检索结果-内蒙古大学图书馆

海洋与湖沼 2024年第6期55卷 1350-1367页

作者：尹露莹张荣华智海南京信息工程大学海洋科学学院江苏南京210044 南京信息工程大学大气科学学院江苏南京210044 崂山实验室山东青岛266237

海气界面间淡水通量(freshwater flux, FWF;定义为降水减蒸发)是热带太平洋气候系统中对海洋有重要作用的大气强迫之一,与风应力和热通量共同影响厄尔尼诺-南方涛动(El Nino-Southern Oscillation, ENSO)。尽管这些大气强迫场共同作用... 详细信息

海气界面间淡水通量(freshwater flux, FWF;定义为降水减蒸发)是热带太平洋气候系统中对海洋有重要作用的大气强迫之一,与风应力和热通量共同影响厄尔尼诺-南方涛动(El Nino-Southern Oscillation, ENSO)。尽管这些大气强迫场共同作用于海洋,但FWF在其中的单独强迫作用及相关过程和机制仍需深入探究。本文通过海洋环流模式(ocean general circulation model, OGCM)进行模拟,进一步使用温度和盐度收支分析以及区分温盐相对贡献的诊断分析方法,量化热带太平洋FWF年际变率对上层海洋的净作用。结果表明,在El Nino事件发生时,FWF正异常强迫直接导致赤道太平洋中部海表盐度(sea surface salinity, SSS)降低,同时增强上层海洋层结稳定度。此外,FWF正异常强迫还会导致赤道太平洋中部浮力通量(buoyancy flux, BF)增加,从而减弱了次表层的混合和夹卷作用,使局地的混合层变浅。从气候效应来看,由FWF年际变率引起的海洋过程有助于赤道东太平洋海表温度(sea surface temperature, SST)暖异常的维持和增强。通过定量分析表明,SSS变化与FWF强迫强度密切相关,赤道太平洋中部FWF异常每增加1.0 mm/d会使得SSS异常降低约0.02,并且使得赤道太平洋东部SST异常升高约0.12℃,在增温过程中垂直混合和夹卷作用是主导的贡献项。以1997~1998年的El Nino事件为例,FWF正异常引起的SST暖异常增量占总异常的11.8%。本文所揭示的FWF强迫场对ENSO的单独作用有助于完善我们对整个热带太平洋海气耦合系统的认知,为进一步改进ENSO的过程表征和预测提供科学指导。

关键词：海气界面淡水通量 ENSO 海表盐度和温度热带太平洋分层型海洋模式热盐收支分析温盐相对贡献

来源：评论

学校读者我要写书评

暂无评论

融合通道注意力的跨尺度Transformer图像超分辨率重建

引用

中国图象图形学报 2025年第3期30卷 784-797页

作者：李焱董仕豪张家伟赵茹郑钰辉南京信息工程大学计算机学院南京210044 西北大学新闻传播学院西安710127

目的针对在超分辨率任务中,Transformer模型存在特征提取模式单一、重建图像高频细节丢失和结构失真的问题,提出了一种融合通道注意力的跨尺度Transformer图像超分辨率重建模型。方法模型由4个模块组成:浅层特征提取、跨尺度深层特征提... 详细信息

目的针对在超分辨率任务中,Transformer模型存在特征提取模式单一、重建图像高频细节丢失和结构失真的问题,提出了一种融合通道注意力的跨尺度Transformer图像超分辨率重建模型。方法模型由4个模块组成:浅层特征提取、跨尺度深层特征提取、多级特征融合以及高质量重建模块。浅层特征提取利用卷积处理早期图像,获得更稳定的输出;跨尺度深层特征提取利用跨尺度Transformer和强化通道注意力机制,扩大感受野并通过加权筛选提取不同尺度特征以便融合;多级特征融合模块利用强化通道注意力机制,实现对不同尺度特征通道权重的动态调整,促进模型对丰富上下文信息的学习,增强模型在图像超分辨率重建任务中的能力。结果在Set5、Set14、BSD100(Berkeley segmentation dataset 100)、Urban100(urban scene 100)和Manga109标准数据集上的模型评估结果表明,相较于SwinIR超分辨率模型,所提模型在峰值信噪比上提高了0.06~0.25 dB,且重建图像视觉效果更好。结论提出的融合通道注意力的跨尺度Transformer图像超分辨率重建模型,通过融合卷积特征与Transformer特征,并利用强化通道注意力机制减少图像中噪声和冗余信息,降低模型产生图像模糊失真的可能性,图像超分辨率性能有效提升,在多个公共实验数据集的测试结果验证了所提模型的有效性。

