检索结果-内蒙古大学图书馆

兵器装备工程学报 2024年第2期45卷 135-143页

作者：冯建新韩亚军潘成胜孙传林蔡远航辽宁省通信网络与信息处理重点实验室辽宁大连116622 大连大学信息工程学院辽宁大连116622

针对水下图像存在对比度低、颜色失真和现有网络模型推理速度慢等问题,提出一种融合注意力机制的轻量级GAN水下图像增强模型。该模型使用PatchGAN作为判别网络,生成网络在FUnIE-GAN模型基础上,使用轻量化模型MobileNet替换原U-Net特征... 详细信息

针对水下图像存在对比度低、颜色失真和现有网络模型推理速度慢等问题,提出一种融合注意力机制的轻量级GAN水下图像增强模型。该模型使用PatchGAN作为判别网络,生成网络在FUnIE-GAN模型基础上,使用轻量化模型MobileNet替换原U-Net特征提取网络中参数量极大的VGG16模型作为特征提取模块,提取水下退化图像特征,使网络模型参数量减少,加快了网络模型的推理速度。进一步在特征提取模块引入通道和空间注意力机制,增强了网络特征提取能力,达到了增强图像细节的目的。在EUVP数据集上进行实验,结果表明:该方法在处理真实水下图像时有很好的效果。与几种现有方法相比,本文中所提方法能够更好地提升对比度,修正色偏,减少图像细节信息损失,在主客观指标上都优于现有方法。

关键词：水下图像增强注意力机制轻量级生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于改进狮群算法的混合图像盲分离

引用

计算机应用与软件 2025年第5期42卷 224-230,254页

作者：夏清雨丁元明张然杨阳辽宁省通信网络与信息处理重点实验室辽宁大连116622 大连大学信息工程学院辽宁大连116622

针对盲源分离传统独立分量分析方法存在分离性能不高的问题,该文提出一种基于改进狮群算法的盲源分离方法,并应用于图像盲分离中。该算法在原始狮群算法的基础上,结合蝴蝶算法较强的局部搜索能力和免疫浓度选择优秀的进化机制,并通过基... 详细信息

针对盲源分离传统独立分量分析方法存在分离性能不高的问题,该文提出一种基于改进狮群算法的盲源分离方法,并应用于图像盲分离中。该算法在原始狮群算法的基础上,结合蝴蝶算法较强的局部搜索能力和免疫浓度选择优秀的进化机制,并通过基于矢量距的惯性权重调整算法的搜索平衡。算法分别以信号的负熵和峭度作为目标函数,通过求解目标函数,实现对混合信号的盲分离。仿真结果表明,所提算法可以有效地分离含噪混合图像,具有比对比算法更优异的分离性能,而且在基于峭度的目标函数下分离性能更好。

关键词：盲源分离独立分量分析狮群算法蝴蝶算法免疫浓度选择惯性权重

来源：评论

学校读者我要写书评

暂无评论

改进蝙蝠算法的无人机路径规划

引用

兵器装备工程学报 2023年第9期44卷 26-33页

作者：丁元明侯孟珂辽宁省通信网络与信息处理重点实验室辽宁大连116622 大连大学信息工程学院辽宁大连116622

为了解决现存无人机(UAV)路径规划求解精度和求解速度难以平衡问题,基于蝙蝠算法(BA),提出了一种新型无人机路径规划算法。将粒子群算法(PSO)中的个体最优因素引入到BA的全局随机飞行搜索中,用于增加路径搜索的发散性。在BA局部搜索阶段... 详细信息

为了解决现存无人机(UAV)路径规划求解精度和求解速度难以平衡问题,基于蝙蝠算法(BA),提出了一种新型无人机路径规划算法。将粒子群算法(PSO)中的个体最优因素引入到BA的全局随机飞行搜索中,用于增加路径搜索的发散性。在BA局部搜索阶段,利用高斯分布与柯西分布融合的模型约束局部搜索和新解的产生。再将最优成功率策略动态调节的惯性权值引入算法,提出了新型无人机路径规划算法(OS-PSOBA)。结合实际环境,搭建了模拟飞行环境模型,将OS-PSOBA与PSO、BA进行对比。仿真实验证明,OS-PSOBA与PSO和BA算法相比,OS-PSOBA展示了算法的优越性,快速、有效地完成UAV路径规划任务。

关键词：无人机路径规划粒子群算法蝙蝠算法最优成功率策略惯性权值

来源：评论

学校读者我要写书评

暂无评论

蝴蝶优化算法研究综述

引用

科学技术与工程 2023年第7期23卷 2705-2716页

作者：丁元明夏清雨张然李森辽宁省通信网络与信息处理重点实验室大连116622 大连大学信息工程学院大连116622

蝴蝶优化算法是一种新兴的元启发式算法,其思想来源于蝴蝶觅食和求偶的行为。为了进一步改善蝴蝶优化算法的搜索性能,加快对算法的研究与应用进程,综述了蝴蝶优化算法的原理与改进、与其他元启发式算法的对比及发展趋势。首先介绍了算... 详细信息

