检索结果-内蒙古大学图书馆

昆虫学报 2015年第8期58卷 904-910页

作者：余绍军李虹谢林波周国英胡俊中南林业科技大学计算机与信息工程学院长沙410004

【目的】油茶树害虫的种类较多,其中油茶毒蛾Euproctis pseudoconspersa幼虫是危害较大的害虫之一。为完成油茶毒蛾幼虫的自动检测需要对其图像进行分割,油茶毒蛾幼虫图像的分割效果直接影响到图像的自动识别。【方法】本文提出了基于... 详细信息

【目的】油茶树害虫的种类较多,其中油茶毒蛾Euproctis pseudoconspersa幼虫是危害较大的害虫之一。为完成油茶毒蛾幼虫的自动检测需要对其图像进行分割,油茶毒蛾幼虫图像的分割效果直接影响到图像的自动识别。【方法】本文提出了基于邻域最大差值与区域合并的油茶毒蛾幼虫图像分割算法,该方法主要是对相邻像素RGB的3个分量进行差值运算,最大差值若为0,则进行相邻像素合并得出初始的分割图像,根据合并准则进一步合并,得到最终分割结果。【结果】实验结果表明,该算法可以快速有效地将油茶毒蛾幼虫图像中的背景和虫体分割开来。【结论】使用JSEG分割算法、K均值聚类分割算法、快速几何可变形分割算法和本文算法对油茶毒蛾幼虫图像进行分割,将结果进行对比发现本文方法的分割效果最佳,且处理时间较短。

关键词：油茶毒蛾自动识别区域合并法邻域最大差值图像分割

来源：评论

学校读者我要写书评

暂无评论

基于奇异谱分析—SVM的木构件缺陷识别

引用

系统仿真学报 2016年第8期28卷 1863-1868,1877页

作者：周国雄陈爱斌周先雁中南林业科技大学计算机信息工程与学院长沙410004 中南林业科技大学土木工程与力学学院长沙410004

针对木构件缺陷的未知性,提出一种基于奇异谱分析—SVM的木构件缺陷识别方法,采用超声波测试仪对木材试件进行测试,获取测试信号,为消除探伤时由于测试仪增益调节及缺陷尺寸、角度的变化对测试缺陷回波波高的影响,采用奇异谱分析,过滤... 详细信息

针对木构件缺陷的未知性,提出一种基于奇异谱分析—SVM的木构件缺陷识别方法,采用超声波测试仪对木材试件进行测试,获取测试信号,为消除探伤时由于测试仪增益调节及缺陷尺寸、角度的变化对测试缺陷回波波高的影响,采用奇异谱分析,过滤异常随机波动,并从中提取出表征原始信号的特征参数,采用改进的SVM算法对特征参数进行网络训练,识别木构件缺陷类型。测试结果表明该方法区分标准试样和胶缝试件的准确率为97.5%,在识别死节试件时也达到了95%,具有较高的准确率。

关键词：缺陷识别奇异谱分析 SVM PSO

来源：评论

学校读者我要写书评

暂无评论

多移动机器人通信系统研究进展

引用

控制与决策 2010年第3期25卷 327-332,338页

作者：任孝平蔡自兴陈爱斌中南大学信息科学与工程学院长沙410083 中南林业科技大学计算机科学学院长沙410004

鉴于通信是多机器人在联合工作时进行交互的主要途径,对国内外近年来多移动机器人通信系统的研究工作进行了总结.重点介绍了多移动机器人通信系统目前的研究现状和主要研究内容,包括通信方式、通信语言、通信拓扑、通信协议以及其他结... 详细信息

鉴于通信是多机器人在联合工作时进行交互的主要途径,对国内外近年来多移动机器人通信系统的研究工作进行了总结.重点介绍了多移动机器人通信系统目前的研究现状和主要研究内容,包括通信方式、通信语言、通信拓扑、通信协议以及其他结合通信的多移动机器人协作研究.最后指出了多移动机器人通信系统未来的研究方向.

关键词：多移动机器人系统通信系统受限通信通信复杂度切换不适应性

来源：评论

学校读者我要写书评

暂无评论

基于特征选择和时空特征的网络入侵检测

引用

计算机工程 2024年

作者：周莎车生兵考友琛张旭郭甚驿中南林业科技大学计算机与信息工程学院

由于恶意软件、web攻击等行为频发，互联网上存在的大量用户隐私信息，需要避免因网络恶意攻击而导致私密信息外泄，使得网络入侵检测系统成为研究热点。网络入侵数据中存在大量冗余和不相关的信息，现有的检测模型很少捕捉网络入侵数... 详细信息