关键词：图像超分辨率跨尺度Transformer 通道注意力机制特征融合深度学习

来源：评论

学校读者我要写书评

暂无评论

基于并行多方向注意力的无监督视频目标分割

引用

计算机学报 2022年第11期45卷 2337-2347页

作者：樊佳庆苏天康张开华刘青山南京航空航天大学计算机科学与技术学院南京211106 南京信息工程大学自动化学院南京210044 南京信息工程大学计算机学院南京210044

时空特征传播对准确的无监督视频目标分割任务至关重要.但是,由于现实中视频的复杂性,导致时空特征学习与传播变得十分具有挑战性.在本文中,提出了两个新颖的模块分别用于增强视频中目标的空间和时间表示.具体来说,首先,针对当前帧,在... 详细信息

时空特征传播对准确的无监督视频目标分割任务至关重要.但是,由于现实中视频的复杂性,导致时空特征学习与传播变得十分具有挑战性.在本文中,提出了两个新颖的模块分别用于增强视频中目标的空间和时间表示.具体来说,首先,针对当前帧,在空间上提出一个新颖的多方向注意力模块,旨在沿着水平、垂直与通道方向上分别提取注意力图.同时,设计了一个并行时序模块用于整合当前帧和之前帧的信息.该模块并行地计算出连续帧之间的二阶相似度,并且根据该相似度图重新对当前帧特征进行加权与增强.此外,该相似度图还直接生成一个有效的掩膜,用于进一步增广当前帧中目标的特征表示.接着,将上述空间和时间特征进行融合以获得最终增广的时空特征表示,并将其输入解码器来预测当前帧中待分割目标的掩膜.在三个主流无监督视频目标分割数据集上的大量实验结果表明,本文提出的方法与当前最新方法相比取得了领先的性能.相关代码将公布在https://***/su1517007879/MP-VOS.

关键词：无监督视频目标分割多方向注意力时空调制并行注意力

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯最大熵的黄河三角洲土壤含盐量空间分布预测

引用

土壤 2024年第2期56卷 406-414页

作者：杨清范晓梅王林林唐影南京信息工程大学地理科学学院南京210044

黄河三角洲土壤盐渍化问题是制约当地农业生产和生态稳定的关键因素。为了准确掌握盐渍土的空间分布,提高土壤含盐量的空间预测精度,本研究根据2022年5月黄河三角洲的193个采样点两个深度土壤含盐量分析数据,结合高程和Landsat 9遥感影... 详细信息

黄河三角洲土壤盐渍化问题是制约当地农业生产和生态稳定的关键因素。为了准确掌握盐渍土的空间分布,提高土壤含盐量的空间预测精度,本研究根据2022年5月黄河三角洲的193个采样点两个深度土壤含盐量分析数据,结合高程和Landsat 9遥感影像等数据,采用地理加权回归(Geographically weighted regression,GWR)模型构造区间型软数据,进而建立贝叶斯最大熵(Bayesian maximum entropy,BME)模型对研究区土壤含盐量的分布进行了预测,并同传统的地统计模型普通克里格(Ordinary kriging,OK)及GWR模型的预测结果进行了比较。结果表明:BME模型对土壤含盐量的预测精度高于另外两种模型。与OK模型相比,BME模型的RMSE在土壤表层(0~30 cm)和底层(90~100 cm)分别降低25%和21%,R^(2)分别提高0.543 2和0.352 7。BME模型作为本研究最佳土壤含盐量空间预测模型,展现了多源数据整合及非线性估计的优势。黄河三角洲表层土壤盐渍化率(88%)高于底层(68%),土壤含盐量大体呈现由西南向东北递增的趋势,沿海地区大于内陆地区,黄河三角洲北部是整个区域盐渍化最为严重的地区。

关键词：贝叶斯最大熵黄河三角洲土壤含盐量地理加权回归

来源：评论

学校读者我要写书评

暂无评论

动态车辆网络场景中的协同空地计算卸载和资源优化

引用

电子与信息学报 2025年第1期47卷 102-115页

作者：王俊华罗菲高广鑫李斌南京航空航天大学计算机科学与技术学院南京211106 南京航空航天大学经济与管理学院南京211106 南京信息工程大学计算机学院南京210044

针对移动用户数量迅猛增长和地面基础设施分布稀疏所带来的挑战,该文提出一种能量收集辅助的空地协同计算卸载架构。该架构充分利用无人机(UAVs)的灵活机动性和路侧单元(RSUs)及基站(BS)的强大算力,实现了任务计算的动态实时分发。特别... 详细信息

