检索结果-内蒙古大学图书馆

南京信息工程大学学报（自然科学版） 2023年第4期15卷 412-418页

作者：袁凯烽侯璐黄永锋常州工业职业技术学院信息工程学院常州213164 江苏理工学院计算机工程学院常州213001

脑电信号容易记录且不易伪装,基于脑电信号的情感识别越来越受到人们的关注.然而,人类情感具有多样性和个体可变性,基于脑电信号的情感识别仍是情感计算领域的难题.本文提出一种多源域领域适应字典学习和稀疏表示方法.为减少源领域和目... 详细信息

脑电信号容易记录且不易伪装,基于脑电信号的情感识别越来越受到人们的关注.然而,人类情感具有多样性和个体可变性,基于脑电信号的情感识别仍是情感计算领域的难题.本文提出一种多源域领域适应字典学习和稀疏表示方法.为减少源领域和目标领域数据分布的差异,将所有领域的数据投影到共享子空间,并在共享子空间中学习一个共有字典.根据稀疏重建的最小化类内误差和最大化类间误差准则,稀疏表示具有类别的分辨能力.另外,每个源域自适应学习领域权重,可以避免负迁移的发生.模型参数的求解通过参数交替优化方法,所有参数可同时达到最优解.DEAP数据集的实验结果显示本文方法在所有对比方法中是最优的.

关键词：脑电情感识别稀疏表示领域适应子空间字典学习

来源：评论

学校读者我要写书评

暂无评论

纤维排布对CFRP感应加热固化成型过程影响表征

引用

北京航空航天大学学报 2024年第1期50卷 198-207页

作者：付天宇杨宁古云飞许家忠蒋悦李斌常州信息职业技术学院智能装备学院常州213164 山西大同大学计算机与网络工程学院大同037009 哈尔滨理工大学机械动力工程学院哈尔滨150080 哈尔滨理工大学自动化学院哈尔滨150080 重庆市特种设备检测研究院重庆401120

在采用电磁感应加热方式实现碳纤维复合材料(CFRP)加热固化成型的过程中,如何准确表征材料各组成部分的属性参数状态对研究材料加热过程中温度、固化度及应力场分布至关重要。根据纤维实际铺层方式对材料各组成部分进行独立表征,以及碳... 详细信息

在采用电磁感应加热方式实现碳纤维复合材料(CFRP)加热固化成型的过程中,如何准确表征材料各组成部分的属性参数状态对研究材料加热过程中温度、固化度及应力场分布至关重要。根据纤维实际铺层方式对材料各组成部分进行独立表征,以及碳纤维壳体的等效电-磁-热特性建立了CFRP感应加热有限元细观分析模型,将纤维织构和树脂基体单独建立,实现CFRP在感应加热过程中其内部纤维织构中物理场的变化规律以及对材料整体升温变化规律进行系统分析。通过该模型计算了材料温度、固化度及应力场分布的变化规律,揭示了碳纤维排布对材料感应加热效果的影响,并根据感应加热实验验证了该模型可以准确表征各物理场的分布状态。为研究CFRP在感应加热中各物理场变化规律提供了有效的计算模型和分析方法。

关键词：碳纤维感应加热温度场固化度应力场

来源：评论

学校读者我要写书评

暂无评论

基于交叉注意力与语义感知的视频内容描述

引用

印刷与数字媒体技术研究 2025年第2期 213-222页

作者：张晶周凯吴文涛山西铁道职业技术学院智能控制系太原030013 太原理工大学信息与计算机学院太原030024 中国空间技术研究院西安分院西安710100

针对现有视频内容描述方法忽略对视频中活动信息的关注、对关键信息挖掘不够充分的问题,本研究提出了一种基于交叉注意力和语义感知的视频内容描述方法。首先,以视频活动为边界,利用聚类算法将视频切分为多个不同时长的视频片段,并提取... 详细信息