由于恶意软件、web攻击等行为频发，互联网上存在的大量用户隐私信息，需要避免因网络恶意攻击而导致私密信息外泄，使得网络入侵检测系统成为研究热点。网络入侵数据中存在大量冗余和不相关的信息，现有的检测模型很少捕捉网络入侵数据中时间和空间维度上的模式和规律，导致模型的检测性能受到限制。本文结合特征选择和特征融合，建立了一种新的网络入侵检测模型BRFE-CBIAT。该模型首先通过随机森林和递归特征消除结合构建BRFE。BRFE模型对数据特征进行选择，剔除部分不重要的特征，减少了冗余信息。其次，建立时空特征并行提取的CBIAT模型，使用卷积神经网络的一维卷积层对数据进行初步空间特征提取。然后，通过时间特征模块中的双向长短时记忆网络对深层序列数据建模，捕获特征之间的时序关系，并利用改进的空间注意模块关注空间特征。最后，通过softmax分类器处理融合的时空特征获取分类预测结果。本文提出的BRFE-CBIAT模型，在NSL-KDD和UNSW-NB15数据集上的多分类检测准确率分别为99.7%和94.0%，优于目前主流的网络模型。实验结果表明，本文提出的模型对多类别的细分效果也存在明显优势，在NSL-KDD数据集中，所有细分性能达到了96%以上。在UNSW-NB15数据集上Dos攻击检测F1-score达到了89%。

关键词：网络入侵检测特征选择深度学习时空特征提取特征融合

来源：评论

学校读者我要写书评

暂无评论

基于小波分析—蚁群BP网络的木构件缺陷无损检测

引用

系统仿真学报 2015年第11期27卷 2804-2810页

作者：周国雄周先雁王解军黄特中南林业科技大学计算机信息工程与学院长沙410004 中南林业科技大学土木工程与力学学院长沙410004

针对木材构件的胶缝缺陷,提出一种基于小波分析—蚁群BP网络的木结构无损检测方法,首先采用超声波测试仪对木材试件进行测试,获取测试信号,为消除探伤时由于测试仪增益调节及缺陷尺寸、角度的变化对测试缺陷回波波高的影响,将缺陷信号... 详细信息

针对木材构件的胶缝缺陷,提出一种基于小波分析—蚁群BP网络的木结构无损检测方法,首先采用超声波测试仪对木材试件进行测试,获取测试信号,为消除探伤时由于测试仪增益调节及缺陷尺寸、角度的变化对测试缺陷回波波高的影响,将缺陷信号幅值归一化。利用小波的频域带通特性,将木材构件超声探伤信号分解到不同的频率通道,考察这些分解信号的时频、能量等特性,从中提取出表征原始信号在不同频率通道下的特征参数,并采用蚁群神经网络对小波信号特征参数进行网络训练,检测木材构件胶缝位置。测试结果表明了该方法的有效性。

关键词：木构件胶缝缺陷小波变换蚁群BP网络

来源：评论

学校读者我要写书评

暂无评论

基于转矩脉动特性的无刷直流电机换相转矩脉动抑制方法

引用

信息与控制 2014年第6期43卷 762-768页

作者：朱俊杰杨龙贤扬中南林业科技大学计算机与信息工程学院湖南长沙410004

针对两两导通3相6状态无刷直流电机在不同速段及不同换相区间时会产生不同特性的换相转矩脉动的问题,提出了以转矩脉动偏差为反馈量,并根据反馈量获知电机运行高、低速段区间,配合以不同PWM(pulse width modulation)算法分别抑制电机在... 详细信息

针对两两导通3相6状态无刷直流电机在不同速段及不同换相区间时会产生不同特性的换相转矩脉动的问题,提出了以转矩脉动偏差为反馈量,并根据反馈量获知电机运行高、低速段区间,配合以不同PWM(pulse width modulation)算法分别抑制电机在高、低不同速段转矩脉动,最后以反馈量大小作为判断换相过程是否结束的方法.该方法不仅有针对性地解决了不同速段转矩脉动产生的差异性,而且有效地解决了换相时间难以确定的问题.搭建了一套低压型无刷直流电机实验平台,实验结果验证了控制方法的有效性,电机在较宽速段范围内运行时换相转矩脉动都得到了有效抑制.

关键词：无刷直流电机(BLDCM) 换相转矩脉动抑制 PWM(pulse width modulation) 转矩脉动偏差换相时间

来源：评论

学校读者我要写书评

暂无评论

采用融合卷积网的图像分类算法

引用

计算机工程与科学 2019年第12期41卷 2179-2186页

作者：李聪潘丽丽陈蓉玉周燕邵伟志中南林业科技大学计算机与信息工程学院

目前,卷积神经网络已成为视觉对象识别的主流机器学习方法。有研究表明,网络层数越深,所提取的深度特征表征能力越强。然而,当数据集规模不足时,过深的网络往往容易过拟合,深度特征的分类性能将受到制约。因此,提出了一种新的卷积神经... 详细信息

目前,卷积神经网络已成为视觉对象识别的主流机器学习方法。有研究表明,网络层数越深,所提取的深度特征表征能力越强。然而,当数据集规模不足时,过深的网络往往容易过拟合,深度特征的分类性能将受到制约。因此,提出了一种新的卷积神经网络分类算法:并行融合网FD-Net。以网络融合的方式提高特征的表达能力,并行融合网首先组织2个相同的子网并行提取图像特征,然后使用精心设计的特征融合器将子网特征进行多尺度融合,提取出更丰富、更精确的融合特征用于分类。此外,采用了随机失活和批量规范化等方法协助特征融合器去除冗余特征,并提出了相应的训练策略控制计算开销。最后,分别以经典的ResNet、InceptionV3、DenseNet和MobileNetV2作为基础模型,在UECFOOD-100和Caltech101等数据集上进行了深入的研究和评估。实验结果表明,并行融合网能在有限的训练样本上训练出识别能力更强的分类模型,有效提高图像的分类准确率。