针对移动用户数量迅猛增长和地面基础设施分布稀疏所带来的挑战,该文提出一种能量收集辅助的空地协同计算卸载架构。该架构充分利用无人机(UAVs)的灵活机动性和路侧单元(RSUs)及基站(BS)的强大算力,实现了任务计算的动态实时分发。特别地,无人机通过能量收集来维持其持续运行和稳定的计算性能。考虑到无人机与地面车辆的高动态性、车辆计算任务的随机性,以及信道模型的时变性,提出一个能耗受限的长期优化问题,旨在从全局角度有效降低整个系统的平均时延。为了解决这一复杂的混合整数规划(MIP)问题,提出一种基于改进演员-评论家(Actor-Critic)强化学习算法的计算卸载策略(IACA)。该算法运用李雅普诺夫优化技术,将长期系统时延优化问题分解为一系列易于处理的帧级子问题。然后,利用遗传算法计算目标Q值替代目标神经网络输出以调整强化学习进化方向,有效避免了算法陷入局部最优,从而实现动态车辆网络中的高效卸载和资源优化。通过综合仿真验证了所提计算卸载架构和算法的可行性和优越性。

关键词：空地一体化车联网能量收集计算卸载强化学习遗传算法

来源：评论

学校读者我要写书评

暂无评论

全新世东亚夏季风降水穿时性的模拟研究

引用

第四纪研究 2024年第2期44卷 593-604页

作者：程曦施健南京信息工程大学气象灾害预报预警与评估协同创新中心江苏南京210044 南京信息工程大学大气科学学院江苏南京210044

全新世期间东亚夏季风经历了较为复杂的演变过程,针对其降水的时空变化规律还存在争议。本研究利用TraCE-21 ka气候瞬变模拟的全强迫试验和敏感性试验数据,分析了全新世东亚不同区域降水极大值出现的时间,即东亚季风降水的“穿时性”问... 详细信息

全新世期间东亚夏季风经历了较为复杂的演变过程,针对其降水的时空变化规律还存在争议。本研究利用TraCE-21 ka气候瞬变模拟的全强迫试验和敏感性试验数据,分析了全新世东亚不同区域降水极大值出现的时间,即东亚季风降水的“穿时性”问题,并就降水量的演变趋势和主要影响因子进行了分析。结果表明,全强迫试验中,全新世期间东亚夏季风总降水和净降水极大值最早在北方出现,然后逐渐南移,直到近代出现在南方及沿海地区,这与全新世期间东亚夏季风强度逐渐减弱相符;利用水汽收支方程对全新世东亚夏季风总降水变化进行分解,北方地区降水变化主要受动力因子的控制,热力因子的贡献占比较小,随着地区的南移,热力因子也起到了一定的贡献,不过动力因子仍是主导因素;敏感性试验进一步揭示,全强迫试验中东亚季风降水的这种“穿时性”主要受到地球轨道变化导致的海陆热力差异变化调控。

关键词：全新世东亚夏季风降水穿时性

来源：评论

学校读者我要写书评

暂无评论

结合微聚类和主动学习的流分类方法

引用

计算机工程与应用 2023年第20期59卷 254-265页

作者：尹春勇陈双双南京信息工程大学计算机学院、网络空间安全学院南京210044

数据流分类是数据挖掘中重要的研究内容,但是数据流中的概念漂移和标记成本昂贵的问题给分类带来了巨大的挑战。现有的研究工作大多采用基于主动学习的在线分类技术,一定程度上缓解了概念漂移和有限标签的问题,但是这些方法的分类效率较... 详细信息

数据流分类是数据挖掘中重要的研究内容,但是数据流中的概念漂移和标记成本昂贵的问题给分类带来了巨大的挑战。现有的研究工作大多采用基于主动学习的在线分类技术,一定程度上缓解了概念漂移和有限标签的问题,但是这些方法的分类效率较低,并且忽略了内存开销的问题。针对这些问题提出了一种结合微聚类和主动学习的流分类方法(a data stream classification method combining micro-clustering and active learning,CALC)。提出一种新的主动学习混合查询策略,将其与基于错误的表示学习相结合,从而在维护过程中衡量每个微聚类的重要性,通过动态维护一组微聚类以适应数据流中产生的概念漂移。采用基于微聚类的惰性学习方法,实现对数据流的分类,并完成对缓存微聚类的在线更新。使用三个真实数据集和三个人工合成数据集进行实验,结果显示CALC在分类准确率和内存开销方面优于现有的数据流分类算法。与基准模型(online reliable semi-supervised learning on evolving data streams,ORSL)相比,CALC的分类准确率有一定的提升,在六个数据集上的平均准确率分别提高了5.07、2.41、1.04、1.03、3.47、0.64个百分点。

