检索结果-内蒙古大学图书馆

地震学报 2025年第2期47卷 169-181页

作者：李奇普运伟王岩刘昱岑昆明理工大学国土资源工程学院昆明650093 昆明理工大学计算机中心昆明650500 云南省地震局昆明650224

华北地区作为内陆典型的伸展断陷区和强震活动区,在东部太平洋俯冲和西部印度大陆碰撞的双重构造作用和地下水过量开采的背景下,其垂直形变特征表现为明显的区域差异。为定量分析华北地区现今的地壳垂直形变特征,对收集整理的1406个GNS... 详细信息

华北地区作为内陆典型的伸展断陷区和强震活动区,在东部太平洋俯冲和西部印度大陆碰撞的双重构造作用和地下水过量开采的背景下,其垂直形变特征表现为明显的区域差异。为定量分析华北地区现今的地壳垂直形变特征,对收集整理的1406个GNSS站点1999—2019年长达二十年的GPS观测资料进行统一的高精度处理,获取了该地区高空间分辨率的垂向形变速度场。结果显示:华北平原、淮河平原和大别山以南区域以沉降为主,其中华北平原和淮河平原的最大沉降速率分别约为70 mm/a和50 mm/a;太行山、吕梁山、苏鲁造山带、燕山表现为隆升,隆升速率为0.1—4 mm/a;部分GNSS土层站点在山西裂谷和太行山地区的垂向形变表现为沉降,而GNSS基岩站表现为隆升,说明该地区的沉降现象可能是地下水过量开采所致,并非构造运动而引起。

关键词：华北 GNSS 垂直形变构造运动

来源：评论

学校读者我要写书评

暂无评论

基于音视频信息融合与Self-Attention-DSC-CNN6网络的鲈鱼摄食强度分类方法

引用

农业机械学报 2025年第1期56卷 16-24页

作者：李道亮李万超杜壮壮中国农业大学信息与电气工程学院北京100083 国家数字渔业创新中心北京100083 天津农学院计算机与信息工程学院天津300392

摄食强度识别分类是实现水产养殖精准投喂的重要环节。现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题。基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如:视频、声音和水质参数),为鱼群的投喂... 详细信息

摄食强度识别分类是实现水产养殖精准投喂的重要环节。现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题。基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如:视频、声音和水质参数),为鱼群的投喂提供更加全面精准的决策依据。因此,提出了一种融合视频和音频数据的多模态融合框架,旨在提升鲈鱼摄食强度分类性能。将预处理后的Mel频谱图(Mel Spectrogram)和视频帧图像分别输入到Self-Attention-DSC-CNN6(Self-attention-depthwise separable convolution-CNN6)优化模型进行高层次的特征提取,并将提取的特征进一步拼接融合,最后将拼接后的特征经分类器分类。针对Self-Attention-DSC-CNN6优化模型,基于CNN6算法进行了改进,将传统卷积层替换为深度可分离卷积(Depthwise separable convolution,DSC)来达到减少计算复杂度的效果,并引入Self-Attention注意力机制以增强特征提取能力。实验结果显示,本文所提出的多模态融合框架鲈鱼摄食强度分类准确率达到90.24%,模型可以有效利用不同数据源信息,提升了对复杂环境中鱼群行为的理解,增强了模型决策能力,确保了投喂策略的及时性与准确性,从而有效减少了饲料浪费。

关键词：鲈鱼摄食强度分类多模态融合 Self-Attention-DSC-CNN6

来源：评论

学校读者我要写书评

暂无评论

融入夸张表征的中文反讽识别方法

引用

数据分析与知识发现 2025年第2期9卷 1-11页

作者：李书羽朱广丽李嘉伟段文杰周若彤张顺香安徽理工大学计算机科学与工程学院淮南232001 淮南师范学院计算机学院淮南232038 合肥综合性国家科学中心人工智能研究院合肥230088

【目的】为解决中文反讽短文本中存在的特征稀疏问题,提出一种融入夸张表征的中文反讽识别方法,挖掘短文本中的夸张表征以提升中文反讽识别准确率。【方法】通过点互信息和语义相似度计算分别获取与反讽领域相关的共现词对集、感叹词集... 详细信息