关键词：深度学习图像分类卷积神经网络特征融合

来源：评论

学校读者我要写书评

暂无评论

基于CNN和Bi-LSTM模型的蛋白质甲基化位点识别

引用

哈尔滨理工大学学报 2024年

作者：马驰卓周文静雷志超王楚正中南林业科技大学计算机与信息工程学院

甲基化是一种调节细胞功能的蛋白质翻译后修饰（PTM），能对基因调控和疾病预测等领域的研究提供指导和帮助。当前，甲基化位点识别研究存在标注数据集少，正样本数据不足和甲基化研究识别准确率低等问题。为了解决这些问题，本文提出... 详细信息

甲基化是一种调节细胞功能的蛋白质翻译后修饰（PTM），能对基因调控和疾病预测等领域的研究提供指导和帮助。当前，甲基化位点识别研究存在标注数据集少，正样本数据不足和甲基化研究识别准确率低等问题。为了解决这些问题，本文提出了一种基于CNN和Bi-LSTM模型的蛋白质甲基化位点识别方法。我们的模型分为两个分支，CNN分支采用密集连接的方式使每一层的特征信息充分地传递和共享；堆叠的Bi-LSTM分支获得序列中双向的长期依赖关系，然后两个分支进行特征融合用于甲基化识别。实验表明，利用该模型识别甲基化位点得到的准确率（ACC）、F1值（F1 score）和马修斯相关系数（MCC）分别为0.8519、0.8494和0.7284，相对比其他方法，我们的模型具有更良好性能。

关键词：甲基化卷积神经网络双向长短时记忆网络特征融合位点识别

来源：评论

学校读者我要写书评

暂无评论

基于灰色预测和BP的集气管压力集成预测方法

引用

仪器仪表学报 2011年第7期32卷 1648-1654页

作者：周国雄莫晓山中南林业科技大学计算机与信息工程学院长沙410004 中南大学信息科学与工程学院长沙410083 湖南省计量检测研究院长沙410004

针对焦炉煤气集气过程是一个高度复杂的工业生产过程,难以获得焦炉集气管压力的精确数学模型的问题,提出一种基于灰色预测和BP神经网络的集气管压力集成预测模型。该模型首先利用灰色预测和BP神经网络分别对焦炉集气管压力进行预测,然... 详细信息

针对焦炉煤气集气过程是一个高度复杂的工业生产过程,难以获得焦炉集气管压力的精确数学模型的问题,提出一种基于灰色预测和BP神经网络的集气管压力集成预测模型。该模型首先利用灰色预测和BP神经网络分别对焦炉集气管压力进行预测,然后采用熵值法确定各预测子模型的加权系数,将两个子模型进行加权集成,可以获得较为准确的焦炉集气管压力值。将其预测性能与单一的灰色模型和BP神经网络模型进行比较,运行结果表明:集成预测模型的预测效果和性能优于单一的灰色模型和BP神经网络预测模型,能够获得较高的预测精度。

关键词：灰色预测 BP神经网络集成预测集气管压力

来源：评论

学校读者我要写书评

暂无评论

一种优化的Swin Transformer番茄叶片病害识别方法

引用

中国农业大学学报 2023年第4期28卷 80-90页

作者：刘拥民刘翰林石婷婷欧阳金怡黄浩谢铁强中南林业科技大学计算机与信息工程学院/中南林业科技大学智慧林业云研究中心长沙410004

为了及时准确的识别番茄叶片病害,提高番茄产量,提出了一种优化的Swin Transformer番茄病害识别方法,该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息;结合Mixup混合增强算法,在预处理阶段对图像特... 详细信息

为了及时准确的识别番茄叶片病害,提高番茄产量,提出了一种优化的Swin Transformer番茄病害识别方法,该模型利用Transformer的自注意力结构获得更加完备的番茄病害图像的高层视觉语义信息;结合Mixup混合增强算法,在预处理阶段对图像特征信息进行增强;并采用迁移学习在增强番茄叶片病害数据集上进行训练和优化Swin Transformer模型,以此实现精准的番茄叶片病害识别。结果表明:1)优化的Swin Transformer模型对番茄叶片病害识别准确率达到98.40%;2)在相同训练参数下,本研究模型比原Swin Transformer、VGG16、AlexNet、GoogLeNet、ResNet50、MobileNetV2、ViT和MobileViT模型准确率提高了0.70%~1.91%,且能快速收敛;3)本研究模型中加入的Mixup混合增强算法极大地提高了番茄叶片病害的识别准确率,比现有的常见方法性能更加优越,并且鲁棒性强。因此,本研究提出的新模型能够更加准确的识别番茄叶片病害。

关键词： Swin Transformer Mixup 数据增强番茄病害识别迁移学习图像分类

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：