检索结果-内蒙古大学图书馆

计算机工程与设计 2022年第12期43卷 3340-3347页

作者：杨泽雪张毅李陆刘伟东蒋超东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 黑龙江省政务大数据中心合作交流与创新发展处黑龙江哈尔滨150028 黑龙江工程学院计算机科学与技术系黑龙江哈尔滨150050

为提高海量空间大数据的反向k最近邻查询效率,采用当前流行的大数据处理框架Spark,对并行反向k最近邻查询进行研究。基于Spark框架构建并行索引结构,利用Voronoi图处理反向k最近邻查询的良好性能,构建基于网格和Voronoi图的双层索引结构... 详细信息

为提高海量空间大数据的反向k最近邻查询效率,采用当前流行的大数据处理框架Spark,对并行反向k最近邻查询进行研究。基于Spark框架构建并行索引结构,利用Voronoi图处理反向k最近邻查询的良好性能,构建基于网格和Voronoi图的双层索引结构;利用双层索引结构,给出高效的并行反向k最近邻查询的过滤精炼处理算法SV_RkNN,给出相关定理及证明。真实数据实验结果表明,所提SV_RkNN算法具有较高的查询效率。

关键词：空间数据库空间大数据并行查询反向k最近邻查询 Voronoi图空间索引网格

来源：评论

学校读者我要写书评

暂无评论

基于语义分割的无人驾驶车道线检测算法研究

引用

计算机时代 2022年第5期 39-41,47页

作者：孙斌艳曹馨窈张连勇郭继峰东北林业大学信息与计算机工程学院黑龙江哈尔滨150000

自动驾驶车辆在实际行驶过程中,往往对车道线检测的算法效率有着很高的要求,针对这一问题,本文基于2018年提出的经典车道线检测模型Lanenet,提出一种检测时间开销较小的算法,本算法主要通过两个方法提升车道线检测实时性:一是压缩网络结... 详细信息

自动驾驶车辆在实际行驶过程中,往往对车道线检测的算法效率有着很高的要求,针对这一问题,本文基于2018年提出的经典车道线检测模型Lanenet,提出一种检测时间开销较小的算法,本算法主要通过两个方法提升车道线检测实时性:一是压缩网络结构,减少图片前向处理时间;二是使用时间复杂度小的k-means算法对车道线像素进行聚类,加快聚类效率。在相同实验环境下,本算法在总时间上比Lanenet减少了77.9%,能更好的解决车道线检测实时性能差这一问题。

关键词：车道线检测语义分割实时检测无人驾驶

来源：评论

学校读者我要写书评

暂无评论

人工智能与新工科双背景下工科教学改革研究

引用

教育教学论坛 2022年第5期 54-57页

作者：王铁滨管雪梅王荣白岩邢键东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

随着信息技术的日新月异,人工智能技术也随之获得前所未有的进展。在未来发展过程中,工科专业将与多个领域和专业产生密切联系,互相发展和协同发展更是大势所趋。为此,当前新工科教育主要面临各学科之间产生的交叉和融合问题。当前社会... 详细信息

随着信息技术的日新月异,人工智能技术也随之获得前所未有的进展。在未来发展过程中,工科专业将与多个领域和专业产生密切联系,互相发展和协同发展更是大势所趋。为此,当前新工科教育主要面临各学科之间产生的交叉和融合问题。当前社会多个领域的发展都与人工智能技术密切相关,这就对当前的应用型工科专业教育教学提出了全新的要求,应用型工科专业教育教学改革十分必要和紧迫,改革应满足当前社会对掌握多学科知识、水平高、能力强,具备创新性思维的高素质专业型人才的实际需求。

关键词：新工科人工智能教学改革策略

来源：评论

学校读者我要写书评

暂无评论

基于K-Means聚类算法的苹果分等研究

引用

通讯世界 2022年第9期29卷 99-101页

作者：涂宜涛丁鹏龙杜皓王竞梓东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

为解决苹果在果园分等过程中的准确性以及需要大量劳动力的问题,以K-Means聚类算法为基础,根据苹果等级分级的标准,对苹果大小、圆形度、颜色以及表面是否有缺损4个方面进行分析,借助K-Means聚类算法对苹果图像进行轮廓的分割,从而计算... 详细信息

