检索结果-内蒙古大学图书馆

智能系统学报 2025年第1期20卷 172-184页

作者：陈威吕莉肖人彬谭德坤潘正祥南昌工程学院信息工程学院江西南昌330099 南昌工程学院南昌市智慧城市物联感知与协同计算重点实验室江西南昌330099 华中科技大学人工智能与自动化学院湖北武汉430074 山东科技大学计算机科学与工程学院山东青岛266590

混合数据是指包含密度分布不均和流形特征的数据集。密度峰值聚类算法局部密度定义方式易忽略密度分布不均数据集类簇间样本的疏密差异,导致误选聚类中心;分配策略依据欧氏距离进行样本分配,不适用于流形数据集同一类簇样本相距较远的情... 详细信息

混合数据是指包含密度分布不均和流形特征的数据集。密度峰值聚类算法局部密度定义方式易忽略密度分布不均数据集类簇间样本的疏密差异,导致误选聚类中心;分配策略依据欧氏距离进行样本分配,不适用于流形数据集同一类簇样本相距较远的情况,致使样本被错误分配。针对这些问题,本文提出一种面向混合数据的对称邻域和微簇合并密度峰值聚类算法。该算法引入对称邻域概念,采用对数倒数累加方法重新定义局部密度,有效提升了聚类中心的识别度;同时,提出了一种基于密度差的微簇个数选取方法,使微簇个数的选取处于合理范围;此外,设计了一种微簇间相似性度量方法进行微簇合并,避免了分配时产生的连带错误。实验表明,相较于对比算法,本文算法在混合数据集、UCI数据集和图像数据集上均取得较好的聚类效果。

关键词：密度峰值聚类密度分布不均流形数据 K近邻逆近邻对称邻域微簇间相似性微簇合并

来源：评论

学校读者我要写书评

暂无评论

模型参数不确定下多无人艇系统固定时间二分编队跟踪控制

引用

自动化学报 2025年第3期51卷 669-677页

作者：温广辉余星火黄廷文周艳东南大学系统科学系南京211189 皇家墨尔本理工大学工学院澳大利亚墨尔本VIC 3001 深圳理工大学计算机科学与控制工程学院深圳518055

针对模型参数不确定下多无人艇(Multiple unmanned surface vehicle,Multi-USV)系统的固定时间二分编队跟踪控制问题,通过将命令滤波与复合学习技术融合到反推控制方法中,提出一种新型分布式固定时间二分编队跟踪控制协议.首先,将命令... 详细信息

针对模型参数不确定下多无人艇(Multiple unmanned surface vehicle,Multi-USV)系统的固定时间二分编队跟踪控制问题,通过将命令滤波与复合学习技术融合到反推控制方法中,提出一种新型分布式固定时间二分编队跟踪控制协议.首先,将命令滤波引入到反推控制中,进而分别设计虚拟控制协议与真实控制协议.在此基础上,为估计未知参数设计了参数复合学习律,利用在线记录的数据和即时数据来产生预测误差,并利用跟踪误差和预测误差来更新参数估计.结果表明,在严格弱于持续激励(Persistent excitation,PE)条件的区间激励(Interval excitation,IE)条件下,本文提出的控制方案不仅能够保证编队误差的固定时间收敛性,也能够保证参数估计误差的固定时间收敛性,同时解决了多无人艇系统的固定时间二分编队跟踪控制问题.最后,通过仿真实验验证了本文提出的控制协议的有效性.

关键词：无人艇二分编队跟踪固定时间控制复合学习

来源：评论

学校读者我要写书评

暂无评论

基于视觉属性的多模态可解释图像分类方法

引用

自动化学报 2025年第2期51卷 445-456页

作者：王辉黄宇廷夏玉婷范自柱罗国亮杨辉华东交通大学信息与软件工程学院南昌330013 华东交通大学轨道交通基础设施性能监测与保障国家重点实验室南昌330013 浙江大学软件学院宁波315048 上海电力大学计算机科学与技术学院上海201306

基于深度神经网络(Deep neutral networks,DNN)的分类方法因缺乏可解释性,导致在金融、医疗、法律等关键领域难以获得完全信任,极大限制了其应用.现有多数研究主要关注单模态数据的可解释性,多模态数据的可解释性方面仍存在挑战.为解决... 详细信息

