检索结果-内蒙古大学图书馆

北京航空航天大学学报 2025年第3期51卷 724-731页

作者：陈永康婕陶瑄兰州交通大学电子与信息工程学院兰州730070

在高速行车条件下,越区切换作为未来高速铁路5G-R通信的关键技术,对于保障行车安全至关重要。下一代高速铁路5G-R无线通信系统越区切换算法采用固定切换参数,但当列车高速运行时,极易受到多普勒效应影响,导致切换成功率低,基于此,提出... 详细信息

在高速行车条件下,越区切换作为未来高速铁路5G-R通信的关键技术,对于保障行车安全至关重要。下一代高速铁路5G-R无线通信系统越区切换算法采用固定切换参数,但当列车高速运行时,极易受到多普勒效应影响,导致切换成功率低,基于此,提出了一种考虑多普勒频移影响的改进5G-R自适应高速铁路越区切换算法。分析多普勒频移对切换成功率的影响,得到多普勒频移与切换成功率的关系函数;提出考虑多普勒频移影响的越区切换动态函数,设计余弦、余切、余割3种函数对切换迟滞门限及触发时延自适应调整;在不同多普勒频移及不同高铁场景下进行切换成功率的量化比较分析。研究结果表明:所提算法可有效调高切换成功率,在高架桥和山区场景下,余弦、余切、余割3种函数的切换成功率均优于对比算法,且满足中国无线通信系统切换成功率服务质量(QoS)大于99.5%的要求。研究结果为下一代高速铁路5G-R无线通信系统演进提供了理论参考依据。

关键词：越区切换算法 5G-R 多普勒频移动态函数自适应切换

来源：评论

学校读者我要写书评

暂无评论

多无人机辅助的移动边缘计算任务卸载及路径优化方法

引用

电子科技大学学报 2025年第1期54卷 72-83页

作者：巨涛李林娟张文金张宇斐火久元兰州交通大学电子与信息工程学院兰州730070

针对多无人机辅助移动边缘计算中的任务卸载决策和路径优化问题,提出了一种基于多智能体深度强化学习的计算任务卸载与路径优化方法,以降低系统总能耗,提升计算性能。首先,设计了多无人机辅助移动边缘计算系统模型,通过软件定义网络技... 详细信息

针对多无人机辅助移动边缘计算中的任务卸载决策和路径优化问题,提出了一种基于多智能体深度强化学习的计算任务卸载与路径优化方法,以降低系统总能耗,提升计算性能。首先,设计了多无人机辅助移动边缘计算系统模型,通过软件定义网络技术对无人机网络进行集中管理;然后,在考虑无人机负载及用户设备关联服务公平性的基础上,以系统总能耗为优化目标,通过设计多智能体深度确定性策略梯度算法完成任务卸载与无人机路径管理优化,以实现负载均衡、降低整个系统总能耗。仿真实验结果表明,与其他基准算法相比,所提方法在充分利用无人机辅助移动边缘计算系统计算资源的基础上,可在一定程度上降低系统能耗和计算延迟,保证整个系统的高效、稳定和可靠性,较好地满足移动边缘用户的服务请求。

关键词：移动边缘计算多无人机网络任务卸载路径优化多智能体深度强化学习

来源：评论

学校读者我要写书评

暂无评论

自适应张量奇异值收缩的多视角聚类

引用

计算机研究与发展 2025年第3期62卷 733-750页

作者：钱罗雄陈梅马学艳张弛张锦宏兰州交通大学电子与信息工程学院兰州730070

现有多视角聚类算法存在:1)在学习低维表征的过程中无法准确捕获或忽略嵌入在多视角数据中的高阶信息和互补信息;2)未能准确捕获数据局部信息;3)信息捕获方法缺少对噪声点鲁棒性等问题.为解决上述问题,提出一种自适应张量奇异值收缩的... 详细信息