针对现有视频内容描述方法忽略对视频中活动信息的关注、对关键信息挖掘不够充分的问题,本研究提出了一种基于交叉注意力和语义感知的视频内容描述方法。首先,以视频活动为边界,利用聚类算法将视频切分为多个不同时长的视频片段,并提取各片段的视觉特征;然后,使用设计的语义感知模块为视频设置语义标签;最后,构建交叉模态注意力模块,加强视觉特征中关键信息的特征表示,生成描述语句,并在公开数据集上测试验证。结果表明,本研究模型在BLEU、METEOR和ROUGE-L指标上有显著的提升,相较于当前的主流视频内容描述模型,在单词匹配、语义匹配、可读性等多方面有明显的改善。

关键词：视频内容描述视频理解注意力机制多模态语义检测

来源：评论

学校读者我要写书评

暂无评论

基于拉曼光谱和CNN算法的特级初榨橄榄油的掺假量化

引用

中国油脂 2024年第5期49卷 133-137页

作者：乌文泽何凯吴东雷内蒙古交通职业技术学院内蒙古赤峰024000 太原理工大学信息与计算机学院太原030024 中国空间技术研究院西安分院西安710100

旨在为特级初榨橄榄油掺假快速定量分析提供参考,以掺假菜籽油的特级初榨橄榄油为例,采用激光拉曼光谱实验系统获取油样的拉曼光谱数据,运用基于Inception V2结构的卷积神经网络(CNN)算法提取拉曼光谱特征并完成光谱特征与掺假量的非线... 详细信息

旨在为特级初榨橄榄油掺假快速定量分析提供参考,以掺假菜籽油的特级初榨橄榄油为例,采用激光拉曼光谱实验系统获取油样的拉曼光谱数据,运用基于Inception V2结构的卷积神经网络(CNN)算法提取拉曼光谱特征并完成光谱特征与掺假量的非线性关系映射。结果表明:特级初榨橄榄油与菜籽油的拉曼光谱存在较大的差异,其中类胡萝卜素、碳碳双键、甲基和亚甲基产生的拉曼特征峰是引起差异的主要因素;所建立的CNN模型效果较好,训练集、验证集、测试集的决定系数均大于0.99,均方根误差均小于0.026;在低剂量掺假中,模型的预测结果仍具有一定的参考价值。综上,拉曼光谱结合基于Inception V2结构的CNN算法所建立的模型可以满足特级初榨橄榄油掺假量的快速检测。

关键词：特级初榨橄榄油拉曼光谱掺假量化 Inception V2结构卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

结合Pix2Pix生成对抗网络的灰度图像着色方法

引用

计算机辅助设计与图形学学报 2021年第6期33卷 929-938页

作者：李洪安郑峭雪张婧杜卓明李占利康宝生西安科技大学计算机科学与技术学院西安710054 江苏理工学院计算机工程学院常州213001 西北大学信息科学与技术学院西安710127

针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深... 详细信息

针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深层次特征的提取能力;然后使用L_(1)损失和smoothL_(1)损失度量生成图像与真实图像之间的差距,对比不同损失函数下的图像着色质量;最后加入梯度惩罚,在生成图像和真实图像分布之间构造新的数据分布,对每个输入数据进行梯度惩罚,改变判别器网络梯度限制方法,提高网络在训练过程中的稳定性.在相同实验环境下,使用Pix2Pix模型和summer2winter数据进行对比分析.实验结果表明,改进后的U-Net和使用smooth L_(1)损失作为生成器损失可以生成更好的着色图像;而L_(1)损失能更好地保持图像结构信息,使用梯度惩罚可以加速模型的收敛速度,提高模型稳定性和图像质量;该方法能更好地学习图像的深层次特征,减少图像着色模糊现象,在有效地保持图像结构相似性的同时提高图像着色质量.