关键词：主动学习数据流分类微聚类概念漂移

来源：评论

学校读者我要写书评

暂无评论

基于变分模态分解-长短时记忆网络-宽度学习系统混合模型的东海海温预测

引用

激光与光电子学进展 2023年第7期60卷 49-57页

作者：韩莹孙凯强闫加宁董昌明南京信息工程大学自动化学院江苏南京210044 南京信息工程大学海洋科学学院江苏南京210044

海表温度(SST)是重要的海洋水文参数。对其进行精准预测在海洋相关领域中至关重要。深度学习强大的分析能力使其近年来广泛应用于SST预测中,但SST时间序列波动性和随机性的特点使其精准预测仍然具有挑战性。首先,采用变分模态分解(VMD)... 详细信息

海表温度(SST)是重要的海洋水文参数。对其进行精准预测在海洋相关领域中至关重要。深度学习强大的分析能力使其近年来广泛应用于SST预测中,但SST时间序列波动性和随机性的特点使其精准预测仍然具有挑战性。首先,采用变分模态分解(VMD)作为去噪模块,降低SST序列噪声对预测结果的影响。进而,为了解决深度模型在SST预测中存在的滞后现象,采用迁移学习的方法,将长短时记忆网络(LSTM)与宽度学习系统(BLS)相结合,使用LSTM作为BLS的特征映射结点,提高了预测精度。最终,提出了一种基于VMD-LSTM-BLS的SST预测模型。选取我国东海海温进行实例验证。通过与基准模型支持向量机、LSTM、门控循环单元以及现有的深度模型进行比较,证明了提出模型在SST预测中具有相对稳定、高效的优势,为SST预测的发展提供了新思路。

关键词：大气光学与海洋光学海表温度变分模态分解长短时记忆网络宽度学习系统

来源：评论

学校读者我要写书评

暂无评论

多群落粒子群优化供应链数据中心任务调度

引用

应用科学学报 2023年第3期41卷 419-430页

作者：曾磊白金明刘琦南京信息工程大学计算机学院江苏南京210044 南京信息工程大学应用气象学院江苏南京210044 南京信息工程大学数字取证工程研究中心江苏南京210044

针对数据中心规模和任务需求不断增加带来的服务效率降低等问题,提出了一种负载均衡多群落粒子群优化任务调度方法。通过改进的适应度函数对任务的最大完工时间和各机器完工时间方差进行组合优化以提升集群的负载均衡性;利用新的自适应... 详细信息

针对数据中心规模和任务需求不断增加带来的服务效率降低等问题,提出了一种负载均衡多群落粒子群优化任务调度方法。通过改进的适应度函数对任务的最大完工时间和各机器完工时间方差进行组合优化以提升集群的负载均衡性;利用新的自适应惯性权重函数改进粒子搜索效率,提升算法收敛速率;采取新的粒子初始化方法提高初始解的质量和多样性,并利用多群落粒子协同搜索使得最终结果更加接近最优解。在阿里巴巴数据中心的公开数据集上对算法性能进行了验证和对比,实验结果表明,该方法能够提高数据中心在多样化供应链环境下的任务调度效率。

关键词：粒子群优化供应链管理数据中心任务调度负载均衡

来源：评论

学校读者我要写书评

暂无评论

模态间匹配学习的高光谱和激光雷达联合分类

引用

遥感学报 2024年第1期28卷 154-167页

作者：杭仁龙孙瑜刘青山南京信息工程大学计算机学院南京210044 江苏省大气环境与装备技术协同创新中心南京210044

如何有效地提取和融合不同模态的特征是高光谱图像和激光雷达数据联合分类的关键。近年来,得益于深度学习强大的特征学习能力,其在高光谱图像和激光雷达数据联合分类领域受到了越来越多的关注。然而,现有的深度学习模型大多基于监督学... 详细信息

如何有效地提取和融合不同模态的特征是高光谱图像和激光雷达数据联合分类的关键。近年来,得益于深度学习强大的特征学习能力,其在高光谱图像和激光雷达数据联合分类领域受到了越来越多的关注。然而,现有的深度学习模型大多基于监督学习的模式,分类性能依赖标注样本的数量和质量。为此,本文提出了一种基于模态间匹配学习的联合分类方法,充分利用未标注样本的信息,减少对标注信息的依赖性。具体而言,本文首先通过高光谱图像和激光雷达数据之间的匹配关系和KMeans聚类算法,构造模态匹配标签。然后,利用该标签训练含有多个卷积层的匹配学习网络。该网络由两个并行分支构成,每个分支负责提取单个模态的特征。最后,以该网络为基础,构造高光谱图像和激光雷达数据联合分类模型。该模型的参数由匹配学习网络进行初始化,因而只需要少量标注样本进行微调即可达到理想的分类效果。为了验证本文方法的有效性,在Houston和MUUFL两个常用的高光谱图像和激光雷达数据联合分类数据集上进行了大量的实验。实验结果表明,与已有的分类模型相比,本文方法能够获得更高的分类性能。

关键词：遥感图像高光谱图像激光雷达数据深度学习匹配学习联合分类

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：