【目的】为解决中文反讽短文本中存在的特征稀疏问题,提出一种融入夸张表征的中文反讽识别方法,挖掘短文本中的夸张表征以提升中文反讽识别准确率。【方法】通过点互信息和语义相似度计算分别获取与反讽领域相关的共现词对集、感叹词集与程度副词集,合并上述词集构建夸张表征词典;然后,通过正则表达式匹配反讽文本得到特殊标点符号序列并经独热编码获得特殊标点符号特征,采用RoBERTa-wwm-ext模型获取文本语义特征,利用WoBERT模型将夸张表征词典内的词及词对转化为动态词向量,获取夸张表征;最后,改进多头注意力机制,同时关注文本语义特征、夸张表征以及特殊标点符号特征,经Softmax函数得到识别结果。【结果】将公开的Ciron和ChineseSarcasm-Corpus数据集合并后进行实验,本文方法准确率达81.49%,F1值达81.24%。【局限】构建的夸张表征词典依赖语料质量,泛化能力有限。【结论】本文方法通过挖掘中文反讽短文本中存在的夸张表征,结合文本语义信息,能有效丰富文本语义表示,提升中文反讽识别的准确率。

关键词：中文反讽领域词典夸张表征 RoBERTa-wwm-ext 多头注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于自适应双层无迹卡尔曼滤波神经网络的铝电解电流效率预测模型

引用

控制理论与应用 2025年第3期42卷 579-589页

作者：方小燕姚立忠罗海军张玉泽易军重庆科技大学电子与电气工程学院重庆401331 重庆师范大学物理与电子工程学院重庆401331 重庆国家应用数学中心重庆401331 重庆科技大学计算机科学与工程学院重庆401331

针对铝电解过程强干扰和强时变导致模型精确度和稳定性不佳的难题,本文提出一种基于自适应双层无迹卡尔曼滤波神经网络的建模方法.该方法首先构建一种双层无迹卡尔曼滤波神经网络模型,以提高模型对扰动系统的稳定性.具体为:使用双层无... 详细信息

针对铝电解过程强干扰和强时变导致模型精确度和稳定性不佳的难题,本文提出一种基于自适应双层无迹卡尔曼滤波神经网络的建模方法.该方法首先构建一种双层无迹卡尔曼滤波神经网络模型,以提高模型对扰动系统的稳定性.具体为:使用双层无迹卡尔曼滤波在线更新神经网络的权值和阈值;然后,在双层无迹卡尔曼滤波神经网络的状态变量均方误差中引入约束调节参数;同时,采用梯度下降法自适应调整比例调节参数,将其均方误差约束至较小的范围内,以此来削弱滤波递归计算过程中误差累积对模型的影响;最后,通过铝电解电流效率预测,验证了本文所提方法具有较高的精确度和稳定性.

关键词：铝电解自适应建模双层无迹卡尔曼滤波人工神经网络电流效率

来源：评论

学校读者我要写书评

暂无评论

连续谱中束缚态与法诺共振的耦合及调控

引用

光学学报 2025年第3期45卷 254-260页

作者：方奇方云团郑改革南京信息工程大学物理与光电工程学院江苏省大气环境与装备技术协同创新中心江苏大学计算机科学与通信工程学院

为了克服对连续谱中束缚态（BIC）实现动态调制的困难，设计了一种光栅与波导复合的3层结构模型，该结构具备3种独立的调控自由度：空气槽的宽度和高度，以及上下结构层的相对平移。利用周期结构的能带理论和模式分析，结合传输谱的计... 详细信息

为了克服对连续谱中束缚态（BIC）实现动态调制的困难，设计了一种光栅与波导复合的3层结构模型，该结构具备3种独立的调控自由度：空气槽的宽度和高度，以及上下结构层的相对平移。利用周期结构的能带理论和模式分析，结合传输谱的计算，得到复合结构的模式特征和传输属性。结构同时产生BIC和法诺共振，通过上下结构层的相对平移，实现了对连续谱中束缚态以及法诺共振频率位置和谱线形状连续动态的调控。通过调控实现了准BIC共振峰和法诺共振峰的合并，准BIC共振峰和法诺共振峰的合并可产生特殊的双重光子态。该研究为BIC和法诺共振的控制提供了方向，并为相关光子器件的设计打下基础。

关键词：光栅连续谱中束缚态法诺共振品质因子

来源：评论

学校读者我要写书评

暂无评论

基于光谱-纹理特征的辣椒早疫病潜育期高光谱图像检测识别

引用

生物化学与生物物理进展 2025年第1期52卷 233-243页

作者：沈梦姣鲍浩张艳贵阳学院计算机科学学院农产品无损检测中心贵阳550005 贵州大学大数据与信息工程学院贵阳550025

目的早疫病是茄科作物生长过程中的一种常见破坏性病害,严重时会导致作物欠收而损失严重,传统的作物病害检测方法难以在病害潜育期及时发现病害特征从而采取科学有效的防治措施。本文通过高光谱成像仪连续监测从而获得不同感染期辣椒早... 详细信息