为解决苹果在果园分等过程中的准确性以及需要大量劳动力的问题,以K-Means聚类算法为基础,根据苹果等级分级的标准,对苹果大小、圆形度、颜色以及表面是否有缺损4个方面进行分析,借助K-Means聚类算法对苹果图像进行轮廓的分割,从而计算出苹果大小以及圆形度,并通过色调-饱和度-亮度(hue saturation intensity,HSI)模型判断苹果的颜色是否达标,利用K-Means聚类算法分析表面是否缺损。最终通过该方法分等的苹果与人为分等的苹果情况大体相同,准确率可以达到95%以上。

关键词： K-Means聚类算法原理苹果分等 HIS模型

来源：评论

学校读者我要写书评

暂无评论

基于DCN的无监督域自适应行人重识别方法

引用

液晶与显示 2021年第11期36卷 1573-1582页

作者：杨海伦王金聪任洪娥陶锐东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 东北林业大学机电工程学院黑龙江哈尔滨150040 黑龙江林业智能装备工程研究中心黑龙江哈尔滨150040 呼伦贝尔学院内蒙古呼伦贝尔021008

为解决无监督行人重识别研究中存在的遮挡、域间及相机间风格差异较大等问题,本文提出基于可变形卷积的无监督域自适应模型。针对特征提取过程中的遮挡问题提出基于可变形卷积的CNN模型;在预训练阶段提出应用SPGAN直接减小域间差异,训... 详细信息

为解决无监督行人重识别研究中存在的遮挡、域间及相机间风格差异较大等问题,本文提出基于可变形卷积的无监督域自适应模型。针对特征提取过程中的遮挡问题提出基于可变形卷积的CNN模型;在预训练阶段提出应用SPGAN直接减小域间差异,训练过程中提出使用CycleGAN生成不同相机风格图像缓解相机风格差异性问题;提出多损失协同训练的方法实现CycleGAN和复用CNN模型的迭代优化进一步提高识别准确率。实验结果表明,本文提出的方法在源域DukeMTMC-reID/Market-1501和目标域Market-1501/DukeMTMC-reID下进行实验,mAP和Rank-1分别达到了68.7%、64.1%和88.2%、78.1%。本文所提出的模型有效缓解了行人被遮挡、域间及相机间风格差异较大等问题,与现有方法比较,有更好的识别效果。

关键词： DCN 生成对抗网络无监督域自适应多损失训练

来源：评论

学校读者我要写书评

暂无评论

一种基于改进的快速扩展随机树的工业机器人路径避障规划算法

引用

信息与控制 2021年第2期50卷 235-246,256页

作者：刘亚秋赵汉琛刘勋徐妍东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 哈工大机器人(合肥)国际创新研究院安徽合肥230000

针对传统快速扩展随机树(RRT)算法在机械臂的运动规划上缺乏导向性,收敛速度慢等问题,文中在传统RRT的基础上,提出了一种扩展点选择策略和自适应步长策略,并且在算法陷入局部极小值时,采用避免回归机制,快速脱离极小值.然后结合Dijkstr... 详细信息

针对传统快速扩展随机树(RRT)算法在机械臂的运动规划上缺乏导向性,收敛速度慢等问题,文中在传统RRT的基础上,提出了一种扩展点选择策略和自适应步长策略,并且在算法陷入局部极小值时,采用避免回归机制,快速脱离极小值.然后结合Dijkstra算法对改进算法产生的路径进行优化,得到一条优化后的路径.最后,得到的机械臂末端有效路径再通过本文的机械臂规划模块,转化为一条机械臂最优位姿路径.将该改进算法与其他算法在Matlab和ROS中进行仿真实验,实验结果表明,该算法能有效指导RRT树的生长方向,避免陷入极小值,并且提高算法的收敛速度,并且提高了机械臂在仿真中运动规划效率.

