检索结果-内蒙古大学图书馆

计算机研究与发展 2025年第3期62卷 709-719页

作者：王晶晶王延昊姜文君曾一夫祝团飞长沙学院计算机科学与工程学院长沙410022 华东师范大学数据科学与工程学院上海200062 湖南大学信息科学与工程学院长沙410082

图数据中包含丰富的时间信息,其拓扑结构随时间动态演变,通常建模为时序图流.时序图流由一组节点和一系列带时间戳的有向边组成,节点、时序边随时间动态增加.其中时序子图是由传统子图模式推广而来,不仅考虑拓扑结构,同时将时序边的顺... 详细信息

图数据中包含丰富的时间信息,其拓扑结构随时间动态演变,通常建模为时序图流.时序图流由一组节点和一系列带时间戳的有向边组成,节点、时序边随时间动态增加.其中时序子图是由传统子图模式推广而来,不仅考虑拓扑结构,同时将时序边的顺序和持续时间纳入考量.在时序图流中计算时序子图的出现次数是时序图研究中的一个基础问题.然而,传统流式子图计数方法不支持时序匹配,仅适用于不包含时间信息的简单无向图或有向图;并且,现有时序子图计数算法在不断产生新数据的时序图流场景下效率不高.因此,对时序图流上时序子图近似计数问题进行了研究,提出了基于蓄水池采样的流式边采样(streaming edge sampling, SES)算法,并从期望、方差、时间复杂度3个方面对SES算法进行了理论分析.最后,在4个真实数据集上进行了大量实验.实验结果表明,与基线方法相比,SES虽然返回的计数相对误差略大,但计算效率取得了最高3个数量级的大幅提升.

关键词：时序子图子图计数时序图流随机采样图算法

来源：评论

学校读者我要写书评

暂无评论

卫星物联网容量增强的波束优化设计技术研究

引用

电子与信息学报 2025年第1期47卷 93-101页

作者：刘子威徐圆圆边东明张更新南京邮电大学通信与信息工程学院南京210003 陆军工程大学通信工程学院南京210007

卫星物联网终端低功耗、轻控制的设计需求导致系统采用常规随机接入协议时易发生大量碰撞,难以满足系统吞吐量要求。现有容碰撞随机接入技术依赖功率控制、波形积累的方式,在实际中难以实现。该文分析了功率域碰撞分离所需条件,提出面... 详细信息

卫星物联网终端低功耗、轻控制的设计需求导致系统采用常规随机接入协议时易发生大量碰撞,难以满足系统吞吐量要求。现有容碰撞随机接入技术依赖功率控制、波形积累的方式,在实际中难以实现。该文分析了功率域碰撞分离所需条件,提出面向功率域信号分离的辅助波束设计方案,在常规接收波束外增设辅助接收波束,通过优化辅助波束增益构造接收信号信噪比差异,支撑碰撞信号分离。仿真表明,所提方案能够显著提升随机接入的吞吐量。

关键词：卫星物联网随机接入信号分离波束形成

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v8n网络的番茄成熟度实时检测算法

引用

农业机械学报 2025年第3期56卷 374-382,450页

作者：任晶秋万恩晗单蜜张光华卢为党东北石油大学电气信息工程学院大庆163318 浙江工业大学信息工程学院杭州310014

为应对番茄采摘面临的果农老龄化、劳动力短缺和人工成本上涨等挑战,解决在复杂果园环境下番茄采摘机器人视觉系统成熟度检测精度低和实例分割不准确等问题,本文提出一种基于改进YOLO v8n网络的番茄成熟度实时检测算法。首先,通过在YOLO... 详细信息

