检索结果-内蒙古大学图书馆

光谱学与光谱分析 2025年第2期45卷 463-468页

作者：王琦杨海峰蔡江辉运城学院数学与信息技术学院山西运城044000 太原科技大学计算机科学与技术学院山西太原030024 中北大学计算机科学与技术学院山西太原030051

光谱双星通常是指光谱中呈现双主导成分特征,由于该双成分复杂多样,其成因也多种多样,同时光谱信噪比相对比较低,现有许多分析方法将双成分系统光谱分离成两条光谱进行分析,而分离方法无法保证光谱的准确性,现有聚类方法的单次聚类可靠... 详细信息

光谱双星通常是指光谱中呈现双主导成分特征,由于该双成分复杂多样,其成因也多种多样,同时光谱信噪比相对比较低,现有许多分析方法将双成分系统光谱分离成两条光谱进行分析,而分离方法无法保证光谱的准确性,现有聚类方法的单次聚类可靠性比较低。提出一种基于粗集与聚类投票机制的光谱双星分析与评估方法,采用多次聚类和投票思想,给出每条光谱属于相应类别的梯度可靠性。该方法包含两个部分:(1)采用不同思想的聚类算法,将光谱双星数据集进行重构,将每种聚类算法标签采用匈牙利算法将聚类标签对齐作为光谱属性,从而重构数据集。(2)利用投票机制,得票数反映聚类结果的一致程度,获得每条光谱的类别,定义粗集示踪每类光谱特征,采用上/下近似集给出每条光谱所归类别的可靠性。选择郭守敬望远镜(LAMOST)DR10发布光谱双星集作为分析对象,采用基于划分的K-means、基于模型的GMM(Gaussian mixture model)、谱聚类(spectral clustering)和层次聚类(agglomerative clustering)四种聚类算法重构光谱数据集,选择得票数下界μ为2,通过投票得到1、0.75、0.5为可靠性梯度的聚类结果。其中大约1/3的样本可靠性为1,说明这批样本的四种聚类结果完全一致;对每类光谱和投票数的信噪比进行统计分析,投票数低的样本的信噪比相对较低,是它们被不同的聚类算法划分到不同类别的原因之一;对可靠性为1的6类光谱样本进行了物理成因的分析,其中以双星、河内星云+目标恒星两种为主,聚类标签的差异可能由于两种成分流量差异或拼接、定标等数据处理所导致。也有可能由于光谱质量较低导致pipeline误判的因素,其天区位置分布与低质量数据分布特征的研究基本一致。

关键词：光谱双星光谱分析聚类算法郭守敬望远镜(LAMOST)

来源：评论

学校读者我要写书评

暂无评论

密近双星候选体LAMOST J051402.68+172659.7光谱分析

引用

光谱学与光谱分析 2025年第5期45卷 1416-1421页

密近双星系统通常具有更快速的轨道运动和更频繁的光变效应,以及伴星的快速演化,这使得它们成为研究星际物理过程和恒星演化的重要天体。测光图像和光变曲线是识别与证认双星的最常用手段,而如果当前观测技术无法分辨双目标的亮度和位... 详细信息

