检索结果-内蒙古大学图书馆

控制理论与应用 2024年第9期41卷 1676-1684页

作者：刘晓彤孙超利王浩谢刚太原科技大学电子信息工程学院山西太原030024 太原科技大学计算机科学与技术学院山西太原030024

近年来,昂贵多目标优化问题的求解获得了越来越多的关注.然而,随着决策空间维度的升高,模型的有效性和准确性很难保证.因此,本文提出了一种两阶段模型协同搜索的昂贵多目标进化优化.在该方法中,每轮种群进化前构建全局模型,以辅助加快... 详细信息

近年来,昂贵多目标优化问题的求解获得了越来越多的关注.然而,随着决策空间维度的升高,模型的有效性和准确性很难保证.因此,本文提出了一种两阶段模型协同搜索的昂贵多目标进化优化.在该方法中,每轮种群进化前构建全局模型,以辅助加快对最优解集的搜索.随后,利用搜索到的种群选择其邻域样本训练局部模型,对二者集成辅助算法进行进一步搜索.最后,提出基于不确定度的填充采样策略选点,进行真实评价.为了验证算法的有效性,将本文算法与4个算法分别在DTLZ和MaF测试集以及两个实际问题上进行比较,实验结果表明其具有良好的性能.

关键词：多目标优化昂贵优化问题集成模型协同搜索填充采样策略

来源：评论

学校读者我要写书评

暂无评论

基于改进Mobilenet-YOLOv3的轻量级水下生物检测算法

引用

浙江大学学报（工学版） 2022年第8期56卷 1622-1632页

作者：郝琨王阔王贝贝天津城建大学计算机与信息工程学院天津300384 天津城建大学控制与机械工程学院天津300384

在水下生物检测中,经典目标检测模型由于体积大、参数量多,不适用于微小型水下硬件设备,而现有轻量化模型又难以平衡检测精度和实时性.针对这一问题,本研究提出了基于改进Mobilenet-YOLOv3的轻量级检测算法CPM-YOLOv3,该算法利用规整通... 详细信息

在水下生物检测中,经典目标检测模型由于体积大、参数量多,不适用于微小型水下硬件设备,而现有轻量化模型又难以平衡检测精度和实时性.针对这一问题,本研究提出了基于改进Mobilenet-YOLOv3的轻量级检测算法CPM-YOLOv3,该算法利用规整通道剪枝算法对Mobilenet-YOLOv3进行剪枝,并将特征提取网络中的SE(squeeze-and-excitation)模块替换成CBAM (convolutional block attention module),实现对网络模型的压缩.同时,在不同尺寸的检测层中分别加入2个CBAM,在几乎不增加模型大小的情况下提升模型关注目标特征信息的能力.实验结果表明,CPM-YOLOv3模型大小仅有4.86 MB,与原模型相比大小降低了94.7%,平均检测精度为87.0%,速度为5.1 ms/帧.相较于其他网络模型,CPM-YOLOv3更适合在微小型水下设备中应用.

关键词：水下生物检测轻量化模型通道剪枝注意力机制深度学习

来源：评论

学校读者我要写书评

暂无评论

基于优化权重的YOLOv7密集行人检测算法

引用

液晶与显示 2025年第3期40卷 505-515页

作者：曹洁牛瑜梁浩鹏兰州理工大学电气工程与信息工程学院甘肃兰州730030 兰州城市学院信息工程学院甘肃兰州730020 兰州理工大学计算机与通信学院甘肃兰州730050

针对自然复杂场景中行人拥挤和相互遮挡,导致检测精度不佳的问题,提出了一种基于优化权重的YOLOv7密集行人检测算法。首先,针对遮挡行人特征提取问题,利用跨空间高效多尺度注意力机制(Efficient Multi-Scale Attention Module with Cros... 详细信息