目的早疫病是茄科作物生长过程中的一种常见破坏性病害,严重时会导致作物欠收而损失严重,传统的作物病害检测方法难以在病害潜育期及时发现病害特征从而采取科学有效的防治措施。本文通过高光谱成像仪连续监测从而获得不同感染期辣椒早疫病的高光谱图像,利用光谱角余弦-相关系数和切比雪夫距离确定了辣椒早疫病潜育期最早可识别时间(本实验潜育期最早可识别时间为接种后24h)。方法以辣椒早疫病潜育期病状作为研究对象,采用遗传算法筛选出13个特征波长,经特征波长优化组合并结合逻辑回归模型建立基于光谱特征的作物病害潜育期病状识别模型。同时,利用局部二值模式建立基于图像纹理特征的辣椒早疫病潜育期识别模型。结果实验以120个样本进行测试,基于光谱特征的作物病害潜育期病状检测识别模型在训练集和测试集的准确率均达到93%以上,基于纹理特征的作物病害潜育期病状检测识别模型在训练集和测试集的准确率分别达到了98.96%和100%。结论利用光谱特征或者纹理特征均可实现作物病害潜育期病状的检测识别,纹理特征相比光谱特征更显著地揭示了病害潜育期特征,有效提升了模型检测性能。本文研究成果可为其他作物病害潜育期病状的监测识别提供理论参考。

关键词：高光谱图像辣椒早疫病潜育期图谱特征检测识别

来源：评论

学校读者我要写书评

暂无评论

番茄早疫病高光谱图像早期判别及可视化研究

引用

生物化学与生物物理进展 2025年第2期52卷 513-524页

作者：鲍浩黄莉张艳庞浩贵阳学院计算机科学学院农产品无损检测工程研究中心贵阳550005 贵州大学大数据与信息工程学院贵阳550025

目的番茄是世界范围内产量高、种植面积广的经济作物之一,具有较高的经济效益。番茄早疫病感染速度快、传播范围广、破坏性强,导致番茄减产减收带来严重的经济损失。番茄早疫病早期病状的判别可以为病害的科学防治提供参考,实现病害区... 详细信息

目的番茄是世界范围内产量高、种植面积广的经济作物之一,具有较高的经济效益。番茄早疫病感染速度快、传播范围广、破坏性强,导致番茄减产减收带来严重的经济损失。番茄早疫病早期病状的判别可以为病害的科学防治提供参考,实现病害区域的可视化定位,精准指导病害防治。本文使用高光谱图像结合机器学习算法建立了番茄早疫病早期病状的判别模型,实现了番茄早疫病早期判别和病害区域的可视化定位。方法针对高光谱图像的噪声干扰,利用鲁棒主成分分析(RPCA)实现高光谱图像的去噪处理;为了避免主观选择感兴趣区域造成信息表征不足的问题,使用最大类间方差法(OTSU)算法从背景中有效提取了番茄叶片,并以整个番茄叶片的平均光谱作为研究对象,结合多元散射校正(MSC)算法以及标准化建立了光谱预处理的综合方法;针对预处理后的光谱,为了提高模型的判别能力,建立了基于特征波长和线性核函数SVM的番茄早疫病早期判别模型。结果较全光谱波长建模在测试集上的准确率提高8.33%;对SVM模型的参数进行优化,当参数C=1.64时,训练集和测试集上准确率分别达到了91.67%和94.44%,较参数优化前的模型在训练集上的准确率提高了1.19%,而测试集准确率保持不变,有效缓解了模型欠拟合问题。结论本文建立了番茄早疫病高光谱图像早期判别模型并实现了早期病状的可视化定位,基于特征波长和线性核函数SVM的判别模型可以有效判别番茄早疫病病害的早期病状;利用患病概率的形式对番茄早疫病早期病状进行可视化定位,可视化分析更直观地发现早期病害并采取防治措施。本研究为植物病害早期病状的判别和可视化研究提供了参考,对作物病害的监测识别和科学防治具有重要意义。