密近双星系统通常具有更快速的轨道运动和更频繁的光变效应,以及伴星的快速演化,这使得它们成为研究星际物理过程和恒星演化的重要天体。测光图像和光变曲线是识别与证认双星的最常用手段,而如果当前观测技术无法分辨双目标的亮度和位置差异时,光谱型也是区分伴星成分的重要方法之一。采用基于粗集与聚类投票机制的光谱双星分析方法,对其离群目标LAMOST J051402.68+172659.7的光谱特征及其证认进行了深入分析。首先,针对LAMOST DR10发布的光谱双星(类别为DoubleStar),对其多次聚类结果投票数最低的17个目标光谱,进行了人眼筛查,除了大部分光谱信噪比较低外,LAMOST J051402.68+172659.7的两次观测光谱呈现较大差异;对于该目标的两次观测,其光谱一次呈现F型,一次呈现F+M型,在排除邻近光纤污染和目标所处环境中其他目标污染后,确定两次观测光谱上呈现的都是目标真实成分,揭示了两种光谱成分来自两个恒星目标;两次观测的视向速度相差约20.3 km·s-1,观测时隔3 d,说明其绕转周期小于6 d。考虑到多个目标成分在同一条光谱上同时出现的条件极其严苛:光谱型差异较大且亮度(流量)在同一尺度上,对其光谱成分、成像、光变等内容进行了深入分析。从ZTF测光的图像序列中,可以检测到目标轮廓的尺寸呈现周期性变化,而在ASAS-SN和ZTF光变曲线上,并未发现明显的周期性变化规律;同时,由于两个天体距离极近或投影掩盖,从SDSS、2MASS测光图像上,呈现出点源的特征(边界稍显不规则),无法分辨双星目标,因此该双星系统的两个恒星之间可能轨道较为紧密,半径较小;在其光谱上呈现Balmer弱发射线(Hα、Hβ、Hδ、Hγ)和禁线([NII]λ6550、[SII]λλ6718,6733、[OII]λ3728)且目标未在行星状星云或HII区域,推测是由伴星相互作用产生的潮汐效应和物质交换,从而对恒星表面和大气层带来冲击,产生发射线。此外,该目标光谱还呈现疑似背景星系的极弱发射线成分,从成像上无法分辨,推测其为数据处理残余。

关键词：光谱双星光变恒星活动郭守敬望远镜(LAMOST)

来源：评论

学校读者我要写书评

暂无评论

面向单传声器节点的分布式语音增强算法

引用

华中科技大学学报(自然科学版) 2025年第3期53卷 99-108页

作者：庞淑蓉秦品乐曾建潮畅瑞江中北大学计算机科学与技术学院河北建筑工程学院电气工程学院

在节点为单传声器的无线声学传感器网络(WASN)中，针对分布式语音增强时声学传递函数难以获取及节点间频繁交换数据的问题，提出了一种基于单传声器节点的分布式语音增强算法．具体地，首先针对全连接WASN，提出了基于最大输入信噪比节... 详细信息

在节点为单传声器的无线声学传感器网络(WASN)中，针对分布式语音增强时声学传递函数难以获取及节点间频繁交换数据的问题，提出了一种基于单传声器节点的分布式语音增强算法．具体地，首先针对全连接WASN，提出了基于最大输入信噪比节点的语音失真加权分布式维纳滤波(SDW-DWF)算法．该算法通过计算获得最大输入信噪比节点，并由该节点接收其他节点发送的多帧信号信息，来分布式实现加权维纳滤波语音增强．该算法在节点间仅需交换少量数据，且不依赖于声学传递函数．此外，提出了一种无拓扑约束的比较一致性算法，来获得最大输入信噪比节点，以使得SDW-DWF方法可用于无网络拓扑约束的移动说话人场景．仿真和实际实验验证了本文方法在无需先验约束情况下，具有较高的分布式语音增强性能．

关键词：分布式语音增强分布式维纳滤波加权维纳滤波一致性算法无线声学传感器网络

来源：评论

学校读者我要写书评

暂无评论

基于超像素引导的Transformer低光图像去噪方法

引用

计算机工程 2025年

作者：宋泉臻陈作钧秦品乐曾建潮中北大学计算机科学与技术学院

现有的低光图像去噪方法除传统算法外，主要使用Transformer和CNN的特征提取和去噪机制，但仍然会面临两个问题:（1）基于局部窗口的自注意力机制未能充分捕捉图像中的非局部自相似性；（2）通道维度上的自注意力计算未充分利用图像的... 详细信息