为应对番茄采摘面临的果农老龄化、劳动力短缺和人工成本上涨等挑战,解决在复杂果园环境下番茄采摘机器人视觉系统成熟度检测精度低和实例分割不准确等问题,本文提出一种基于改进YOLO v8n网络的番茄成熟度实时检测算法。首先,通过在YOLO v8n网络中引入通道嵌入位置注意力模块和改进大核卷积块注意力模块,能够在浅层网络保留番茄目标位置信息,建立目标区域之间的长距离依赖关系,从而增加YOLO v8n网络对显著番茄特征的关注。然后,在LaboroTomato数据集上进行了对比实验,改进YOLO v8n相较于原YOLO v8n网络,检测和分割的mAP@50和mAP@50-95分别提高0.4、1.4个百分点和0.3、1.2个百分点。最后,实现了改进YOLO v8n网络在低成本、低算力和低功耗的Jetson Nano平台上的轻量化部署,模型内存占用量由满溢减少到2.4 GB,推理速度加倍。该研究可为番茄采摘机器人在复杂场景下实时、准确检测番茄成熟度提供技术支撑。

关键词：番茄成熟度目标检测 YOLO v8n 注意力模块轻量化 Jetson Nano

来源：评论

学校读者我要写书评

暂无评论

面向动态数据的联合自表示子空间聚类方法

引用

模式识别与人工智能 2025年第1期38卷 68-81页

作者：张汉涛赵杰煜叶绪伦宁波大学信息科学与工程学院宁波315211

自表示子空间聚类方法在高维数据处理中表现优秀,已成为该领域的关键技术之一.然而,传统的自表示模型通常假设数据集是静态的,难以适应动态、连续到达的数据流,会导致新旧数据存在特征异构、新到样本可能包含未知新类别等情况.因此,文... 详细信息

自表示子空间聚类方法在高维数据处理中表现优秀,已成为该领域的关键技术之一.然而,传统的自表示模型通常假设数据集是静态的,难以适应动态、连续到达的数据流,会导致新旧数据存在特征异构、新到样本可能包含未知新类别等情况.因此,文中提出联合自表示子空间聚类方法(Joint Self-Expressive Subspace Clustering Method,JSSC),可适应数据流的连续到达.JSSC结合联合自表示特征学习模块和新类别样本处理模块,有效聚类新类别样本,同时确保已有类别的聚类性能不受影响.此外,该方法利用深度自动编码器学习子空间基,实现直观、可解释的表示,并通过成对目标和正则化项,同时管理已知类别和新兴类别.基准数据集上的实验表明,JSSC在聚类任务中表现较优,尤其是在处理动态数据中的新类别方面.

关键词：子空间聚类自表示学习子空间基动态数据

来源：评论

学校读者我要写书评

暂无评论

基于改进A^(*)算法的水空两栖机器人多目标路径规划

引用

农业工程学报 2025年第6期41卷 62-70页

作者：沈跃孙浩沈亚运郭奕刘慧江苏大学电气信息工程学院镇江212013

实现水空两栖机器人安全、高效进行多目标点跨塘水质检测作业,减少传统水质检测模式时间及经济成本,合理的路径规划十分重要。针对传统A^(*)算法路径曲折、搜索效率低、无法考虑多栖机器人约束特性等问题,该研究提出一种改进A^(*)的水... 详细信息

实现水空两栖机器人安全、高效进行多目标点跨塘水质检测作业,减少传统水质检测模式时间及经济成本,合理的路径规划十分重要。针对传统A^(*)算法路径曲折、搜索效率低、无法考虑多栖机器人约束特性等问题,该研究提出一种改进A^(*)的水空两栖机器人路径规划算法。首先采集障碍物分布情况和高度信息,建立多水域2.5维栅格地图;其次在A^(*)算法评价函数中加入能耗、时间及安全代价,通过调节不同权重获取相应初始路径;然后通过动态分配权重改进启发式函数,加快搜索效率,并利用目标成本函数对所有目标进行优先级判定,实现多目标路径规划;最后通过增加空中模态切换点、删除冗余点及采用B样条曲线优化路径,生成可连接多水域多水质检测点的三维平滑轨迹。仿真试验结果表明:与传统A^(*)算法和陆空A^(*)算法相比,改进A^(*)算法迭代次数分别减少70.04%与68.07%,路径长度分别减少35.44%与7.6%,总转角分别减小83.63%与8.65%,危险节点数分别减少80.67%与33.33%。真实水域试验表明:改进A^(*)算法的迭代次数比传统A^(*)算法和陆空A^(*)算法减少84.89%与83.78%,路径长度分别减少12%与0.6%,总转角分别减小73.21%与22.1%,危险节点数分别减少84.62%与80%,可规划出通过多个目标点的安全、平滑路径,有效提高水质检测效率,为多栖机器人自主导航提供参考。

