检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2025年

作者：石敏侯京召朱登明李兆歆庞家繁郭诗盛华北电力大学控制与计算机工程学院中国科学院计算技术研究所前瞻研究实验室中国农业科学院农业信息研究所农业信息技术研究室农业农村部农业大数据重点实验室

针对现有的抓取检测网络需要大量标注数据进行训练且难以适应新物体抓取检测的问题，提出一种适用于堆叠场景下的物体6DoF抓取位姿检测方法. 该方法由模型可抓取位姿模板库、待抓物体选择网络和抓取映射3部分组成. 首先基于几何外观特... 详细信息

针对现有的抓取检测网络需要大量标注数据进行训练且难以适应新物体抓取检测的问题，提出一种适用于堆叠场景下的物体6DoF抓取位姿检测方法. 该方法由模型可抓取位姿模板库、待抓物体选择网络和抓取映射3部分组成. 首先基于几何外观特征与力封闭原理，在物体模型上生成一组满足力封闭的6DoF抓取位姿，构建可抓取位姿模板库; 然后分割原始场景点云，基于可见性，遮挡性和置信度等确定待抓物体; 接着根据待抓物体的在场景中的位姿，将模板库中的抓取位姿映射到该物体上; 最后选择与待抓物体质心距离最近且无碰撞6DoF抓取位姿，实现稳定抓取. 实验在6种类型物体堆叠场景中进行，结果表明，该方法取得96.2%的平均抓取成功率; 相较与PointNetGPD，该方法的抓取成功率提升5～20个百分点.

关键词： 6DoF抓取检测无抓取标注堆叠场景机械臂抓取位姿检测

来源：评论

学校读者我要写书评

暂无评论

多源地理产品数据的元数据统一设计与采集管理技术

引用

北京测绘 2024年第3期38卷 332-336页

作者：刘阳成廖宁左大伟谢玉波苏旭明张鹏华北计算技术研究所北京100083 31016部队北京100088 星球地图出版社北京100088

面向多源地理产品数据管理应用的需求,明确了本文讨论的地理产品数据的范畴,分析了地理产品数据的存储组织及应用特点。基于存储组织需求,统一设计了数据大类小类两级分类目录及类别编码,设计了地理数据产品的元数据采集规范。提出了数... 详细信息

面向多源地理产品数据管理应用的需求,明确了本文讨论的地理产品数据的范畴,分析了地理产品数据的存储组织及应用特点。基于存储组织需求,统一设计了数据大类小类两级分类目录及类别编码,设计了地理数据产品的元数据采集规范。提出了数据集-数据单元两级元数据的设计理念以便满足不同数据粒度的管理需求,分别设计了数据集元数据和数据单元元数据的详细组成,统一设计了空间地理产品数据与非空间地理产品数据的元数据,明确了数据集目录和数据单元的命名原则。设计并实现了能够自动采集多源地理产品元数据的软件,实现了基于统一元数据设计的数据管理软件。结果表明,这种方法能够满足用户对多源地理产品数据的统一存储组织、多粒度管理、高效便捷检索等需求。

关键词：地理产品数据元数据数据集数据单元元数据采集数据管理

来源：评论

学校读者我要写书评

暂无评论

基于从共现矩阵提取关联的类别型数据聚类

引用

计算机与现代化 2022年第11期 1-8页

作者：关云鹏刘玉龙华北计算技术研究所系统八部北京100083

类别型数据聚类被广泛应用于现实世界的不同领域中,如医学科学、计算机科学等。通常的类别型数据聚类,是在基于相异度量上进行研究,针对不同特点的数据集,聚类结果会受到数据集自身特点和噪音信息的影响。此外,基于表示学习的类别型数... 详细信息

类别型数据聚类被广泛应用于现实世界的不同领域中,如医学科学、计算机科学等。通常的类别型数据聚类,是在基于相异度量上进行研究,针对不同特点的数据集,聚类结果会受到数据集自身特点和噪音信息的影响。此外,基于表示学习的类别型数据聚类,实现复杂,聚类结果受到表示结果的影响较大。本文以共现矩阵为基础,提出一种可以直接考虑类别型数据原始信息关联关系的聚类方法——基于从共现矩阵提取关联的类别型数据聚类方法(CDCBCM)。共现矩阵可被看作是一种对原始数据空间中信息关联情况的汇总。本文通过计算不同对象在各个属性子空间下的共现频率值来构建共现矩阵,并从共现矩阵中去除一些噪音信息,再使用归一化切割来得到聚类结果。本文方法在16个不同领域的公开数据集中进行测试,与8种现有方法进行比较,并采用F1-score指标进行检测。实验结果表明,本文方法在7个数据集上效果最好,平均排名最高,能更好地完成对类别型数据的聚类任务。