蝴蝶优化算法是一种新兴的元启发式算法,其思想来源于蝴蝶觅食和求偶的行为。为了进一步改善蝴蝶优化算法的搜索性能,加快对算法的研究与应用进程,综述了蝴蝶优化算法的原理与改进、与其他元启发式算法的对比及发展趋势。首先介绍了算法的基本模型;然后结合国内外文献,分类阐述了基于算法参数、基于混沌和量子优化、基于学习策略、基于种群多样性等方面的改进蝴蝶优化算法,同时,归纳总结了蝴蝶优化算法在图像处理、无线网络、粒子滤波、光伏系统、医疗系统等领域的应用;其次在优缺点和适用性等方面将其与其他元启发式算法进行了对比;最后对蝴蝶优化算法的未来研究发展方向进行了展望。

关键词：蝴蝶优化算法元启发式算法变种算法应用研究

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的无人机通信抗干扰算法

引用

兵器装备工程学报 2022年第10期43卷 27-34页

作者：张惠婷张然刘敏提丁元明辽宁省通信网络与信息处理重点实验室辽宁大连116622 大连大学信息工程学院辽宁大连116622 西安电子科技大学雷达信号处理国家实验室西安710071

针对军用无人机通信环境恶劣、信息传输可靠性要求较高的问题,提出一种基于深度双Q学习网络(DDQN)的多域联合认知抗干扰智能决策算法。首先通过能量检测法识别干扰信息,将干扰判别信息结果输入学习算法。然后利用DDQN算法与干扰环境交... 详细信息

针对军用无人机通信环境恶劣、信息传输可靠性要求较高的问题,提出一种基于深度双Q学习网络(DDQN)的多域联合认知抗干扰智能决策算法。首先通过能量检测法识别干扰信息,将干扰判别信息结果输入学习算法。然后利用DDQN算法与干扰环境交互感知,引入动态ε机制,根据奖励值与回合数动态调整ε值,如果决策失败则减小ε值,ε值可根据奖励和回合数计算,增加智能体选择最优动作的概率,如果决策成功则ε值不变,保持原有随机性,提高算法收敛速度。最后根据动态DDQN算法选择接入信道以及传输时间长度,传输时间长度根据当前信道受干扰程度进行动态调整。仿真结果表明,在不同传输时间和不同ε值的条件下,所提算法通信安全容量提升15%左右,收敛后平均决策成功率保持在95%左右,无人机通信系统整体抗干扰性能较好。

关键词：多域联合认知抗干扰深度强化学习智能决策无人机通信

来源：评论

学校读者我要写书评

暂无评论

基于灰度共生矩阵的图像自适应分块压缩感知方法

引用

计算机科学 2018年第8期45卷 277-282页

作者：杜秀丽张薇顾斌斌陈波邱少明大连大学辽宁省通信网络与信息处理重点实验室大连116622

分块压缩感知的提出很好地弥补了大尺寸图像占用资源多、重构耗时长等不足,但重构后的图像存在明显的块效应。针对现有图像纹理复杂度分析不够准确,导致自适应采样率分配后块效应降低不理想的问题,提出了一种基于灰度共生矩阵的图像自... 详细信息

分块压缩感知的提出很好地弥补了大尺寸图像占用资源多、重构耗时长等不足,但重构后的图像存在明显的块效应。针对现有图像纹理复杂度分析不够准确,导致自适应采样率分配后块效应降低不理想的问题,提出了一种基于灰度共生矩阵的图像自适应分块压缩感知方法。该方法通过共生矩阵分析图像的纹理特性,自适应分配采样率,在总采样率不变的前提下使纹理复杂度高的子块获得较高的采样率,纹理复杂度低的子块获得较低的采样率,并用SAMP(Sparsity Adaptive Matching Pursuit)算法实现重构。仿真结果显示,所提方法能够有效地解决块效应问题,尤其对于局部图像而言,重构图像的画质得到了明显改善。

关键词：分块压缩感知灰度共生矩阵熵采样率

来源：评论

学校读者我要写书评

暂无评论

用于图像重构的基于行间支撑集相似度的CoSaMP算法

引用

计算机科学 2018年第4期45卷 306-311页

作者：杜秀丽顾斌斌胡兴邱少明陈波大连大学信息工程学院辽宁省通信网络与信息处理重点实验室辽宁大连116622

压缩采样匹配追踪(CoSaMP)算法的性能受初始支撑集选择的制约,初始支撑集选择不准确不仅影响重构精度,还会降低重构速度。针对该问题,将图像在稀疏域的结构特性引入到CoSaMP算法中,提出了支撑集相似度的概念;利用数字图像相邻行之间原... 详细信息