针对自然复杂场景中行人拥挤和相互遮挡,导致检测精度不佳的问题,提出了一种基于优化权重的YOLOv7密集行人检测算法。首先,针对遮挡行人特征提取问题,利用跨空间高效多尺度注意力机制(Efficient Multi-Scale Attention Module with Cross-Spatial Learning,EMA)重新分配主干网络的权重,并跨维度学习不同通道特征之间的相关性,以增强模型对行人目标可见区域的关注。其次,针对检测模型复杂性较高的问题,设计了高效轻量化连接模块(Efficient Lightweight Connection Module,ELCM),旨在提升模型表达能力的同时加快训练速度。最后,构建了聚焦边界框损失函数Focal-SIoU loss,该损失函数注重抑制低质量样本,同时添加角度损失提高模型的检测精度。实验结果表明,所提算法在行人检测数据集Wider-Person与Crowd Human数据集上的均值平均精度分别达到83.7%和82.6%,相比其他先进的算法,在密集拥挤人群检测任务中有显著检测优势。

关键词：密集行人检测优化权重聚焦边界框损失函数 YOLOv7

来源：评论

学校读者我要写书评

暂无评论

太赫兹激光通信的信道均衡设计

引用

激光杂志 2024年第10期45卷 180-185页

作者：李欣武狄绥化学院信息工程学院黑龙江绥化152061 黑龙江科技大学计算机与信息工程学院哈尔滨150000

为了提升激光通信信道的利用率,消除码间干扰,设计太赫兹激光通信的信道均衡方法。基于太赫兹频段下的激光通信网络结构,选取统计学数学方法构建激光通信网络的信道模型。利用太赫兹频段直扩配准方法,处理信道均衡器的多个输出,配准激... 详细信息

为了提升激光通信信道的利用率,消除码间干扰,设计太赫兹激光通信的信道均衡方法。基于太赫兹频段下的激光通信网络结构,选取统计学数学方法构建激光通信网络的信道模型。利用太赫兹频段直扩配准方法,处理信道均衡器的多个输出,配准激光通信信道。将信道均衡器输出的通信信号视为有限脉冲响应的滤波器,利用伪噪声序列构建Toeplitz结构感测矩阵,估计激光通信信道相位。基于信道的伪随机序列,利用信道相位生成激光通信信道冲击响应,考虑信道的并行通信,实现太赫兹激光通信网络信道均衡化处理。实验结果表明,该方法可以实现太赫兹激光通信的信道均衡,通信误码率低于0.001,信道均衡性能优越。

关键词：太赫兹激光通信信道均衡设计直扩配准方法冲击响应并行通信

来源：评论

学校读者我要写书评

暂无评论

作物害虫图像智能识别方法

引用

新疆农业科学 2023年第12期60卷 2973-2981页

作者：李雨晴陈燕红李永可肖天赐李清源新疆农业大学计算机与信息工程学院乌鲁木齐830052

【目的】针对作物害虫数据集样本较少、现有单一模型在作物害虫识别上的准确率不高以及泛化能力较差的问题,提出一种基于迁移学习与多模型集成的害虫识别模型。【方法】在大规模公开作物害虫数据集IP102上进行试验,使用迁移学习单独训练... 详细信息

【目的】针对作物害虫数据集样本较少、现有单一模型在作物害虫识别上的准确率不高以及泛化能力较差的问题,提出一种基于迁移学习与多模型集成的害虫识别模型。【方法】在大规模公开作物害虫数据集IP102上进行试验,使用迁移学习单独训练6个深层神经网络,选择识别性能较好的EfficientNet、Vision Transformer、Swin Transformer和ConvNeXt进行组合,采用不同策略集成预测结果。【结果】提出的基于迁移学习与多模型集成方法的识别准确率达到75.75%,比性能最好的单模型ConvNeXt提高了1.34%,与目前该数据集上最优算法(CA-EfficientNet)的性能相比,识别准确率高出了6.3%。【结论】害虫图像智能识别模型具有较好的稳定性与泛化能力。

关键词：害虫识别 IP102数据集迁移学习集成学习投票法

来源：评论

学校读者我要写书评

暂无评论

数字农业助推黑龙江省乡村振兴的对策

引用

学术交流 2023年第5期 140-153页

作者：胡晶赵文哲哈尔滨商业大学计算机与信息工程学院哈尔滨150028

黑龙江省在数字农业发展上有四个特征:制定规划,指导发展;人大立法,推动发展;龙头引领,带动发展;横联纵合,协同发展。其发展应用的重点:农业生产,农业服务,农业营销,土地保护,气象监测预报。黑龙江省数字农业的发展,一是要明确一系列顶... 详细信息

