检索结果-内蒙古大学图书馆

计算机工程与应用 2021年第14期57卷 181-186页

作者：岳琪徐忠亮郭继峰东北林业大学信息与计算机工程学院哈尔滨150040

为了解决混合乐器音乐数据的成分识别与解析研究中,现有方法过度依赖数据标签,且往往基于单纯频域或物理特征,与乐器固有性质关联不明显、对复杂成分的敏感度不足的问题,提出了一种基于稀疏分解和多种乐器成分字典的稀疏特征提取方法,... 详细信息

为了解决混合乐器音乐数据的成分识别与解析研究中,现有方法过度依赖数据标签,且往往基于单纯频域或物理特征,与乐器固有性质关联不明显、对复杂成分的敏感度不足的问题,提出了一种基于稀疏分解和多种乐器成分字典的稀疏特征提取方法,通过对稀疏系数向量进行深入分析,得到可以独立使用,具有高可解释性的稀疏音乐特征。实验结果证明,这种特征能够直观地反映乐器成分组成与音乐情绪的变化,在混合乐器成分分析和其他各类时变信号分析领域具有显著的应用价值。

关键词：特征提取稀疏分解稀疏特征混合乐器识别音乐时域分析

来源：评论

学校读者我要写书评

暂无评论

融合多维特征的稻米外观品质检测技术

引用

哈尔滨理工大学学报 2021年第5期26卷 76-82页

作者：邢键罗佳顺东北林业大学信息与计算机工程学院哈尔滨150040

图像处理技术用于稻米外观品质的检测具有效率高的优点,但其易受弱光照强度的影响。为了提高图像质量,提出了一种新的数据融合处理算法,实现了大米样品和背景的分割,最大限度地消除了噪声,提高了后续检测函数的精度。实现了一套碎米、... 详细信息

图像处理技术用于稻米外观品质的检测具有效率高的优点,但其易受弱光照强度的影响。为了提高图像质量,提出了一种新的数据融合处理算法,实现了大米样品和背景的分割,最大限度地消除了噪声,提高了后续检测函数的精度。实现了一套碎米、裂纹、垩白度和加工精度的计算机自动识别功能。本实验选取6种大米作为试验样品,随机抽取10粒大米作为一组,每次试验选取4组样品。经过多次试验,结果表明,该系统对随机稻谷样品的碎米率检测准确率为97.01%、稻种检测准确率为97.60%、裂纹检测准确率为98.22%,优于传统人工检测方法。该系统为进一步完善稻米品质自动检测技术提供了技术依据。

关键词：图像处理大米外观自动检测数据融合

来源：评论

学校读者我要写书评

暂无评论

融合多分支与多粒度特征的东北虎重识别

引用

哈尔滨理工大学学报 2023年第6期28卷 95-102页

作者：李晓楠朱朦任洪娥陶锐东北林业大学信息与计算机工程学院哈尔滨150040 哈尔滨学院哈尔滨150086 黑龙江林业智能装备工程研究中心哈尔滨150040 呼伦贝尔学院内蒙古呼伦贝尔021008

为解决东北虎重识别研究中存在的细节特征提取不充分等问题,提出了一种融合多分支与多粒度特征的东北虎重识别模型CMM-Net。其中,全局分支负责提取宏观上的粗粒度特征;注意力分支通过插入坐标注意力模块加深了网络对重要特征的关注度;... 详细信息

为解决东北虎重识别研究中存在的细节特征提取不充分等问题,提出了一种融合多分支与多粒度特征的东北虎重识别模型CMM-Net。其中,全局分支负责提取宏观上的粗粒度特征;注意力分支通过插入坐标注意力模块加深了网络对重要特征的关注度;局部分支通过将特征图切分成不同条带块,从而提取东北虎更细粒度的局部特征。通过多个分支结构和多个细粒度特征结合来对模型进行优化学习,加强全局特征与局部特征的关联性。同时提出用Circle Loss与Softmax的联合损失来提高网络精度。实验结果表明,在ATRW数据集上所提模型在单摄像头环境下mAP为93.6%,跨摄像头环境下mAP为77.4%,均优于多数文献所提方法,证明了本文模型的有效性。