关键词：高光谱成像机器学习遗传算法番茄早疫病早期病状可视化

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和联合特征提取的人脸活体检测及决策融合攻击类型检测算法

引用

现代电子技术 2025年第5期48卷 91-100页

作者：王彤张高原丁邦杰杨金柱张立立东北大学计算机科学与工程学院国家级计算机实验教学示范中心辽宁沈阳110819

生物特征识别技术越来越多地应用于身份认证,随之不断出现伪造合法用户信息的欺骗手段,人脸识别系统容易受到欺骗攻击,严重威胁了系统的安全性。为了提高生物特征识别系统的安全性,文中提出一种基于深度学习和联合特征提取的人脸活体检... 详细信息

生物特征识别技术越来越多地应用于身份认证,随之不断出现伪造合法用户信息的欺骗手段,人脸识别系统容易受到欺骗攻击,严重威胁了系统的安全性。为了提高生物特征识别系统的安全性,文中提出一种基于深度学习和联合特征提取的人脸活体检测及决策融合攻击类型检测算法。基于改进的AlexNet模型,有效降低了训练过程中的过拟合等问题,显著降低了模型训练时间;采取手工特征和深度学习相结合的模式判断非活体攻击类型,手工特征提取采取LBP结合多层DCT变换的联合特征提取,深度学习特征采取四层CNN网络的全局图像特征提取;在攻击类型判别上,提取待测样本的局部和全局特征进行初步判定,再通过决策融合将两个SVM分类器的输出结果以加权方式进行整合。算法在公开的CASIA数据集和NUAA数据集上进行验证,实验结果表明,融合不用的信息可以获得更高的准确率,降低了计算的复杂度,提高了算法的效率。

关键词：深度学习联合特征提取人脸活体检测 AlexNet LBP DCT

来源：评论

学校读者我要写书评

暂无评论

面向工业场景的无人机时空众包资源分配

引用

工程科学学报 2025年第1期47卷 91-100页

作者：刘娅汐李旭龙霍佳皓皇甫伟北京科技大学计算机与通信工程学院北京100083 北京市融合网络与泛在业务工程技术研究中心北京100083

无人机时空众包资源分配是工业物联网能源管理中的重要任务之一.尽管现有方法考虑了联合反映时间敏感性和公平性的信息新鲜度指标,但忽略了无人机禁飞区和窃听者对数据新鲜度的影响.本文提出了一种基于深度强化学习的无人机时空众包资... 详细信息

无人机时空众包资源分配是工业物联网能源管理中的重要任务之一.尽管现有方法考虑了联合反映时间敏感性和公平性的信息新鲜度指标,但忽略了无人机禁飞区和窃听者对数据新鲜度的影响.本文提出了一种基于深度强化学习的无人机时空众包资源分配方法,在考虑无人机禁飞区约束和对窃听者发送干扰信号以保障数据安全的情况下,最小化平均信息新鲜度和物联网设备能耗,从而得到最优无人机轨迹、发射干扰信号功率和物联网发射功率.然而,无人机时空众包中的资源分配复杂且存在挑战,主要表现为决策变量类型多且与考虑服务质量要求的系统性能指标关系复杂.本文将该问题建模为马尔可夫决策过程并使用先进的深度强化学习算法求解该问题,即软演员–评论家(SAC)算法.在多无人机场景下验证了所提出算法在解决无人机时空众包资源分配任务中的有效性和正确性.另外,SAC算法相较于其他两种先进的深度强化学习算法,即深度确定性策略梯度算法和双延迟深度确定性策略梯度算法,具有更快的收敛速度和更优的解.最后,分析了最优无人机数目的选择方案.

关键词：无人机工业能源管理时空众包资源分配深度强化学习

来源：评论

学校读者我要写书评

暂无评论

时空图神经网络在物联网中的应用综述

引用

计算机工程与应用 2025年第5期61卷 43-54页

作者：张建伟陈旭王叔洋景永俊宋吉飞北方民族大学计算机科学与工程学院银川750030 北方民族大学电气信息工程学院银川750030 国家新型互联网交换中心宁夏中卫755001

随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网... 详细信息

随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网中的拓扑结构和时间信息进行建模,并在物联网预测任务中展现出优秀性能。介绍了物联网中的时间相关性和空间相关性,以及不同时空网络架构的构建方法,并基于空间相关性的不同,将时空图神经网络分为时空图卷积网络和时空图注意力网络。进一步分析了时空图卷积网络和时空图注意力网络在物联网中的应用,主要包括交通、环境和能源领域。最后,探讨了时空图神经网络在物联网应用中面临的挑战和未来的研究方向。

关键词：物联网深度学习时空图神经网络图结构数据

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：