关键词：类别型数据类别型数据聚类机器学习共现矩阵归一化切割

来源：评论

学校读者我要写书评

暂无评论

基于CNN与Transformer的无人机图像目标检测研究

引用

武汉理工大学学报（信息与管理工程版） 2022年第2期44卷 323-331页

作者：祝星馗蒋球伟华北计算技术研究所系统七部北京100083

针对无人机航拍图像中存在的密集目标、背景复杂、小目标检测困难、图像尺寸大等问题,提出了卷积神经网络(CNN)与Transformer相结合的无人机图像目标检测算法。该算法在YOLOv5网络的基础上结合了Transformer结构打破了CNN感受野的局限性... 详细信息

针对无人机航拍图像中存在的密集目标、背景复杂、小目标检测困难、图像尺寸大等问题,提出了卷积神经网络(CNN)与Transformer相结合的无人机图像目标检测算法。该算法在YOLOv5网络的基础上结合了Transformer结构打破了CNN感受野的局限性,凭借自注意力机制捕获全局的依赖关系。同时采用了大尺度的特征图,使用加权双向特征金字塔网络(BiFPN)增强了特征的传播与重用,让网络对小目标的检测能力大大提高。最后使用数据降维与滑动窗口的方法减少网络的内存消耗与计算量。在VisDrone无人机数据集上的实验结果表明所提算法在满足实时性的基础上,平均精确率比YOLOv5网络提高约7%,达到了最先进的42.48%,展现了模型对无人机图像的优秀检测性能。

关键词：深度学习无人机图像检测卷积神经网络目标检测算法计算机视觉

来源：评论

学校读者我要写书评

暂无评论

云环境大数据工作流编排管理系统研究综述

引用

计算机与现代化 2022年第1期 41-53页

作者：曹禹李晓辉刘忠麟贾贺费志伟华北计算技术研究所基础五部北京100083

随着大数据分析处理需求日益复杂,分析处理过程的表达需要转变为依据任务以及任务间依赖关系构建的大数据工作流的形式,以实现其结构化、可重复、可控制、可扩展以及自动化执行,大数据工作流的编排管理成为重要的研究课题,云计算环境下... 详细信息

随着大数据分析处理需求日益复杂,分析处理过程的表达需要转变为依据任务以及任务间依赖关系构建的大数据工作流的形式,以实现其结构化、可重复、可控制、可扩展以及自动化执行,大数据工作流的编排管理成为重要的研究课题,云计算环境下资源的异构性使得该问题变得更为复杂。本文首先将云环境下大数据工作流编排管理研究划分为大数据工作流构建、工作流划分、任务调度与执行以及容错处理4个方面,并在此基础上进行综述,列举并介绍各个方面近年来经典的、关注度较高的研究;然后,针对研究中的主流技术进行分类与梳理,对各项研究中提出的方法及其特性、优势、待改进项等方面进行分析;最后,将视角回归至大数据分析处理系统,分类分析各项研究给系统带来的收益。

关键词：大数据云计算数据分析工作流编排管理

来源：评论

学校读者我要写书评

暂无评论

基于子空间的可解释性多变量异常检测

引用

计算机测量与控制 2022年第11期30卷 38-45页

作者：宋润葵郑扬飞郭红钰李倩华北计算技术研究所系统八部北京100083

为了解决在多维特征数据中,部分异常点被分散的特征空间所掩盖而无法检出的问题,以及缓解当前异常检测方法的结果可解释性差或不具有可解释性的状况,提出了基于子空间的可解释性多变量异常检测算法;首先在多维特征空间中,对每一个维度... 详细信息

为了解决在多维特征数据中,部分异常点被分散的特征空间所掩盖而无法检出的问题,以及缓解当前异常检测方法的结果可解释性差或不具有可解释性的状况,提出了基于子空间的可解释性多变量异常检测算法;首先在多维特征空间中,对每一个维度的特征进行分布检验,在此基础上为每一个对象选择出一个特征空间的集合,进而为每个对象计算出异常值分数;在此过程中,高效利用算法的中间过程产物,来对算法结果加以解释,改善使用者对数据的理解;使用真实数据集,对算法进行了验证,实验结果表明其具有较好的准确性和运行时间,并很好地解释了异常点的异常性。

关键词：异常检测可解释性点异常统计型数据机器学习无监督学习

来源：评论

学校读者我要写书评

暂无评论

基于脉冲序列标识的深度脉冲神经网络时空反向传播算法

引用

电子与信息学报 2024年第6期46卷 2596-2604页

作者：王子华叶莹刘洪运许燕樊瑜波王卫东北京航空航天大学生物与医学工程学院北京100191 中国人民解放军总医院医学创新研究部生物工程研究中心北京100853 工业和信息化部生物医学工程与转化医学重点实验室北京100853 华北计算技术研究所北京100083

尖峰放电的脉冲神经网络(SNN)具有接近大脑皮层的信号处理模式,被认为是实现大脑启发计算的重要途径。但是,目前对于深度脉冲神经网络的学习仍缺乏有效的监督学习算法。受尖峰放电速率标识的时空反向传播算法的启发,该文提出一种面向深... 详细信息