基于深度神经网络(Deep neutral networks,DNN)的分类方法因缺乏可解释性,导致在金融、医疗、法律等关键领域难以获得完全信任,极大限制了其应用.现有多数研究主要关注单模态数据的可解释性,多模态数据的可解释性方面仍存在挑战.为解决这一问题,提出一种基于视觉属性的多模态可解释图像分类方法,该方法将可见光和深度图等不同视觉模态提取的属性融入模型的训练过程,不仅能通过视觉属性和决策树对已有的神经网络黑盒模型进行解释,而且能在训练过程中进一步提升模型解释信息的能力.引入可解释性通常会造成模型精度的降低,该方法在保持模型具有良好可解释性的同时,仍具有较高的分类精度,在NYUDv2、SUN RGB-D和RGB-NIR三个数据集上,相比于单模态可解释方法,该模型准确率明显提升,并达到与多模态不可解释模型相媲美的性能.

关键词：可解释性视觉属性多模态融合决策树图像分类

来源：评论

学校读者我要写书评

暂无评论

时空差异增强与自适应特征融合的轻量级遥感影像变化检测网络

引用

测绘学报 2025年第1期54卷 136-153页

作者：龚良雄李星华程远明赵兴友谢仁平王红根南昌市测绘勘察研究院有限公司江西南昌330038 武汉大学遥感信息工程学院湖北武汉430079 南昌市城市规划设计研究总院集团有限公司江西南昌330038 东莞理工学院计算机科学与技术学院广东东莞523808

针对现有遥感影像变化检测方法存在多时相差异特征利用不足、多尺度特征融合不足等问题,提出一种时空差异增强与自适应特征融合的轻量级遥感影像变化检测网络。本文设计了轻量级时空差异增强模块,采用语义变化感知和空间变化感知的双分... 详细信息

针对现有遥感影像变化检测方法存在多时相差异特征利用不足、多尺度特征融合不足等问题,提出一种时空差异增强与自适应特征融合的轻量级遥感影像变化检测网络。本文设计了轻量级时空差异增强模块,采用语义变化感知和空间变化感知的双分支结构,组合利用语义自适应增强机制和混合注意力机制,增强双时相特征图的空谱差异。不同尺度特征图通过边缘细化残差模块进一步优化变化区域边缘。还改进了双向特征融合金字塔结构,采用可学习的权重参数来量化不同尺度特征的重要性,实现多尺度特征的有效融合。选取10种主流的变化检测方法,在WHU-CD、LEVIR-CD、SYSU-CD和SECOND数据集上进行模型对比试验,结果表明:SEAFNet相较于多种主流的变化检测方法,在定性分析、定量分析、网络复杂度与准确度平衡方面均取得了比较优异的表现。

关键词：遥感影像时空差异增强注意力机制自适应特征融合变化检测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的RGB-D图像显著性目标检测前沿进展

引用

计算机学报 2025年第2期48卷 284-316页

作者：黄年昌杨阳张强韩军功西安电子科技大学高性能电子装备机电集成制造全国重点实验室西安710071 西安电子科技大学机电工程学院西安710071 谢菲尔德大学计算机科学系谢菲尔德英国S102TN

显著性目标检测是计算机视觉领域的基础问题之一,旨在对图像中最吸引人注意的目标进行检测和分割。随着深度学习技术的发展,基于RGB(Red-Green-Blue)图像的显著性目标检测算法取得了巨大进步,在简单场景下已经取得较为满意的结果。然而... 详细信息

显著性目标检测是计算机视觉领域的基础问题之一,旨在对图像中最吸引人注意的目标进行检测和分割。随着深度学习技术的发展,基于RGB(Red-Green-Blue)图像的显著性目标检测算法取得了巨大进步,在简单场景下已经取得较为满意的结果。然而,局限于可见光相机的成像能力,RGB图像易受到光照条件的影响,且无法捕捉场景的三维空间信息。相应地,基于RGB图像的显著性目标检测算法通常难以在一些复杂场景下取得较好的检测效果。近年来,随着深度成像技术不断发展和硬件成本不断降低,深度相机得到了广泛应用。其捕获的场景空间信息,与可见光图像获取的场景细节信息相互补充,有助于提升复杂场景下显著性目标检测性能。因此,RGB-深度(RGB-Depth,RGB-D)图像显著性目标检测引起了学者广泛研究。本文对近期基于深度学习的RGB-D图像显著性目标检测算法进行了整理和分析。首先,分析了多模态RGB-D图像显著性目标检测所面临的关键问题,并以此对现有算法解决这些关键问题的主要思路和方法进行了总结和梳理。然后,介绍了用于RGB-D图像显著性目标检测算法研究的主流数据集和常用性能评价指标,并对各类主流模型进行了定量比较和定性分析。最后,本文进一步分析了RGB-D图像显著性目标检测领域有待解决的问题,同时对今后可能的研究趋势进行了展望。