压缩采样匹配追踪(CoSaMP)算法的性能受初始支撑集选择的制约,初始支撑集选择不准确不仅影响重构精度,还会降低重构速度。针对该问题,将图像在稀疏域的结构特性引入到CoSaMP算法中,提出了支撑集相似度的概念;利用数字图像相邻行之间原子支撑集的相似性,提出了基于行间支撑集相似度的CoSaMP算法。实验结果表明,在同等采样率的条件下,与传统的CoSaMP算法相比,所提算法在不增加算法时间复杂度的同时提高了重构质量,峰值信噪比提高了0.6~2.5dB。

关键词：压缩感知贪婪算法压缩采样匹配追踪(CoSaMP) 稀疏支撑集相似度

来源：评论

学校读者我要写书评

暂无评论

基于波浪式矩阵置换的稀疏度均衡分块压缩感知算法

引用

计算机应用 2018年第12期38卷 3541-3546页

作者：杜秀丽张薇陈波辽宁省通信网络与信息处理重点实验室(大连大学信息工程学院) 辽宁大连116622

基于矩阵置换的分块压缩感知(BCS)引入矩阵置换的策略,使复杂子块和稀疏子块向介于两者中间的稀疏度水平变化,用单一采样率采样时可以减少块效应,但仍存在块间稀疏度均衡效果较差的问题。为了得到更好的重构效果,提出基于波浪式矩阵置... 详细信息

基于矩阵置换的分块压缩感知(BCS)引入矩阵置换的策略,使复杂子块和稀疏子块向介于两者中间的稀疏度水平变化,用单一采样率采样时可以减少块效应,但仍存在块间稀疏度均衡效果较差的问题。为了得到更好的重构效果,提出基于波浪式矩阵置换的稀疏度均衡BCS(BCS-RMP)算法。首先,在采样前对图像进行矩阵置换的预处理,通过波浪式置换矩阵对图像各子块的稀疏度进行均衡;然后,采用相同的测量矩阵对子块进行采样,在解码侧进行重构;最后,通过波浪式置换逆矩阵对重构结果进行逆变换得到最终的重构图像。仿真结果表明,与现有矩阵置换算法相比,当选择合适的子块大小和采样率时,所提波浪式矩阵置换算法可有效提高图像的重构质量,且能更准确地体现细节信息。

关键词：分块压缩感知矩阵置换稀疏度测量矩阵采样率

来源：评论

学校读者我要写书评

暂无评论

基于WBF和LLR-BP相结合的LDPC译码算法

基于WBF和LLR-BP相结合的LDPC译码算法

引用

第五届中国指挥控制大会

作者：陈波李世明陈聪聪朱康特大连大学信息工程学院辽宁省通信网络与信息处理重点实验室

针对现有LDPC译码算法中的LLR-BP算法计算复杂度高、难以实现等问题,提出了基于WBF和LLR-BP相结合的LDPC译码算法。在LLR-BP算法译码迭代中引入WBF译码算法的加权翻转判据策略,使得译码误差概率大的码字翻转,减少迭代次数,加快译码算法... 详细信息

针对现有LDPC译码算法中的LLR-BP算法计算复杂度高、难以实现等问题,提出了基于WBF和LLR-BP相结合的LDPC译码算法。在LLR-BP算法译码迭代中引入WBF译码算法的加权翻转判据策略,使得译码误差概率大的码字翻转,减少迭代次数,加快译码算法的收敛速度。对该算法进行了不同码率、不同码长、不同最大迭代次数的仿真,仿真结果表明,该算法有效提高了译码速度、降低了LDPC码的译码复杂度。

关键词： LDPC码 LLR-BP算法 WBF算法

来源：评论

学校读者我要写书评

暂无评论

基于扩展合同网的协同故障诊断任务分配研究

引用

计算机应用与软件 2017年第2期34卷 280-284,294页

作者：陈波朱坤博杜秀丽王运明大连大学信息工程学院辽宁大连116622 辽宁省通信网络与信息处理重点实验室辽宁大连116622 南京理工大学江苏南京210094

任务分配作为协同故障诊断技术的重要环节,任务分配机制的优劣直接影响到诊断效率和准确性。针对现有合同网协议存在分配效率低、任务量大时易造成单节点过于忙碌等问题,提出一种基于扩展合同网的协同故障诊断任务分配机制。首先利用Has... 详细信息

任务分配作为协同故障诊断技术的重要环节,任务分配机制的优劣直接影响到诊断效率和准确性。针对现有合同网协议存在分配效率低、任务量大时易造成单节点过于忙碌等问题,提出一种基于扩展合同网的协同故障诊断任务分配机制。首先利用Hash算法建立子故障任务与对应分配路径的分配知识库,为任务分配提供动态分配经验;其次将Dijkstra算法与合同网协议相结合,通过权衡故障诊断能力与路径权值来选择"性价比"高的任务分配节点。算法仿真表明,扩展合同网任务分配算法减少了通信量、提高了分配效率。

关键词：任务分配协同故障诊断扩展合同网 Dijkstra算法

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：