黑龙江省在数字农业发展上有四个特征:制定规划,指导发展;人大立法,推动发展;龙头引领,带动发展;横联纵合,协同发展。其发展应用的重点:农业生产,农业服务,农业营销,土地保护,气象监测预报。黑龙江省数字农业的发展,一是要明确一系列顶层设计及政策。二是探讨数字农业中的数字农业利益格局问题和数字农业成本高问题。三是协调好数字农业与智慧农业、数字农业与数字农村、数字农村与数字城市三个关系。四是抓住数字农业的核心技术、平台技术、应用技术、基础技术四个关键技术。五是做好数字农业基础设施和公共服务、加强数字农业人才培养、做好资金物资投入、加强规划和法规落实、规避风险和保障数字农业安全。

关键词：数字农业乡村振兴黑龙江省

来源：评论

学校读者我要写书评

暂无评论

基于提示学习的维吾尔语文本分类研究

引用

计算机工程 2023年第6期49卷 292-299,313页

作者：张博旭蒲智程曦新疆农业大学计算机与信息工程学院乌鲁木齐830000

维吾尔语属于低资源语言和黏着性语言,现有维吾尔语文本分类方法缺少足够的语料来训练维吾尔语预训练模型。因此,维吾尔语无法基于预训练模型提取有效的句向量信息。现有的文本分类方法利用深度学习模型提取词向量,然而,维吾尔语具有特... 详细信息

维吾尔语属于低资源语言和黏着性语言,现有维吾尔语文本分类方法缺少足够的语料来训练维吾尔语预训练模型。因此,维吾尔语无法基于预训练模型提取有效的句向量信息。现有的文本分类方法利用深度学习模型提取词向量,然而,维吾尔语具有特征稀疏且维度偏高的特点,使得其在文本分类上的效果较差。为此,提出基于提示学习的维吾尔语文本分类方法。基于提示学习,采用多语言预训练模型Cino构造不同的模板,利用模型的掩码预测能力对不同的掩码位置进行预测。为避免掩码预测的词汇信息具有多样性,将模板掩盖掉的词向量代替整体的句向量,利用掩码模型的预测能力,以有限大小的向量表示当前句子的语义信息,将下游任务靠近模型的预训练任务,减少在微调阶段两者不同所造成的影响。在爬取维吾尔语网站所构建新闻数据集上进行的文本分类实验结果表明,相比Cino微调预训练模型,融合提示学习的Cino模型的F1值最高可达到92.53%,精准率和召回率分别提升了1.79、1.04个百分点,具有更优的维吾尔语文本分类效果。

关键词：文本分类维吾尔语提示学习预训练模型深度学习

来源：评论

学校读者我要写书评

暂无评论

融合全局和局部信息的端到端边分类方法

引用

中文信息学报 2023年第4期37卷 137-145页

作者：颜登程储蓓张以文李冬倪莉安徽大学计算机科学与技术学院安徽合肥230601 安徽文达信息工程学院计算机工程学院安徽合肥231201

边分类是图挖掘和社交网络分析中的一个重要研究方向。然而,现有边分类方法往往通过聚合连边端点的表示来间接提取边的特征,且设计为非端到端的学习方式,会造成较大的信息损失。针对上述问题,该文提出一种融合全局和局部信息的边分类模... 详细信息

边分类是图挖掘和社交网络分析中的一个重要研究方向。然而,现有边分类方法往往通过聚合连边端点的表示来间接提取边的特征,且设计为非端到端的学习方式,会造成较大的信息损失。针对上述问题,该文提出一种融合全局和局部信息的边分类模型EGLec(end-to-endModel withglobal andlocal InformationFusionfor edge classification),将边特征提取和边分类过程建模成端到端的训练方式。首先,根据网络中所有节点对边的权重构建边的全局信息。其次,结合图自编码器和深度自编码器,分别提取网络的结构特征和边全局信息的深层语义特征,以生成连边的结构嵌入和全局特征嵌入。最后,融合结构嵌入和全局特征嵌入得到最终的连边表示以用于边分类。在三个真实数据集上的对比实验验证了该文所提出模型可显著提高边分类性能。