尖峰放电的脉冲神经网络(SNN)具有接近大脑皮层的信号处理模式,被认为是实现大脑启发计算的重要途径。但是,目前对于深度脉冲神经网络的学习仍缺乏有效的监督学习算法。受尖峰放电速率标识的时空反向传播算法的启发,该文提出一种面向深度脉冲神经网络训练的基于时间脉冲序列标识的监督学习算法,通过定义突触后电位和膜电位反传迭代因子分别分析脉冲神经元的空间和时间依赖关系,使用替代梯度的方法解决反传过程中不连续可微的问题。不同于现有基于尖峰放电速率标识的学习算法,该算法能够充分反映脉冲神经网络输出的时间脉冲序列的动态特性。因此,所提算法非常适合应用于需要较长时间序列标识的计算任务,例如行为的时间脉冲序列控制。该文在静态图像数据集CIFAR10和神经形态数据集NMNIST上验证了所提算法的有效性,在所有这些数据集上都显示出良好的性能,这有助于进一步研究基于时间脉冲序列应用的大脑启发计算。

关键词：脉冲神经网络监督学习误差反向传播时间脉冲序列标识替代梯度

来源：评论

学校读者我要写书评

暂无评论

基于混合策略改进鲸鱼优化算法的模糊时间序列模型

引用

电子设计工程 2023年第15期31卷 98-106页

作者：汪涛林川郭生伟华北计算技术研究所北京100083 中电太极(集团)有限公司国际部北京100083

近年来研究者们提出了许多基于模糊时间序列的预测模型,并发现论域划分机制和去模糊化预测方法是影响模型预测精度的主要因素。对此,提出了一种混合模型,将改进鲸鱼优化算法用于论域划分,提出一种基于次序和时序的平均加权算子优化去模... 详细信息

近年来研究者们提出了许多基于模糊时间序列的预测模型,并发现论域划分机制和去模糊化预测方法是影响模型预测精度的主要因素。对此,提出了一种混合模型,将改进鲸鱼优化算法用于论域划分,提出一种基于次序和时序的平均加权算子优化去模糊化预测方法。在Alabama大学入学人数数据集上进行仿真实验,与国内外相关研究进行横向分析。结果表明,改进鲸鱼优化算法在收敛速度、求解精度都有很大程度提升;混合模型与基线模型对比时,训练阶段和预测阶段都获得了最小的均方根误差(RMSE)和平均绝对百分比误差(MAPE),训练阶段对照基线最优模型,RMSE减少21.1%,MAPE降低0.28%。

关键词：鲸鱼优化算法模糊时间序列混沌映射透镜成像反学习莱维飞行 OWA

来源：评论

学校读者我要写书评

暂无评论

基于R-NSGA-III的常规导弹火力分配模型

引用

电子设计工程 2022年第23期30卷 169-173页

作者：刘子豪董宝良王宝宝廉兰平程灿华北计算技术研究所系统四部北京100083

联合作战行动中的关键是选择最优火力分配方案,最大化发挥武器系统效能。常规导弹火力分配问题一般视为多目标优化问题进行研究。针对非支配排序遗传算法(NSGA-III)在武器-目标的分配问题中缺少对决策者偏好的衡量这一问题,提出基于R-NS... 详细信息

联合作战行动中的关键是选择最优火力分配方案,最大化发挥武器系统效能。常规导弹火力分配问题一般视为多目标优化问题进行研究。针对非支配排序遗传算法(NSGA-III)在武器-目标的分配问题中缺少对决策者偏好的衡量这一问题,提出基于R-NSGA-III的常规导弹火力分配模型,根据决策者偏好生成参考点;针对常规导弹存在调度转移和发射前准备时间等特点,采用引入时间成本展现方案开销的方法。通过实验验证模型有效性,运行时间为NSGA-III模型的52%;通过三维散点图进行方案展示,为辅助决策提供有效支撑。

关键词：辅助决策火力分配多目标遗传算法非支配排序

来源：评论

学校读者我要写书评

暂无评论

基于预训练模型与神经网络的军事命名实体识别

引用

电子设计工程 2022年第20期30卷 51-55页

作者：金浩哲董宝良杨诚华北计算技术研究所系统四部北京100083

军事命名实体识别是军事情报分析和作战信息服务的基础。为了解决军事文本中分词不准确、形式多样以及语料库缺乏的问题,文中提出了一种基于预训练模型与神经网络的军事命名实体识别方法。通过BERT预训练模型构建词向量,利用BiLSTM神经... 详细信息

军事命名实体识别是军事情报分析和作战信息服务的基础。为了解决军事文本中分词不准确、形式多样以及语料库缺乏的问题,文中提出了一种基于预训练模型与神经网络的军事命名实体识别方法。通过BERT预训练模型构建词向量,利用BiLSTM神经网络处理上下文信息的优势,同时加入注意力机制,并通过条件随机场进行解码,完成了军事命名实体识别任务。在自构建的军事文本语料库上的实验结果表明,该模型F1值为92.14%,优于其他的传统方法。

关键词：命名实体识别 BERT BiLSTM 条件随机场注意力机制

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：