关键词：图像着色生成对抗网络损失函数梯度惩罚

来源：评论

学校读者我要写书评

暂无评论

自适应权重多视角度量学习的遥感图像场景分类方法

引用

计算机辅助设计与图形学学报 2021年第5期33卷 755-764页

作者：周国华蒋晖顾晓清殷新春常州工业职业技术学院信息工程学院常州213164 常州大学计算机与人工智能学院常州213164 扬州大学信息工程学院扬州225127

遥感图像易受光照和气象条件等干扰因素的影响,且随着遥感设备分辨率的提高,遥感图像中出现了更多的地表细节的问题.为了提高遥感图像的场景分类的准确度,提出一种自适应权重多视角度量学习方法.首先使用多个视角下的数据特征学习具有... 详细信息

遥感图像易受光照和气象条件等干扰因素的影响,且随着遥感设备分辨率的提高,遥感图像中出现了更多的地表细节的问题.为了提高遥感图像的场景分类的准确度,提出一种自适应权重多视角度量学习方法.首先使用多个视角下的数据特征学习具有分辨力的度量空间,使在度量空间内同类图像紧凑,异类图像尽可能地远离;然后引入权重向量,在度量学习的过程中自适应地调节各视角间的权重关系;最后利用核技巧扩展至非线性空间,更有效地挖掘隐藏于视角间的关联和互补信息.在Google和WHU-RS遥感图像数据集上的实验结果表明,该方法具有良好的分类性能,平均分类准确率分别达到90.26%和92.62%,显著优于对比的单视角和多视角分类方法.

关键词：遥感图像场景分类自适应权重多视角学习度量学习

来源：评论

学校读者我要写书评

暂无评论

邻域信息嵌入的半监督判别字典对学习的遥感场景图像分类方法

引用

南京师大学报(自然科学版) 2022年

作者：周国华卢剑伟倪彤光胡学龙常州工业职业技术学院信息工程学院扬州大学信息工程学院常州大学计算机与人工智能学院

随着遥感成像技术的发展，雷达或卫星等地球观测仪器生成大量遥感场景图像。但在训练样本标签不充足的情况下，遥感场景图像的分类的准确率仍有待提高。本文提出了一种邻域信息嵌入的半监督判别字典对学习方法。利用标记和未标记的样本... 详细信息

随着遥感成像技术的发展，雷达或卫星等地球观测仪器生成大量遥感场景图像。但在训练样本标签不充足的情况下，遥感场景图像的分类的准确率仍有待提高。本文提出了一种邻域信息嵌入的半监督判别字典对学习方法。利用标记和未标记的样本进行综合字典和分析字典对的训练，通过最小化基于稀疏l2，1范数的重构误差项来得到稳健的字典对。对结构化分析字典施加稀疏约束，以确保编码的稀疏性。同时，基于稀疏编码的邻域结构信息建立局部边界项，使得同类近邻稀疏编码间的距离较小，而不同类近邻稀疏编码间的距离大，提高稀疏编码的判别性。在RSSCN7和UC Merced数据集上的半监督遥感场景图像分类的实验表明，本文方法在分类准确率上具有一定优势。

关键词：半监督学习图像分类遥感场景字典对学习稀疏编码

来源：评论

学校读者我要写书评

暂无评论

鲁棒多视角潜在低秩表示的图像分类方法

引用

石河子大学学报（自然科学版） 2024年第5期42卷 652-660页

作者：申燕萍韩少勇顾苏杭郇战常州工业职业技术学院信息工程学院江苏常州213164 常州大学计算机与人工智能学院江苏常州213164 郑州银行博士后科研工作站河南郑州450015 常熟理工学院电气与自动化工程学院江苏常熟215500

随着5G和网络技术的飞速发展,大量互联网图像出现在人们的视野中。互联网图像的高维和噪声特性是图像分类问题的主要挑战。为提高互联网图像的识别性和鲁棒性,本文提出了一种鲁棒多视角潜在低秩表示(robust multi-view latent low rank ... 详细信息