现有多视角聚类算法存在:1)在学习低维表征的过程中无法准确捕获或忽略嵌入在多视角数据中的高阶信息和互补信息;2)未能准确捕获数据局部信息;3)信息捕获方法缺少对噪声点鲁棒性等问题.为解决上述问题,提出一种自适应张量奇异值收缩的多视角聚类(multi-view clustering based on adaptive tensor singular value shrinkage,ATSVS)算法.ATSVS首先提出一种符合秩特性的张量对数行列式函数对表示张量施加低秩约束,在张量奇异值分解(tensor singular value decomposition,t-SVD)过程中能够根据奇异值自身大小进行自适应收缩,更加准确地进行张量秩估计,进而从全局角度精准捕获多视角数据的高阶信息和互补信息.然后采用一种结合稀疏表示和流形正则技术优势的l_(1,2)范数捕获数据的局部信息,并结合l_(2,1)范数对噪声施加稀疏约束,提升算法对噪声点的鲁棒性.与11个对比算法在9个数据集上的实验结果显示,ATSVS的聚类性能均优于其他对比算法.因此,ATSVS是一个能够有效处理多视角数据聚类任务的优秀算法.

关键词：张量表示聚类低秩约束多视角聚类奇异值分解

来源：评论

学校读者我要写书评

暂无评论

基于多级自表示约束的不完备多视图聚类

引用

控制与决策 2025年第2期40卷 645-654页

作者：陈梅马学艳钱罗雄张锦宏张弛兰州交通大学电子与信息工程学院兰州730000

针对现有的不完备多视图聚类方法存在无法准确利用缺失视图的潜在信息和未能充分利用视图间的互补信息以及高阶相关性等问题,提出一种新的基于多级自表示约束的不完备多视图聚类(CMLC)方法.CMLC利用公共潜在表示来恢复缺失值,从而有效... 详细信息

针对现有的不完备多视图聚类方法存在无法准确利用缺失视图的潜在信息和未能充分利用视图间的互补信息以及高阶相关性等问题,提出一种新的基于多级自表示约束的不完备多视图聚类(CMLC)方法.CMLC利用公共潜在表示来恢复缺失值,从而有效获取缺失部分的潜在信息.为了获得多视图数据的统一低秩表示,CMLC首先通过多级自表示约束捕获多视图数据内部的一致信息和视图间的互补信息,同时利用多级误差表示提高模型对噪声的鲁棒性,接着通过张量对数行列式捕获视图间的高阶相似信息,最后引入距离正则项捕获数据的局部信息.与9个对比方法在多种缺失率下的6个仿真不完备多视图数据集上进行实验对比,结果表明CMLC均获得了最好的聚类性能.

关键词：不完备多视图聚类一致表示张量对数行列式低秩张量不完备数据张量分析

来源：评论

学校读者我要写书评

暂无评论

基于时间序列形态的模糊聚类算法

引用

控制与决策 2025年第4期40卷 1116-1126页

作者：陈梅柳博雅王钰姚怡莹尤远毓秀王松兰州交通大学电子与信息工程学院兰州730000

针对现有时间序列聚类分析较少考虑到各簇时间序列的相似形态对聚类结果的影响,提出一种基于时间序列形态的模糊聚类算法.该算法使用线性时间复杂度的Jeffreys复合距离度量时间序列之间的距离,利用迭代过程中的隶属度为各簇选择能够映... 详细信息

针对现有时间序列聚类分析较少考虑到各簇时间序列的相似形态对聚类结果的影响,提出一种基于时间序列形态的模糊聚类算法.该算法使用线性时间复杂度的Jeffreys复合距离度量时间序列之间的距离,利用迭代过程中的隶属度为各簇选择能够映射簇内时间序列相似形态的核心特征,并在下一次迭代中对距离进行特征加权.当隶属度不再显著变化时,算法停止迭代,根据隶属度最大原则对时间序列进行簇划分.在14个公开时间序列数据集上与10种对比算法的实验结果表明,所提算法具有精确的聚类结果和较好的鲁棒性,综合性能优于对比算法.