关键词：多目标路径规划水空两栖机器人 A^(*)算法轨迹优化

来源：评论

学校读者我要写书评

暂无评论

自适应不完备多视角聚类

引用

北京航空航天大学学报 2025年第4期51卷 1059-1073页

作者：陈梅马学艳张弛张锦宏钱罗雄兰州交通大学电子与信息工程学院兰州730070

高质量的完备初始图能够有效提高不完备多视角聚类的性能,缺失值填充不恰当会导致初始图丢失数据潜在的结构,同时,各视角的仿射图融合不完全会造成学习到的一致表征缺失视角间的互补信息。为此,提出自适应不完备多视角聚类(AIM)模型。... 详细信息

高质量的完备初始图能够有效提高不完备多视角聚类的性能,缺失值填充不恰当会导致初始图丢失数据潜在的结构,同时,各视角的仿射图融合不完全会造成学习到的一致表征缺失视角间的互补信息。为此,提出自适应不完备多视角聚类(AIM)模型。在初始图构建中,AIM模型采用有效视角的相似度均值来填充对应位置的缺失值,以获取数据更加完整的潜在结构,同时引入稀疏约束来提高模型对噪声的鲁棒性;在图优化过程中,引入低秩约束捕获数据的全局结构,通过谱约束增强类内数据间的紧密性,使仿射图具有更清晰的块对角结构,并引入一致性约束最小化各视角的仿射图与一致表征之间的差异来捕获视角间的互补信息,得到具有高鉴别特征的一致鲁棒表征图。与9种不完备多视角聚类方法在真实和多种缺失率下仿真的不完备多视角数据集中进行实验对比,结果表明:AIM模型均获得了最好的聚类性能。

关键词：自适应构图低秩表示图融合图算法不完备多视角聚类

来源：评论

学校读者我要写书评

暂无评论

基于低密度分数的密度峰值聚类算法

引用

控制与决策 2025年第5期40卷 1599-1609页

作者：陈梅尤远毓秀魏礼磊唐晟洲兰州交通大学电子与信息工程学院

密度峰值聚类算法(DPC)可识别出任意形状的簇,但是对于存在多密度峰值的簇,DPC可能会识别出多个簇中心点,导致簇划分错误.鉴于此,提出一种基于低密度分数的密度峰值聚类算法(LS-DPC).该算法首先使用低密度分数放大数据点的密度差异,缩... 详细信息

密度峰值聚类算法(DPC)可识别出任意形状的簇,但是对于存在多密度峰值的簇,DPC可能会识别出多个簇中心点,导致簇划分错误.鉴于此,提出一种基于低密度分数的密度峰值聚类算法(LS-DPC).该算法首先使用低密度分数放大数据点的密度差异,缩小整体密度差异大的相邻区域的密度差异,使得单个簇内所有区域的密度分布均重构为单峰密度分布;然后,根据低密度分数自动获得子簇中心点;接着,得到子簇后,根据密度相交条件对子簇进行融合,完成聚类;最后,将所提出LS-DPC算法与k-Means、SC、DPC、DN、Extreme以及ICKDP算法进行对比,实验结果表明所提出算法在复杂数据集和UCI数据集上的表现优于对比算法.