关键词：显著性目标检测 RGB图像深度图像深度学习多模态图像处理

来源：评论

学校读者我要写书评

暂无评论

面向业务过程的概念漂移检测方法D-SPC

引用

小型微型计算机系统 2025年第2期46卷 266-273页

作者：戎小玉赵海燕曹健陈庆奎上海市现代光学系统重点实验室光学仪器与系统教育部工程研究中心上海理工大学光电信息与计算机工程学院上海200093 上海交通大学计算机科学与技术系上海200030

企业内部存在着大量的业务过程,这些业务过程的模型可能会发生变化从而使得一些数据分析的算法失效.检测过程模型变化这一“概念漂移”现象对业务过程管理具有突出的意义.目前的过程模型概念漂移检测存在参数过多,特征抽取复杂等问题.... 详细信息

企业内部存在着大量的业务过程,这些业务过程的模型可能会发生变化从而使得一些数据分析的算法失效.检测过程模型变化这一“概念漂移”现象对业务过程管理具有突出的意义.目前的过程模型概念漂移检测存在参数过多,特征抽取复杂等问题.本文中从过程模型的变化伴有新活动对的出现、旧活动对的消失以及活动对出现频率的变化这一基本现象出发,设计了一种简洁高效的检测框架.在该框架中,针对活动对的出现和消失设计了对活动对出现的轨迹索引进行差分的检测方法;针对活动对频率的变化,在轨迹索引差分的基础上首次运用统计过程控制的工具来检测概念漂移.为了验证本文提出方法的性能,使用合成日志和真实生活日志进行评估,并将本文方法与2种相似方法和4中不同方法进行了实验对比,实验结果表明,本文的方法有效且有更高的精度.

关键词：过程挖掘概念漂移差分分析统计过程控制变更点检测

来源：评论

学校读者我要写书评

暂无评论

一种事件日志时间属性的匿名方法

引用

小型微型计算机系统 2025年

作者：王淞颢赵海燕曹健陈庆奎上海市现代光学系统重点实验室光学仪器与系统教育部工程研究中心上海理工大学光电信息与计算机工程学院上海交通大学计算机科学与技术系

过程挖掘（Process Mining）技术在分析和优化业务流程中扮演着重要角色，然而，在实际应用中，事件日志通常包含敏感信息，如个人身份信息（PII）和商业隐私，这些敏感信息的暴露可能导致隐私泄露和数据滥用的问题.因此，如何在保留事... 详细信息

过程挖掘（Process Mining）技术在分析和优化业务流程中扮演着重要角色，然而，在实际应用中，事件日志通常包含敏感信息，如个人身份信息（PII）和商业隐私，这些敏感信息的暴露可能导致隐私泄露和数据滥用的问题.因此，如何在保留事件日志的有效性和完整性的同时，实现数据匿名化处理，成为过程挖掘研究中的一个重要挑战.当前主流的事件日志匿名中大多注重于控制流视角的匿名，而忽略时间戳属性的保护.本文提出了一种有效的事件日志时间属性匿名化方法，使用基于组的方法对事件日志的时间戳属性提供了隐私保证.实验证明，该方法在保护敏感信息的同时，能够保持日志数据的分析价值.

关键词：过程挖掘事件日志匿名化隐私保护 k-匿名差分隐私

来源：评论

学校读者我要写书评

暂无评论

面向鱼水分离作业的鱼群智能视觉计数方法

引用

传感器与微系统 2025年第3期44卷 102-106页

作者：李雨宸左浩博李升晨符长虹王志勇刘祥勇同济大学机械与能源工程学院上海201804 香港大学计算机科学系中国香港999077 中国水产科学研究院渔业机械仪器研究所上海200092

针对养殖鱼群鱼水分离过程中现有人工计数方法存在计数效率不足、成本过高等问题,设计一种基于动态状态感知的智能视觉鱼群多目标跟踪与计数方法。具体地,分析鱼的姿态和运动状态变化,设计动态状态感知关联模块,以实现对具有复杂运动状... 详细信息