关键词：东北虎重识别残差网络多分支特征坐标注意力机制 circle loss

来源：评论

学校读者我要写书评

暂无评论

针对森林背景的去雾图像优化

引用

森林工程 2022年第4期38卷 106-112页

作者：孟宇彤赵康军赵伟东北林业大学信息与计算机工程学院哈尔滨150040 临沭县工业和信息化产业发展中心山东临沂276700

森林雾天常导致采集的图像信息质量差,为得到更为清晰完整的森林去雾图像,从而为森林监测提供更好的数据支持和保障,该文利用自适应性算法初步确定森林雾气含量以及光线强度等环境状况,再用亮暗通道融合算法对全局大气光、透射率等大气... 详细信息

森林雾天常导致采集的图像信息质量差,为得到更为清晰完整的森林去雾图像,从而为森林监测提供更好的数据支持和保障,该文利用自适应性算法初步确定森林雾气含量以及光线强度等环境状况,再用亮暗通道融合算法对全局大气光、透射率等大气模型的重要参数值进行优化,最后针对亮暗通道先验算法造成的晕轮效应进行高斯曲率滤波处理。基于自适应图像增强的亮暗通道融合去雾算法能有效改善森林图像的质量,得到细节丰富、视觉效果清晰的森林去雾图像。实验分别从主观标准和客观标准对图像效果进行科学性评价,所得到的融合改进算法对森林图像优化有良好的效果。

关键词：森林图像优化自适应图像去雾亮暗通道融合高斯曲率滤波

来源：评论

学校读者我要写书评

暂无评论

回环软件缺陷数量预测模型

引用

计算机工程与应用 2021年第7期57卷 158-163页

作者：李莉纪欣沅宋嵩东北林业大学信息与计算机工程学院哈尔滨150040

软件缺陷预测是软件工程中的一个研究热点问题,通常软件缺陷预测的研究工作主要关注于软件模块是否存在缺陷和软件模块存在缺陷的数量。目前软件缺陷数量研究主要集中在基于缺陷数的软件模块排序。为提高软件模块排序的准确度,提出一种... 详细信息

软件缺陷预测是软件工程中的一个研究热点问题,通常软件缺陷预测的研究工作主要关注于软件模块是否存在缺陷和软件模块存在缺陷的数量。目前软件缺陷数量研究主要集中在基于缺陷数的软件模块排序。为提高软件模块排序的准确度,提出一种回环软件缺陷数量预测模型。此模型主要包括回环特征选择和缺陷预测两部分。在回环特征选择部分,将改进的密度峰值聚类算法和包裹式特征选择方法相结合,以回环的方式动态的选出最优特征,并训练学习器;陷预测部分采用反距离加权集成的方式得到预测结果。实验结果表明,此模型相比于LRCR、GRCR、LR、MLP、GP、NBR、ZIP分别提升了10.36%、28.74%、13.51%、36.61%、25.30%、60.14%、54.72%,有助于提高软件缺陷预测准确性。

关键词：软件缺陷数量预测密度峰值聚类回环特征选择反距离加权法集成学习

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

深度迁移学习在古筝品质分级中的应用

引用

计算机工程与应用 2021年第10期57卷 218-224页

作者：黄英来温馨任洪娥王佳琪东北林业大学信息与计算机工程学院哈尔滨150040

深度学习和迁移学习的兴起为树种识别提供了新方向,然而其在同树种内不同品质间木材识别仍存在挑战。为改善古筝面板品质分级现状,设计了一种深度残差网络模型。首先将数据集进行划分并采用数据增强技术来扩充训练样本,然后将ImageNet... 详细信息

深度学习和迁移学习的兴起为树种识别提供了新方向,然而其在同树种内不同品质间木材识别仍存在挑战。为改善古筝面板品质分级现状,设计了一种深度残差网络模型。首先将数据集进行划分并采用数据增强技术来扩充训练样本,然后将ImageNet上经过预训练的模型迁移到该问题上。为高效提取到板材图像特征,在预训练模型后新增深层特征提取部分,其融合了残差连接和深度可分离卷积,不仅可增强特征重利用率和缓解梯度消失,而且有利于提取到图像深层特征。最后为提升模型在训练过程中的鲁棒性,使用LeakyReLU函数代替ReLU函数避免神经元死亡问题。该方法在泡桐导管图像数据集上测试精度达到了92.8%,对比其他主流方法,该模型可节省古筝品质分级时间,提高识别精度。