现有的低光图像去噪方法除传统算法外，主要使用Transformer和CNN的特征提取和去噪机制，但仍然会面临两个问题:（1）基于局部窗口的自注意力机制未能充分捕捉图像中的非局部自相似性；（2）通道维度上的自注意力计算未充分利用图像的空间关联性。针对上述问题，在基于窗口划分的视觉Transformer方法上，提出了一种基于超像素引导的策略，可以自适应选择相关窗口进行全局交互。首先，设计了基于窗口交互的Top-N交叉注意力机制（Top-N Cross-channel Attention，TNCA），能够动态选择与目标图像窗口最相似的前N个窗口，并在通道维度上聚合图像窗口的信息，充分考虑了图像非局部自相似性；其次，通过超像素分割引导的方式，显著提升了窗口内局部特征的表达力，同时在通道维度上增强了空间特征的关联性；最后，构建了一个层次式的自适应交互超像素引导的Transformer去噪网络（Adaptive Interaction Superpixel-Guide Transformer，AISGFormer）。实验结果表明，AISGFormer在SIDD和DND真实图像数据集上的峰值信噪比分别为39.98dB和40.06dB，与其他先进网络相比提升了0.02～14.33dB和0.02dB～7.63dB，更能够交互局部与全局的信息和细节，自适应的利用自相似性抑制区域相似噪声。

关键词：低光图像去噪 Transformer 交叉注意力非局部自相似性真实图像噪声超像素

来源：评论

学校读者我要写书评

暂无评论

基于特征对齐融合的双波段图像描述生成方法

引用

现代电子技术 2025年第7期48卷 65-71页

作者：顾梦瑶蔺素珍晋赞霞李烽源中北大学计算机科学与技术学院山西太原030051

为了获得更准确、全面的现场信息,采用红外和可见光同步成像探测复杂场景已成为常态,但现有图像描述研究仍集中于可见光图像,无法全面而准确地描述已探测到的场景信息。为此,文中提出一种基于特征对齐融合的可见光⁃红外双波段图像描述... 详细信息

为了获得更准确、全面的现场信息,采用红外和可见光同步成像探测复杂场景已成为常态,但现有图像描述研究仍集中于可见光图像,无法全面而准确地描述已探测到的场景信息。为此,文中提出一种基于特征对齐融合的可见光⁃红外双波段图像描述生成方法。首先,利用Faster⁃RCNN分别提取可见光图像的区域特征和红外图像的网格特征;其次,以Transformer为基本架构,在可见光⁃红外图像对齐融合(VIIAF)编码器中引入位置信息做桥接,进行可见光⁃红外图像特征的对齐与融合;接着,将融合得到的视觉信息输入Transformer解码器中得到粗粒度文本的隐藏状态;最后将编码器输出的视觉信息、解码器得到的隐藏状态与经训练的Bert输出的语言信息输入所设计的自适应模块,使视觉信息和语言信息参与文本预测,实现文本由粗到细的图像描述。在可见光图像⁃红外图像描述数据集上进行的多组实验表明:所提方法不仅能够精确捕捉到可见光和红外图像间的互补信息,而且与使用Transformer的最优模型相比,其性能在BLEU⁃1、BLEU⁃2、BLEU⁃3、BLEU⁃4、METROR、ROUGE以及CIDEr指标上分别提高1.9%、2.1%、2.0%、1.8%、1.3%、1.4%、4.4%。

关键词：图像描述双波段特征对齐融合注意力机制 Transformer 语言模型 Bert 自适应

来源：评论

学校读者我要写书评

暂无评论

融合多注意力机制的布料仿真方法

引用

计算机工程与设计 2025年第3期46卷 886-894页

作者：王婷靳雁霞南科良王松松中北大学计算机科学与技术学院山西太原030051

针对布料仿真中模拟精度与计算效率的平衡问题,提出一种融合多注意力机制的布料仿真方法。使用多精度点云采样对原始点云进行下采样,得到能反映布料真实形状的真实点云;使用多源多尺度特征融合全面捕获并整合查询点的特征,结合神经网络... 详细信息