针对养殖鱼群鱼水分离过程中现有人工计数方法存在计数效率不足、成本过高等问题,设计一种基于动态状态感知的智能视觉鱼群多目标跟踪与计数方法。具体地,分析鱼的姿态和运动状态变化,设计动态状态感知关联模块,以实现对具有复杂运动状态鱼群目标的高精度关联跟踪;引入自适应轨迹初始化修正模块对比轨迹状态特征,以过滤错误轨迹,提高跟踪计数精度;采用差值过线计数规则缓解重复计数问题。将本文所提方法在大型自采集真实挑战性鱼水分离场景下的鱼群多目标跟踪数据集FishMOT上开展实验,实验结果表明:本文方法在跟踪与计数精度方面均优于已有多目标跟踪计数方法。同时将本文方法在真实鱼水分离场景进行计数测试,其计数精度和实时性速度均满足实际应用需求。

关键词：鱼水分离鱼群计数智能视觉感知多目标跟踪动态状态感知

来源：评论

学校读者我要写书评

暂无评论

基于Fréchet距离的集中式光伏场站送出线路纵联保护方法

引用

电网技术 2025年第4期49卷 1648-1657,I0068-I0074页

作者：王少雄吕思辰吕飞鹏王干尧朱玉勇覃渝文廖建权周文越王强钢四川大学电气工程学院四川省成都市610065 阿尔伯塔大学计算机科学系加拿大埃德蒙顿T6G 2S4 上海交通大学电子信息与电气工程学院上海市闵行区200240 国网四川省电力科学研究院四川省成都市610042 输变电装备技术全国重点实验室(重庆大学) 重庆市沙坪坝区400044

针对传统纵联保护动作性能下降以及现有相似度保护算法存在波形差异度量不足、定值难以整定、新能源弱出力时的计算失效等问题,提出一种基于Fréchet距离的纵联保护方法。首先揭示了传统差动保护以及现有相似度算法的适应性问题。为... 详细信息

针对传统纵联保护动作性能下降以及现有相似度保护算法存在波形差异度量不足、定值难以整定、新能源弱出力时的计算失效等问题,提出一种基于Fréchet距离的纵联保护方法。首先揭示了传统差动保护以及现有相似度算法的适应性问题。为此,提出一种综合考虑故障电流幅值和相位特征的保护方法。该方法将空间轨迹相似性与时域波形相关性相结合,引入Fréchet距离作为波形差异度量的量化指标,构建了Fréchet距离与时域电流波形幅、相差异之间的数学联系,为定值整定提供了理论依据。其次,结合动态规划思想优化了算法的时间复杂度。该方法不受线路电容电流、新能源出力特性的影响,相较于现有保护原理具有更优的灵敏性、可靠性。仿真结果表明,所提保护原理能准确识别区内、外故障,仅需10ms时间窗,动作速度最快可达1ms以内,具有较高耐受过渡电阻和噪音的能力。

关键词：光伏场站送出线路 Fréchet距离纵联保护故障特性

来源：评论

学校读者我要写书评

暂无评论

基于多路径动态卷积的YOLOv5无人机航拍目标检测模型

引用

现代电子技术 2025年第7期48卷 72-78页

作者：宋苏汪方正高建安刘泓森香港教育大学数学与资讯科技学系中国香港999077 江苏医药职业学院公共基础学院江苏盐城224005 南京农业大学人工智能学院江苏南京210031 东南大学计算机科学工程学院江苏南京211189

为了提升无人机航拍影像目标检测的准确率,并实现模型的轻量化,文中对YOLOv5目标检测模型进行了多方面的改进。首先,对YOLOv5的骨干网络进行了优化重组,采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度,并显... 详细信息

为了提升无人机航拍影像目标检测的准确率,并实现模型的轻量化,文中对YOLOv5目标检测模型进行了多方面的改进。首先,对YOLOv5的骨干网络进行了优化重组,采用更高效的动态卷积结构和多通道并行处理策略增强特征提取能力和检测精度,并显著减少模型参数量;其次,改进了损失函数,引入Focal⁃EIoU损失函数,更适合无人机航拍图像的特点,进一步提升了模型的检测精度;此外,将原本耦合的检测头进行了解耦处理,设计了轻量级解耦头,使分类、回归和置信度任务解耦处理,提高了检测精度和收敛速度,并合理控制了模型参数量。实验结果表明,改进后的DEP⁃YOLO模型在mAP@0.5指标上提升了9.6%,同时模型大小和参数量分别降低了77.93%和83.82%。综上所述,文中提出的综合改进策略显著提升了无人机航拍影像目标检测的精度,并实现了模型的轻量化,验证了其在航拍影像目标检测领域的有效性。

关键词：目标检测无人机航拍 YOLOv5 模型轻量化动态卷积解耦检测头 Focal⁃EIoU损失函数特征提取

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：