关键词：快速扩展随机树机械臂路径规划避障规划碰撞检测机器人操作系统

来源：评论

学校读者我要写书评

暂无评论

森林消防车无网络通信定位及参数采集系统设计

引用

消防科学与技术 2021年第4期40卷 530-533页

作者：徐睿魏斌王博孙榕孙术发东北林业大学工程技术学院黑龙江哈尔滨150040 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

为了实现在无信号林区对森林消防车的定位及参数采集,采用传感技术、北斗短报文技术,研发了一种基于北斗短报文的通信定位及参数采集系统,该系统包括数据采集系统、北斗短报文通信系统。参数采集系统采用STM32芯片采集传感器数据,同时... 详细信息

为了实现在无信号林区对森林消防车的定位及参数采集,采用传感技术、北斗短报文技术,研发了一种基于北斗短报文的通信定位及参数采集系统,该系统包括数据采集系统、北斗短报文通信系统。参数采集系统采用STM32芯片采集传感器数据,同时利用三防平板电脑的GPS定位功能获取森林消防车的位置,在原始林区弱信号甚至是无信号情况下利用北斗短报文技术上报消防车的传感器参数和位置信息,指挥车车载终端收到报文信息,在本地存储并上传到云端,支持APP实时显示。经测试,系统定位的精度可克服环境空旷程度的影响,整体运行情况良好,符合林区无网环境下消防车参数和位置信息采集需求,能够作为提高无信号林区救援的有效手段,从而提高无信号林区消防救援的安全性和高效性。

关键词：森林消防车车辆定位参数采集网络架构

来源：评论

学校读者我要写书评

暂无评论

秸秆平模成型机的改进设计

引用

林业机械与木工设备 2022年第5期50卷 14-16页

作者：焦国昌李奉跃谷志新东北林业大学机电工程学院黑龙江哈尔滨150040 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

我国秸秆能源再利用在挤压成型过程中普遍存在易堵塞、设备磨损严重等问题。运用Pro/E改进设计了一种秸秆平模成型机,设计了母线倾角为24°的三个锥度压辊,改进了平模的成型孔分布,确定了成型孔的缩径率为1.44∶1,新增了匀料板、扫... 详细信息

我国秸秆能源再利用在挤压成型过程中普遍存在易堵塞、设备磨损严重等问题。运用Pro/E改进设计了一种秸秆平模成型机,设计了母线倾角为24°的三个锥度压辊,改进了平模的成型孔分布,确定了成型孔的缩径率为1.44∶1,新增了匀料板、扫料板及调整垫片。最终设计的成型机成型功率为22.16 kW,产量为1000~2000 kg/h。

关键词：秸秆 Pro/E 改进设计

来源：评论

学校读者我要写书评

暂无评论

卷积神经网络用于近红外光谱古筝面板木材分级

引用

光谱学与光谱分析 2020年第1期40卷 284-289页

作者：孟诗语黄英来赵鹏李超刘镇波刘一星徐艳东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 东北林业大学材料科学与工程学院黑龙江哈尔滨150040 良匠古筝制作研究院有限公司江苏扬州225001

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急... 详细信息

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。

关键词：卷积神经网络核主成分分析连续投影算法古筝面板

来源：评论

学校读者我要写书评

暂无评论

基于结构性符号文本的多通道情感分类模型构建

引用

智能计算机与应用 2024年第10期14卷 164-169页

作者：王海涛何鑫施屹然纪明宇黑龙江财经学院财经信息工程学院哈尔滨150025 东北林业大学计算机与控制工程学院哈尔滨150036 苏州大学计算机科学与技术学院江苏苏州215000

本文提出了一种改进的用于处理包含颜文字的结构性符号和文字混合文本的新的情感分类模型。模型综合包括多层感知机、统计情感缩放、预构建词典、多通道处理和自注意力机制在内的多种技术,具有较高的可扩展性和可解释性。同现有的情感... 详细信息

本文提出了一种改进的用于处理包含颜文字的结构性符号和文字混合文本的新的情感分类模型。模型综合包括多层感知机、统计情感缩放、预构建词典、多通道处理和自注意力机制在内的多种技术,具有较高的可扩展性和可解释性。同现有的情感分类模型相比,本模型能更好地感知颜文字对文本语义的影响,并在此基础上实现文本情感分类。实验结果表明,该模型在融合颜文字的文本情感分类任务中表现出更好的性能。此外,模型可用于解决其他混合结构符号和文本的自然语言处理问题,为情感分类领域的发展提供了新思路和新方法。

关键词：深度学习结构性符号文本分类情感分类模型

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：