检索结果-内蒙古大学图书馆

重庆理工大学学报（自然科学） 2023年第10期37卷 156-165页

作者：温雪岩李祯谷训开赵玉茗东北林业大学计算机与控制工程学院哈尔滨150040

针对花样滑冰运动中动作特征复杂、特征提取不全面和现有的动作识别方法识别准确率不高的问题,提出了共享多分支特征和注意力的多尺度时空图卷积网络的花样滑冰动作识别方法。使用OpenPose算法提取人体运动的骨骼点数据,消除噪声干扰;其... 详细信息

针对花样滑冰运动中动作特征复杂、特征提取不全面和现有的动作识别方法识别准确率不高的问题,提出了共享多分支特征和注意力的多尺度时空图卷积网络的花样滑冰动作识别方法。使用OpenPose算法提取人体运动的骨骼点数据,消除噪声干扰;其次,改进通道注意力结构,改进后的注意力机制使模型提取更全面、关键的特征;构建融合注意力机制的多尺度时空图卷积网络,提取时序特征更完整;最后,提取多分支特征融合后的共享特征输入网络,使模型共享数据的同时挖掘语义特征。结果表明所提模型在花样滑冰30种动作类型的FSD-10数据集的识别准确率为64.5%。与ST-GCN和CTR-GCN方法相比,该算法的准确率均有提升,说明对花样滑冰动作识别效果更好。

关键词：图卷积网络动作识别注意力机制共享特征花样滑冰多尺度卷积

来源：评论

学校读者我要写书评

暂无评论

面向林业资源防护的CGPSO算法UAV航迹优化应用研究

引用

重庆理工大学学报（自然科学） 2023年第12期37卷 252-259页

作者：赵永辉万晓玉吕勇刘雪妍刘淑玉东北林业大学计算机与控制工程学院哈尔滨150040

针对传统PSO无人机航迹规划算法在林业资源防护任务中存在收敛速度慢、易陷入局部最优的问题,提出了一种基于CGPSO的无人机航迹优化算法(cauchy gauss particle swarm optimization, CGPSO)。借助雷达传感器对林间环境进行预检,构建了... 详细信息

针对传统PSO无人机航迹规划算法在林业资源防护任务中存在收敛速度慢、易陷入局部最优的问题,提出了一种基于CGPSO的无人机航迹优化算法(cauchy gauss particle swarm optimization, CGPSO)。借助雷达传感器对林间环境进行预检,构建了无人机飞行任务环境模型;引入了自适应惯性权重和融合柯西-高斯变异算子调整粒子群算法,平衡全局-局部收敛速度,优化局部极值问题;综合分析了无人机航迹长度代价、障碍物碰撞代价和高程范围代价,建立了航迹规划适应度函数。仿真结果显示,所规划算法适应度标准差达到了0.148 6,用时54.34 s,相比PSO算法,收敛代价值减少了42%,用时提升了25%,与所有算法相比,整体航迹具有较强的鲁棒性,对环境的适应性更优。因此,采用新规划航迹算法在林区进行林业资源防护工作是可行的。

关键词：无人机航迹规划粒子群算法雷达传感器自适应惯性权重柯西-高斯变异

来源：评论

学校读者我要写书评

暂无评论

风荷载下的树木动态行为参数测量方法综述

引用

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

结合特征对齐与实例迁移的跨项目缺陷预测

引用

计算机应用研究 2023年第10期40卷 3091-3099页

作者：李莉赵鑫石可欣苏仁嘉任振康东北林业大学计算机与控制工程学院哈尔滨150040

为解决跨项目缺陷预测中源项目和目标项目分布差异较大的问题,提出了一种基于特征对齐和实例迁移的两阶段缺陷预测方法(FAIT)。首先,在特征对齐阶段,根据边缘概率分布进行特征的边缘分布对齐;然后,基于源项目和目标项目构建条件分布映... 详细信息