针对布料仿真中模拟精度与计算效率的平衡问题,提出一种融合多注意力机制的布料仿真方法。使用多精度点云采样对原始点云进行下采样,得到能反映布料真实形状的真实点云;使用多源多尺度特征融合全面捕获并整合查询点的特征,结合神经网络精准预测符号距离函数(signed distance function,SDF)值与梯度,指导拉动查询点;使用自控制损失(self-control loss,SCLoss)动态纠正拉动后的查询点云,缩小与真实点云之间的差异,使用Marching Cubes算法获取布料模拟结果。实验结果表明,该方法比其它布料仿真方法具有更高的模拟精度与计算效率,能够保留准确详细的褶皱细节,是一种高效的布料仿真方法。

关键词：布料仿真多注意力机制点云采样特征融合符号距离函数自控制损失深度学习

来源：评论

学校读者我要写书评

暂无评论

基于VAE与API行为特征抽取的恶意软件检测

引用

计算机工程与设计 2025年第2期46卷 464-471页

作者：于孟洋师智斌郝伟泽张舒娟中北大学计算机科学与技术学院山西太原030051

针对现有检测方法缺乏数据连续性和完整性的建模能力、难以提取API调用序列的全局特征,且对API行为语义表示抽取单一等问题,提出一种基于变分自编码器与API行为特征抽取的恶意软件检测方法。通过词嵌入将调用函数表示为语义稠密向量;基... 详细信息

针对现有检测方法缺乏数据连续性和完整性的建模能力、难以提取API调用序列的全局特征,且对API行为语义表示抽取单一等问题,提出一种基于变分自编码器与API行为特征抽取的恶意软件检测方法。通过词嵌入将调用函数表示为语义稠密向量;基于变分自编码器架构,学习数据的潜在状态表示,完成对恶意软件全局特征和模式的提取;采用多层卷积神经网络,抽取不同粒度调用子序列的行为语义特征,同时统计调用频率,获取API使用权重信息;综合上述特征进行恶意软件检测。实验结果表明,该方法在阿里云数据集上达到了97.81%的良/恶性检测精度和93.74%的多分类精度,验证了方法的有效性。

关键词：恶意软件检测变分自编码器多层卷积神经网络序列信息行为语义频率信息特征融合

来源：评论

学校读者我要写书评

暂无评论

AWTV和高斯注意力引导的LDCT图像去噪网络

引用

计算机工程与应用 2025年第3期61卷 253-263页

作者：李志媛刘祎张鹏程张丽媛任时磊芦婧桂志国中北大学软件学院太原030051 中北大学省部共建动态测试技术国家重点实验室太原030051 中北大学信息与通信工程学院太原030051 中北大学计算机科学与技术学院太原030051

低剂量CT(low-dose CT,LDCT)图像的去噪任务是一个高度复杂且不确定的逆问题。现有的基于CNN的方法虽然有效,但提升空间有限且计算成本高。相比之下,将图像先验知识与模型相结合来辅助图像去噪是一种更有效的方法。提出了一种名为AWTV_G... 详细信息

低剂量CT(low-dose CT,LDCT)图像的去噪任务是一个高度复杂且不确定的逆问题。现有的基于CNN的方法虽然有效,但提升空间有限且计算成本高。相比之下,将图像先验知识与模型相结合来辅助图像去噪是一种更有效的方法。提出了一种名为AWTV_GANet的LDCT图像去噪框架。该框架利用自适应加权总变分(adaptive weighted total variation,AWTV)展开和高斯注意力引导的方法,通过端到端的CNN模型,将噪声优化模型、边缘检测模型和图像重建模型集成在一起。实验证明,AWTV_GANet能够准确地去除伪影噪声,并恢复出更精细的结构细节,与其他方法相比具有优异的性能。