关键词：时间序列模糊聚类相似性度量时间序列形态特征加权

来源：评论

学校读者我要写书评

暂无评论

一种基于时空频多维特征的短时窗口脑电听觉注意解码网络

引用

电子与信息学报 2025年第3期47卷 814-824页

作者：王春丽李金絮高玉鑫王晨名张珈豪兰州交通大学电子与信息工程学院兰州730000

在鸡尾酒会场景中,听力正常的人有能力选择性地注意特定的说话者语音,但听力障碍者在这种场景中面临困难。听觉注意力解码(AAD)的目的是通过分析听者的脑电信号(EEG)响应特征来推断听者关注的是哪个说话者。现有的AAD模型只考虑脑电信... 详细信息

在鸡尾酒会场景中,听力正常的人有能力选择性地注意特定的说话者语音,但听力障碍者在这种场景中面临困难。听觉注意力解码(AAD)的目的是通过分析听者的脑电信号(EEG)响应特征来推断听者关注的是哪个说话者。现有的AAD模型只考虑脑电信号的时域或频域单个特征或二者的组合(如时频特征),而忽略了时-空-频域特征之间的互补性,这在一定程度上限制了模型的分类能力,进而影响了模型在决策窗口上的解码精度。同时,已有AAD模型大多在长时决策窗口(1~5 s)中有较高的解码精度。该文提出一种基于时-空-频多维特征的短时窗口脑电信号听觉注意解码网络(TSF-AADNet),用于提高短时决策窗口(0.1~1 s)的解码精度。该模型由两个并行的时空、频空特征提取分支以及特征融合和分类模块组成,其中,时空特征提取分支由时空卷积块和高阶特征交互模块组成,频空特征提取分支采用基于频空注意力的3维卷积模块(FSA-3DCNN),最后将双分支网络提取的时空和频空特征进行融合,得到最终的听觉注意力二分类解码结果。实验结果表明,TSF-AADNet模型在听觉注意检测数据集KULeuven(KUL)和听觉注意检测的脑电和音频数据集(DTU)的0.1 s决策窗口下,解码精度分别为91.8%和81.1%,与最新的AAD模型一种基于时频融合的双分支并行网络(DBPNet)相比,分别提高了5.40%和7.99%。TSF-AADNet作为一种新的短时决策窗口的AAD模型,可为听力障碍诊断以及神经导向助听器研发提供有效参考。

关键词：脑电信号听觉注意力解码短时决策窗口时空频特征神经导向助听器

来源：评论

学校读者我要写书评

暂无评论

基于双路径监督的遥感图像语义分割网络

引用

北京航空航天大学学报 2025年第3期51卷 732-741页

作者：刘春娟乔泽闫浩文吴小所王嘉伟辛钰强兰州交通大学电子与信息工程学院兰州730070 兰州交通大学测绘与地理信息学院兰州730070

为解决遥感图像语义分割任务中目标物体边界分类模糊的问题,提出双路径监督与注意力筛选网络。引入可监督的边界提取模块来增加边界信息通道,提高边界信息在语义分割中的权重,增强对目标物体边界像素的注意力;引入注意力筛选模块,通过... 详细信息

为解决遥感图像语义分割任务中目标物体边界分类模糊的问题,提出双路径监督与注意力筛选网络。引入可监督的边界提取模块来增加边界信息通道,提高边界信息在语义分割中的权重,增强对目标物体边界像素的注意力;引入注意力筛选模块,通过注意力图筛选出浅层网络中的空间细节信息和深层网络中的抽象语义信息,舍弃网络中的冗余信息,防止过拟合。双路径监督与注意力筛选网络在Potsdam数据集和Jiage数据集上的平均交并比分别为85.44%和86.07%,比次优网络MagNet和SAPNet分别提升了1.24%和1.28%、1.54%和1.27%。实验结果表明,所提网络能更精准地分割目标物体的边界。