随着5G和网络技术的飞速发展,大量互联网图像出现在人们的视野中。互联网图像的高维和噪声特性是图像分类问题的主要挑战。为提高互联网图像的识别性和鲁棒性,本文提出了一种鲁棒多视角潜在低秩表示(robust multi-view latent low rank representation,RMLLRR)的图像分类方法。RMLLRR算法在低秩表示算法的框架上引入多视角学习的思想,根据视角互补性和一致性准则,利用多种特征得到图像全面的描述信息,最大化不同视角间的一致性和最小化视角间信息描述的分歧。RMLLRR算法使用潜在低秩表示的思想,过滤冗余特征和噪声信息,着重考虑图像主要特征信息和显著特征信息,使得模型更加鲁棒和分辨力。此外,RMLLRR算法运用ε-draggings技术学习类间大间隔的松弛标签矩阵,起到增强类别判别的作用。人脸数据集ORL、物体数据集COIL和对象识别数据集GRAZ的实验结果表明,在噪声环境下,RMLLRR算法在所有对比算法中取得了最好的分类结果,分类精度分别达到92.43%、98.95%和63.37%。

关键词：多视角学习潜在低秩表示 ε-draggings技术图像分类

来源：评论

学校读者我要写书评

暂无评论

YM_SSH:一种用于实时疲劳检测的轻量级目标检测网络

引用

无线互联科技 2023年第19期20卷 138-142,164页

作者：王彬徐俊杰赵作鹏中国矿业大学计算机科学与技术学院江苏徐州221116 江苏联合职业技术学院徐州财经分院信息技术系江苏徐州221008

文章通过轻量化手段实现了在资源受限设备上疲劳检测算法性能提升。同时,为进一步优化疲劳检测精度,本研究在YOLOv3和MobileViT模型的基础上,融入改进的SSH人脸检测网络,将大卷积核替换为若干个3×3卷积核,提出新型轻量化目标检测模... 详细信息

文章通过轻量化手段实现了在资源受限设备上疲劳检测算法性能提升。同时,为进一步优化疲劳检测精度,本研究在YOLOv3和MobileViT模型的基础上,融入改进的SSH人脸检测网络,将大卷积核替换为若干个3×3卷积核,提出新型轻量化目标检测模型YM_SSH(YOLOv3-MobileViT-SSH)。实验表明,YM_SSH相比于传统轻量级模型(如MobileNetV2-YOLOv3),模型体积缩小了约8 MB,检测精度几乎保持不变,表明YM_SSH模型参数量小,计算成本低,且能获得比其他流行的目标检测模型更高的识别精度和更强的抗干扰能力。

关键词：疲劳检测 YOLO MobileViT SSH

来源：评论

学校读者我要写书评

暂无评论

基于模糊聚类和动态权重分配的水下传感器网络智能信任评估方法

引用

水下无人系统学报 2025年第2期33卷 220-228页

作者：王照辉韩光洁杜嘉欣林川王雷大连理工大学软件学院辽宁大连116620 河海大学信息科学与工程学院江苏常州213200 浙江工业大学计算机科学与技术学院浙江杭州310023 东北大学软件学院辽宁沈阳110169

水下传感器网络(USN)在海洋环境监测等领域具有重要作用,同时面临诸多的安全挑战。信任模型虽能有效抵御内部攻击,保障网络可靠性,但现有信任评估方法大多依赖于信任特征的线性加权和阈值比较的决策方式。在水下动态环境中,水流和温度... 详细信息

水下传感器网络(USN)在海洋环境监测等领域具有重要作用,同时面临诸多的安全挑战。信任模型虽能有效抵御内部攻击,保障网络可靠性,但现有信任评估方法大多依赖于信任特征的线性加权和阈值比较的决策方式。在水下动态环境中,水流和温度等因素在时空上的不断变化,会导致节点信任特征的变化差异和信任值的整体波动,使得最优权重和合理阈值难以有效确定,影响评估的准确性与决策的可靠性。为解决这一问题,文中提出了一种基于模糊聚类和动态权重分配的智能信任评估方法。该方法首先对USN进行分层动态拓扑建模,以增强普适性;在此基础上综合计算节点的通信、能量和数据特征,以全面反映节点的状态;然后使用无监督机器学习算法模糊C均值聚类,实现自适应的节点信任决策,同时采用主客观结合策略,根据网络和环境条件为特征动态分配权重,从而实现对节点信任度的智能评估。仿真实验结果表明,该方法能够有效评估水下环境中节点的信任度,提高信任决策的可靠性,增强网络安全性。

关键词：水下传感器网络信任评估模糊聚类动态权重

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：