检索结果-内蒙古大学图书馆

中国光学(中英文) 2025年第2期18卷 317-332页

作者：邸敬梁婵刘冀钊廉敬兰州交通大学电子与信息工程学院甘肃兰州730070 兰州大学信息科学与工程学院甘肃兰州730070

现有红外与可见光图像融合方法难以充分提取和保留源图像细节信息与对比度,导致纹理细节模糊。针对这一问题,本文提出了一种跨域交互注意力和对比学习引导的红外与可见光图像融合方法。首先,设计了双支路跳跃连接的细节增强网络,从红外... 详细信息

现有红外与可见光图像融合方法难以充分提取和保留源图像细节信息与对比度,导致纹理细节模糊。针对这一问题,本文提出了一种跨域交互注意力和对比学习引导的红外与可见光图像融合方法。首先,设计了双支路跳跃连接的细节增强网络,从红外和可见光图像中分别提取和增强细节信息,并利用跳跃连接避免信息丢失,生成增强后的细节图像。接着,构建了联合双分支编码器和跨域交互注意力模块的图像融合网络,确保特征融合时充分进行特征交互,并通过解码器重建为最终的融合图像。然后,引入了通过对比学习块进行浅层和深层属性和内容的对比学习网络,优化特征表示,进一步提升图像融合网络的性能。最后,为了约束网络训练以保留源图像的固有特征,设计了一种基于对比约束的损失函数,以辅助融合过程对源图像信息的对比保留。将提出方法与前沿融合方法进行了定性和定量的分析比较。在TNO、MSRS、RoadSence数据集上的实验结果表明:本文方法的8项客观评价指标均较对比方法有显著提升。本文方法融合后图像具有丰富的细节纹理、显著的清晰度和对比度,有效提高了道路交通、安防监控等实际应用中的目标识别和环境感知能力。

关键词：红外与可见光图像融合对比学习跨域交互注意力机制对比约束损失

来源：评论

学校读者我要写书评

暂无评论

条件扩散和多通道高低频并行的红外与可见光图像融合

引用

光学精密工程 2025年第1期33卷 148-163页

作者：邸敬王鹤然梁婵刘冀钊廉敬兰州交通大学电子与信息工程学院甘肃兰州730070 兰州大学信息科学与工程学院甘肃兰州730000

针对去噪扩散模型在红外与可见光图像融合任务中缺少基准真实值和可见光信息利用不足的问题,提出一种条件扩散和多通道高低频并行的红外与可见光图像融合模型。条件扩散模型利用拼接技术将拼接源图像作为基准真实值进行训练,获得红外与... 详细信息

针对去噪扩散模型在红外与可见光图像融合任务中缺少基准真实值和可见光信息利用不足的问题,提出一种条件扩散和多通道高低频并行的红外与可见光图像融合模型。条件扩散模型利用拼接技术将拼接源图像作为基准真实值进行训练,获得红外与可见光图像特征提取任务的最优先验分布,在反向去噪过程中引入多通道似然校正模块,更有效地模拟红外与可见光图像的多通道复杂分布。然后,提出细节自适应去噪网络来完成红外与可见光图像的多通道高低频特征提取任务。最后,在融合网络中设计了一种多通道高低频并行融合模块,采用区域一致性融合网络和多通道低频特征融合网络分别完成高低频特征的融合。该模型为红外与可见光图像融合任务提供了一种可训练的扩散模型范式用于特征提取,使用特定的卷积神经网络进行特征融合。通过与近年来提出的9种高水平方法相比,在MSRS和RoadScene数据集上的实验结果表明,本文方法的8种客观评价指标平均提升了4.52%~59.62%。本文方法在色彩保真度和纹理细节保持等方面都优于其他方法,符合人眼视觉特性,能够很好地处理各种光照和环境场景下的红外与可见光图像融合任务。

关键词：图像融合红外与可见光条件扩散模型细节自适应去噪网络多通道高低频并行融合模块

来源：评论

学校读者我要写书评

暂无评论

不完美硬件实现对下行NOMA短包通信的影响

引用

系统工程与电子技术 2025年第1期47卷 296-306页

作者：莫名秀袁磊雷妍袁花花兰州大学信息科学与工程学院甘肃兰州730000

为了实现超可靠低延时通信(ultra-reliable and low latency communication,URLLC),研究在Naka-gami-m和莱斯衰落信道下硬件损伤(hardware impairment,HI)、信道估计误差(channel estimation error,CEE)以及不完美连续干扰抵消(successive interference cancellation,SIC)对下行两用户非正交多址接入(non-orthogonal multiple access,NOMA)短包通信(short packet communication,SPC)系统性能的影响。首先,给出两种信道下用户的平均块错误率(block error rate,BLER)表达式。其次,在用户的平均BLER要求限定下,提出一种联合优化功率分配和导频序列长度的优化算法。最后,仿真结果验证了理论推导的准确性,并表明HI、CEE和不完美SIC对NOMA SPC系统性能具有大的影响;为了NOMA SPC系统实现URLLC,存在一个功率分配和导频序列长度的折中优化。

关键词：非正交多址接入硬件损伤信道估计误差不完美连续干扰抵消短包通信

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

改进5G-R自适应高速铁路越区切换算法

引用

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

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

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

基于残差全局上下文注意和跨层特征融合的去雾网络

引用

北京航空航天大学学报 2025年第4期51卷 1048-1058页

作者：杨燕陈飞兰州交通大学电子与信息工程学院兰州730070

基于深度学习的图像去雾算法通常在提取特征时使用传统的卷积层,容易造成图像的细节和边缘等信息丢失,提取特征时忽略图像的位置信息,融合特征时忽略图像原始信息,不能恢复出结构完整、清晰的高质量无雾图像。针对该问题,提出了一种基... 详细信息

基于深度学习的图像去雾算法通常在提取特征时使用传统的卷积层,容易造成图像的细节和边缘等信息丢失,提取特征时忽略图像的位置信息,融合特征时忽略图像原始信息,不能恢复出结构完整、清晰的高质量无雾图像。针对该问题,提出了一种基于残差全局上下文注意和跨层特征融合的去雾算法。对提出的残差全局上下文注意块串行得到残差组结构,并对网络的前2层(即浅层)进行特征提取,得到浅层丰富的上下文信息;引入坐标注意力,建立具有位置信息的注意力图,并将其应用于残差上下文特征提取,放置在网络的第3层(即深层),提取更深层次的语义信息;在网络中间层,通过跨层融合来自不同分辨率流的特征信息,增强深浅层的信息交换,达到特征增强的目的;聚合网络得到具有丰富语义信息的特征与原始输入特征,提升复原效果。在RESIDE和Haze4K数据集上的实验结果表明:所提算法在视觉效果与客观指标上都取得了较好的效果。

关键词：图像去雾深度学习残差结构注意力机制特征融合

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

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：