关键词：边分类网络表示学习自编码器

来源：评论

学校读者我要写书评

暂无评论

基于多物候特征指数的冬小麦分布信息提取

引用

农业机械学报 2023年第12期54卷 207-216页

作者：吴喜芳化仕浩张莎谷玲霄马春艳李长春河南理工大学测绘与国土信息工程学院焦作454003 青岛大学计算机科学技术学院青岛266071

以往的冬小麦分布信息提取研究大多基于单个物候期或单个植被指数,未考虑不同物候期特征及不同物候期之间的联系导致分类精度较低。为提高提取精度,本文基于冬小麦播种期、越冬期、生长期及成熟期选取相应特征指数,提出一种多物候特征... 详细信息

以往的冬小麦分布信息提取研究大多基于单个物候期或单个植被指数,未考虑不同物候期特征及不同物候期之间的联系导致分类精度较低。为提高提取精度,本文基于冬小麦播种期、越冬期、生长期及成熟期选取相应特征指数,提出一种多物候特征指数的冬小麦识别方法,并对2020年焦作市的冬小麦面积进行提取。通过对不同物候期、不同分类方法下的结果进行对比,结果表明:在物候期的选择上,加入越冬期后,随机森林与支持向量机分类的总体精度与Kappa系数呈现不同程度的提升,均方根误差(RMSE)分别减小19.3%和9.8%,提取冬小麦面积的误差百分比分别降低8.64、4.42个百分点。在不同分类方法上,随机森林相较于支持向量机、最小距离,分类的总体精度与Kappa系数更高。相较于支持向量机,随机森林分类的RMSE减小19.6%。相较于单一特征指数,基于随机森林的多物候特征指数分类的总体精度,Kappa系数更高,RMSE为1.84×10^(3)hm^(2),比单一特征指数减小33.6%,提取冬小麦面积的误差百分比减小7.14个百分点。

关键词：冬小麦 Sentinel-2 多物候特征支持向量机随机森林最小距离

来源：评论

学校读者我要写书评

暂无评论

基于三分支混合特征提取的双目立体匹配算法

引用

机器人 2024年第4期46卷 414-424页

作者：范诗萌孙炜覃宇覃业宝胡曼倩刘崇沛湖南大学电气与信息工程学院湖南长沙410082 湖南大学整车先进设计制造技术全国重点实验室湖南长沙410082 长沙理工大学计算机与通信工程学院湖南长沙410076

基于深度学习的双目立体匹配算法大多采用卷积神经网络(CNN)进行特征提取。但该网络存在感受野有限、卷积核权重共享等固有的局限性,难以提取到强辨识度的特征,易导致弱纹理区域、细节区域等有挑战性区域的匹配精度较低。针对该问题,本... 详细信息

基于深度学习的双目立体匹配算法大多采用卷积神经网络(CNN)进行特征提取。但该网络存在感受野有限、卷积核权重共享等固有的局限性,难以提取到强辨识度的特征,易导致弱纹理区域、细节区域等有挑战性区域的匹配精度较低。针对该问题,本文提出一种基于三分支混合特征提取的双目立体匹配算法。具体地,将CNN分支、Swin Transformer分支、融合分支并联设置,并对左、右图像进行特征提取,并联分支设置有效地保留了CNN的局部特征表达能力和Swin Transformer框架的全局特征表达能力。融合分支由多阶段的全局-局部信息适配器组成,不仅能实现本阶段全局信息和局部信息的融合与表达,而且能够跨不同阶段有效地传播特征,从而筛选出适用于弱纹理区域和细节区域的强相关特征信息,提高了立体匹配的精度。在SceneFlow数据集上进行的消融实验验证了本文算法的有效性。利用SceneFlow、KITTI 2012、KITTI 2015数据集进行了测试。本文方法在SceneFlow数据集上的端点误差为0.652个像素;在KITTI 2012数据集上的非遮挡区域,视差误差大于5个像素的百分比为0.79%。结果表明本文算法具有优异的立体匹配精度。

关键词：双目立体匹配卷积神经网络特征提取局部特征全局特征

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：