多句文本中实体间的交互,将实体构建为文档图并使用图卷积神经进行信息传播;通过实体间的上下位关联构建实体层次树,使用注意力机制将层次语义信息融入实体;为降低模型对实体表面信息的关注,使用实体类型对实体词进行替换。实验结果表明,在大规模文档级别关系抽取数据集上实体语义信息增强的方案能够有效提高文档级别关系抽取的效果。

关键词：文档级别关系抽取实体层次结构逻辑推理注意力机制文档图信息融合

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：