为解决跨项目缺陷预测中源项目和目标项目分布差异较大的问题,提出了一种基于特征对齐和实例迁移的两阶段缺陷预测方法(FAIT)。首先,在特征对齐阶段,根据边缘概率分布进行特征的边缘分布对齐;然后,基于源项目和目标项目构建条件分布映射矩阵完成条件分布对齐;最后,在实例迁移阶段,通过改进了权重调整策略的TrAdaBoost方法构建跨项目缺陷预测模型。以F 1作为评价指标,当目标项目有标签实例比例为20%时,FAIT性能最佳,且两过程特征对齐优于单一过程特征对齐。此外,FAIT的预测性能在AEEEM和NASA数据集上分别提高了10.69%、15.04%。FAIT在一定程度上解决了源项目与目标项目的分布差异,能够取得较好的缺陷预测性能。

关键词：跨项目缺陷预测特征对齐最大均值差异实例迁移 TrAdaBoost

来源：评论

学校读者我要写书评

暂无评论

基于雪地足迹影像的物种分类识别方法——以东北地区6种哺乳动物为例

引用

野生动物学报 2025年

作者：艾昊橙戴文锐马光凯姜广顺东北林业大学野生动物与自然保护地学院国家林业和草原局猫科动物研究中心东北林业大学计算机与控制工程学院

东北地区在我国生物资源上占据重要地位，受寒冷漫长的冬季以及丰厚降雪量的影响，野外工作者在冬季通常优先选择雪地足迹来完成野生动物的识别和监测，但足迹识别物种对人员资质要求较高，且对相似雪地足迹肉眼识别仍存在难度。因此，... 详细信息

东北地区在我国生物资源上占据重要地位，受寒冷漫长的冬季以及丰厚降雪量的影响，野外工作者在冬季通常优先选择雪地足迹来完成野生动物的识别和监测，但足迹识别物种对人员资质要求较高，且对相似雪地足迹肉眼识别仍存在难度。因此，简单、高效且准确地通过雪地足迹影像来识别野生动物成为东北地区野生动物监测的关键。为此，本研究提出了基于雪地足迹和深度学习识别野生动物种类的方法，以东北地区6种哺乳动物为研究对象，通过野外人工采集并处理足迹影像制作雪地足迹数据集，选用分割模型SOLOv2作为分割网络完成对雪地足迹轮廓特征的自动提取，探究各物种的实例分割精度和效果。选用分类模型Swin-Transformer-Tiny作为分类网络实现对雪地足迹影像轮廓特征的自动分类识别，探究各物种的分类识别准确率。结果表明：本研究提出的雪地足迹识别分类方法具有较好的可信度；在分类网络中，通过人工标注雪地足迹轮廓完成物种自动分类可以达到89.9%的分类识别准确率；在雪地足迹识别网络中，通过其分割网络的结果对分类网络进行训练，最终完成整体的自动化识别，达到85.3%的分类识别准确率。总体上，通过雪地足迹影像以及深度学习技术，利用分割-分类网络构建野生动物雪地足迹识别网络，实现了基于动物雪地足迹影像的自动化物种分类识别，为我国北方冬季野生动物监测和保护提供了一种简单高效的方法。

关键词：物种识别雪地足迹识别深度学习实例分割分类网络

来源：评论

学校读者我要写书评

暂无评论

基于LADRC的柔性多状态开关平滑切换策略

引用

电网技术 2024年第4期48卷 1663-1671,I0080页

作者：刘一琦孙明哲胡存刚李振杰班明飞东北林业大学计算机与控制工程学院黑龙江省哈尔滨市150000 安徽大学电气工程与自动化学院安徽省合肥市230000

为实现多端口柔性多状态开关(flexible multi-state switches,FMSS)在所连馈线发生故障时的平滑切换,该文提出一种基于线性自抗扰控制(linear active disturbance rejection control,LADRC)的平滑切换策略,使用LADRC代替比例积分(proportional integral,PI)控制器的直流电压外环并设计解耦状态观测器以便控制器参数调节,引入内环电流指令值反馈以减小其在控制模式切换时的变化幅度,实现FMSS控制模式的平滑切换。通过MATLAB/Simulink仿真,验证了馈线故障出现在PQ或UdcQ控制端口的连接处时,采用基于LADRC的平滑切换策略均可显著减小FMSS的直流电压偏移率,使端口有功功率过渡平滑,迅速恢复稳定,更好地实现了多端口FMSS控制模式的平滑切换。

关键词：柔性配电网线性自抗扰控制柔性多状态开关馈线故障平滑切换

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

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

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：