关键词：低剂量CT 图像去噪深度学习自适应加权总变分

来源：评论

学校读者我要写书评

暂无评论

自适应门控解耦特征融合的多模态情感分析

引用

中北大学学报(自然科学版) 2025年第1期46卷 1-9页

作者：李烽源蔺素珍王彦博李大威顾梦瑶中北大学计算机科学与技术学院山西太原030051 中北大学电气与控制工程学院山西太原030051

现有的多模态情感分析研究主要通过不同模态特征的整体交互进行不同模态信息的融合,未考虑不同模态包含的独有特征以及共有特征之间的联系,导致无法有效分析复杂的情感。针对上述问题,本文提出了自适应门控解耦特征融合的多模态情感分... 详细信息

现有的多模态情感分析研究主要通过不同模态特征的整体交互进行不同模态信息的融合,未考虑不同模态包含的独有特征以及共有特征之间的联系,导致无法有效分析复杂的情感。针对上述问题,本文提出了自适应门控解耦特征融合的多模态情感分析模型(AGDF)。首先,利用预训练的BERT模型和Transformer模型进行不同模态的特征提取。其次,根据不同模态的共有特征相似而独有特征不相似的原理构造对比对,通过对比学习的方法,将不同模态的特征分解为独有特征和共有特征。然后,根据图像和语音模态在文本模态存在偏移的原理,设计了一种新的自适应门控机制进行特征融合,将其他模态信息融于文本模态。同时,设计了独有特征和共有特征的联系图,利用图注意力神经网络进行融合,以平衡模态之间的独有信息和共有信息。最后,对融合特征进行分类。在数据集CMU-MOSI、CMU-MOSEI上进行了实验,结果显示本文方法比基线方法在准确率和F1分数上均提高了约1百分点。此外,与其他特征分解方法相比,本文方法的准确率提高了1.23百分点,F1分数提高了1.37百分点,Corr提高了2.13百分点,MAE降低了4.83百分点。综合结果表明,本文提出的方法能够更加充分利用不同模态的异质信息,从而有效提高情感识别的效果。

关键词：情感分析对比学习图神经网络多模态信息融合自适应门控

来源：评论

学校读者我要写书评

暂无评论

基于对比学习和扩散模型的多模态活动识别

引用

计算机技术与发展 2025年

作者：代子鑫翟双姣秦品乐晋赞霞曾建潮中北大学计算机科学与技术学院

射频和视频信号融合能够充分利用两者的互补特性，以提升模型的环境感知能力与识别准确性。针对现有多模态融合方法难以有效解决模态间数据的异构性及复杂场景活动识别泛化性能不足的问题，本文提出了一种基于对比学习和扩散模型的多模... 详细信息

射频和视频信号融合能够充分利用两者的互补特性，以提升模型的环境感知能力与识别准确性。针对现有多模态融合方法难以有效解决模态间数据的异构性及复杂场景活动识别泛化性能不足的问题，本文提出了一种基于对比学习和扩散模型的多模态数据融合活动识别算法。首先，去除射频数据和视频数据中的环境噪声，并通过对比学习方法建立两种模态间的映射关系，使得这两种模态的数据能够在统一的特征空间内融合，以缓解模态间数据的异构性问题。然后，针对现有的多模态融合方法在复杂场景下泛化性能不足的问题，本文利用扩散模型生成高质量的射频数据，以增强射频信号的空间特征表达能力。同时，采用视频几何变换的方法增加视频数据的多样性，进一步提升模型的鲁棒性和在复杂场景下的泛化能力。最后，结合融合特征和增强后的多模态数据，充分利用对比学习和扩散模型在多模态活动识别中的优势，进一步提高模型的识别准确率。实验结果表明，本文提出的算法在自建的多模态数据集和公开的MM-Fi数据集上的活动识别准确率均超过90%，优于现有的多模态融合算法。

关键词：活动识别对比学习扩散模型射频视频多模态融合

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：