关键词：遥感图像语义分割可监督边界信息注意力筛选

来源：评论

学校读者我要写书评

暂无评论

自适应不完备多视角聚类

引用

北京航空航天大学学报 2025年第4期51卷 1059-1073页

作者：陈梅马学艳张弛张锦宏钱罗雄兰州交通大学电子与信息工程学院兰州730070

高质量的完备初始图能够有效提高不完备多视角聚类的性能,缺失值填充不恰当会导致初始图丢失数据潜在的结构,同时,各视角的仿射图融合不完全会造成学习到的一致表征缺失视角间的互补信息。为此,提出自适应不完备多视角聚类(AIM)模型。... 详细信息

高质量的完备初始图能够有效提高不完备多视角聚类的性能,缺失值填充不恰当会导致初始图丢失数据潜在的结构,同时,各视角的仿射图融合不完全会造成学习到的一致表征缺失视角间的互补信息。为此,提出自适应不完备多视角聚类(AIM)模型。在初始图构建中,AIM模型采用有效视角的相似度均值来填充对应位置的缺失值,以获取数据更加完整的潜在结构,同时引入稀疏约束来提高模型对噪声的鲁棒性;在图优化过程中,引入低秩约束捕获数据的全局结构,通过谱约束增强类内数据间的紧密性,使仿射图具有更清晰的块对角结构,并引入一致性约束最小化各视角的仿射图与一致表征之间的差异来捕获视角间的互补信息,得到具有高鉴别特征的一致鲁棒表征图。与9种不完备多视角聚类方法在真实和多种缺失率下仿真的不完备多视角数据集中进行实验对比,结果表明:AIM模型均获得了最好的聚类性能。

关键词：自适应构图低秩表示图融合图算法不完备多视角聚类

来源：评论

学校读者我要写书评

暂无评论

基于低密度分数的密度峰值聚类算法

引用

控制与决策 2025年第5期40卷 1599-1609页

作者：陈梅尤远毓秀魏礼磊唐晟洲兰州交通大学电子与信息工程学院

密度峰值聚类算法(DPC)可识别出任意形状的簇,但是对于存在多密度峰值的簇,DPC可能会识别出多个簇中心点,导致簇划分错误.鉴于此,提出一种基于低密度分数的密度峰值聚类算法(LS-DPC).该算法首先使用低密度分数放大数据点的密度差异,缩... 详细信息

密度峰值聚类算法(DPC)可识别出任意形状的簇,但是对于存在多密度峰值的簇,DPC可能会识别出多个簇中心点,导致簇划分错误.鉴于此,提出一种基于低密度分数的密度峰值聚类算法(LS-DPC).该算法首先使用低密度分数放大数据点的密度差异,缩小整体密度差异大的相邻区域的密度差异,使得单个簇内所有区域的密度分布均重构为单峰密度分布;然后,根据低密度分数自动获得子簇中心点;接着,得到子簇后,根据密度相交条件对子簇进行融合,完成聚类;最后,将所提出LS-DPC算法与k-Means、SC、DPC、DN、Extreme以及ICKDP算法进行对比,实验结果表明所提出算法在复杂数据集和UCI数据集上的表现优于对比算法.

关键词：聚类密度峰值多密度峰值簇低密度分数子簇融合

来源：评论

学校读者我要写书评

暂无评论

基于自注意力机制的高分遥感影像语义分割

引用

哈尔滨工程大学学报 2025年第2期46卷 344-354页

作者：杨军张金影康玥兰州交通大学电子与信息工程学院甘肃兰州730070 兰州交通大学测绘与地理信息学院甘肃兰州730070

针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助... 详细信息

针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助于捕获局部特征;在编码器分支中提出线性的多头自注意力模块以降低模型的计算复杂度;设计一个解码器来恢复特征图分辨率,通过级联操作整合各层级的特征并生成高分辨率的语义分割结果。所提算法在ISPRS Vaihingen和Potsdam数据集上的分割结果的mF1分别达到了90.77%和92.36%,与目前主流算法相比,不透水表面、建筑、低矮植物、树木类的分割准确率及总体分割准确率均有提高。本文算法构建的线性多头自注意力网络是一种高效的高分辨率遥感影像语义分割模型。

关键词：高分辨率遥感影像多头自注意力深度可分离卷积语义分割特征提取卷积神经网络编码器解码器

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：