关键词：古筝面板泡桐导管图像识别残差连接深度可分离卷积

来源：评论

学校读者我要写书评

暂无评论

基于限速预测的一点式列车自动驾驶速度规划

引用

哈尔滨理工大学学报 2021年第2期26卷 51-58页

作者：邢键韩冰东北林业大学信息与计算机学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040

针对列车节能操纵问题求解的复杂性,以及列车运行过程的节能问题,基于坡道区间化简原则和区间限速规定,提出了一种化简坡道区间内仅需一种状态转换点的列车自动驾驶速度规划方案,降低了节能运行问题求解的复杂性。通过改进适应度函数的... 详细信息

针对列车节能操纵问题求解的复杂性,以及列车运行过程的节能问题,基于坡道区间化简原则和区间限速规定,提出了一种化简坡道区间内仅需一种状态转换点的列车自动驾驶速度规划方案,降低了节能运行问题求解的复杂性。通过改进适应度函数的遗传算法求解列车状态转换点的位置,实现了列车节能操纵策略。通过和谐电3列车载货2800 t在滨洲线某段33.7km线路进行仿真与实际运行对比,结果表明在满足规定运行时间的条件下,该方法的理论计算能耗与实际运行的能耗相比,节约了15.2%,验证了基于该方法实现节能的可行性。

关键词：限速预测坡道化简区间限速节能操纵遗传算法仿真对比

来源：评论

学校读者我要写书评

暂无评论

基于U-net模型的遥感影像城市建筑物提取

引用

科学与财富 2022年第25期14卷 49-51页

作者：王东皓吕关东东北林业大学信息与计算机工程学院哈尔滨 150040 东北林业大学信息与计算机工程学院哈尔滨 150040

针对使用现有深度学习分割方法对高分辨率遥感影像建筑物分割精度低、效率低的问题,提出了一种基于改进U-Net的遥感影像城市建筑物分类方法.以高分辨率遥感影像为数据源,对数据源中的遥感影像裁剪为256*256大小的图像块,使用U-Net模型... 详细信息

针对使用现有深度学习分割方法对高分辨率遥感影像建筑物分割精度低、效率低的问题,提出了一种基于改进U-Net的遥感影像城市建筑物分类方法.以高分辨率遥感影像为数据源,对数据源中的遥感影像裁剪为256*256大小的图像块,使用U-Net模型进行语义分割,在分割过程中共享网络参数,避免网络的退化.在解码器中集成密集连接模块,将浅层特征与深层特征进行连接,获得新的特征,提高特征利用率.最后,采用深度可分离卷积分别处理卷积过程的空间信息和信道信息,以减小模型参数.

关键词： U-net 建筑物提取深度学习

来源：评论

学校读者我要写书评

暂无评论

融合递归特征金字塔的病原微生物检测

引用

哈尔滨理工大学学报 2023年第5期28卷 91-102页

作者：黄志添谢怡宁赵晶何勇军哈尔滨理工大学计算机科学与技术学院哈尔滨150080 东北林业大学机电工程学院哈尔滨150006 哈尔滨工业大学计算机科学与技术学院哈尔滨150006

针对病原微生物的检测研究较少且目标尺寸相差较大、背景复杂问题,提出了一种融合递归特征金字塔的病原微生物多尺度检测方法。考虑到有些病原微生物的特征与正常细胞有一定的相似性,在YOLOv5特征提取阶段引入混合注意力模块CBAM,可以... 详细信息

针对病原微生物的检测研究较少且目标尺寸相差较大、背景复杂问题,提出了一种融合递归特征金字塔的病原微生物多尺度检测方法。考虑到有些病原微生物的特征与正常细胞有一定的相似性,在YOLOv5特征提取阶段引入混合注意力模块CBAM,可以增强病原微生物的显著度,降低了病原微生物的误诊率。由于尺寸较小的病原微生物在下采样过程会丢失重要特征,在特征融合阶段使用递归特征金字塔RFP和增加小目标的检测层,可以对小目标的特征进行二次提取,丰富语义信息,提高了小目标的检出率,并在二次特征提取模块中使用深度可分离卷积DSConv替换普通卷积Conv,降低了模型的参数量,提升了性能。实验表明,本文算法在病原微生物数据集上的mAP达到了74.9%,相比基线网络YOLOv5提升了4.9%,小目标滴虫的mAP也提高了6.2%。同时在PascalVOC2007、PascalVOC2012和CDetector公开数据集上比基线网络YOLOv5分别提升了1.9%、3.1%和8%。

关键词：病原微生物目标检测递归特征金字塔小目标多尺度检测

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：