关键词：聚类密度峰值多密度峰值簇低密度分数子簇融合

来源：评论

学校读者我要写书评

暂无评论

基于TV-KF的矿浆液位电阻抗成像方法研究

引用

仪器仪表学报 2025年第2期46卷 141-151页

作者：李曦婷高云鹏谢琴杨唐胜王俊霖湖南大学电气与信息工程学院长沙410082

针对浮选过程矿浆液位难以准确检测、可视化程度低、现有电阻抗成像算法过于平滑的问题,提出了全变差正则化与卡尔曼滤波相结合的混合TV-KF矿浆液位电阻抗成像方法。首先,构建浮选矿浆液位测量场域模型获取场域边界电压,建立基于全变差... 详细信息

针对浮选过程矿浆液位难以准确检测、可视化程度低、现有电阻抗成像算法过于平滑的问题,提出了全变差正则化与卡尔曼滤波相结合的混合TV-KF矿浆液位电阻抗成像方法。首先,构建浮选矿浆液位测量场域模型获取场域边界电压,建立基于全变差正则化的浮选过程误差函数计算矿浆液位初始电导率值;其次,基于全变差正则化算法计算电导率值作为卡尔曼滤波算法预测方程的先验信息,利用不同时刻的测量电压值对卡尔曼滤波算法的更新方程和预测方程进行迭代;最后,基于提出的TV-KF电阻抗成像算法求解矿浆液位电导率分布,获得准确的矿浆液位检测结果。仿真和实测结果表明:所提算法重建的矿浆与泡沫分界面清晰度更高、边缘特性更好,获取的矿浆液位信息全面准确,在不同矿浆液位仿真模型中PCC均达到85%以上,相比其他重建算法IRE值更低、重建效果更优;现场实验平台矿浆液位实测最大误差<2.4 cm,满足浮选工业现场液位准确检测需求;相较已有方法具有更强的泡沫层信息可视化能力及浆料适用性、对泡沫波动变化有更高的灵敏度,可持续稳定测量矿浆液位,对当前浮选现场有良好应用价值。

关键词：浮选过程电阻抗成像全变差正则化卡尔曼滤波液位检测

来源：评论

学校读者我要写书评

暂无评论

弱电网下电网阻抗与PLL耦合效应对并网MMC系统稳定性的影响分析

引用

电工技术学报 2025年第4期40卷 1236-1253页

作者：吴向阳何梨梨李杨帅智康湖南大学电气与信息工程学院长沙410082

在弱电网条件下,电网阻抗与锁相环(PLL)耦合效应会引起并网模块化多电平换流器(MMC)系统失稳,对电力系统的安全运行产生威胁。该文提出结合系统等效环路增益零极点和频域特性的稳定性分析方法,揭示弱电网下并网MMC系统失稳的根本原因。... 详细信息

在弱电网条件下,电网阻抗与锁相环(PLL)耦合效应会引起并网模块化多电平换流器(MMC)系统失稳,对电力系统的安全运行产生威胁。该文提出结合系统等效环路增益零极点和频域特性的稳定性分析方法,揭示弱电网下并网MMC系统失稳的根本原因。首先,构建包含MMC内部动态特性的等效环路增益模型,该模型刻画了电网阻抗与PLL耦合效应和复杂控制系统之间的交互作用。其次,提出结合系统等效环路增益零极点和频域特性的稳定性分析方法,分析结果表明,电网阻抗与PLL耦合效应在系统等效环路增益中引入右半平面极点,这将破坏系统的稳定性;通过增加基频电流控制的增益可以缓解这种潜在的失稳问题,但要彻底消除电网阻抗与PLL耦合效应引起的失稳问题,需要设计相应的环路补偿方案。最后,实验结果验证了理论分析的正确性以及消除电网阻抗与PLL耦合效应从而改善并网MMC系统稳定性方法的有效性。

关键词：弱电网模块化多电平换流器(MMC) 电网阻抗锁相环(PLL) 耦合效应稳定性

来源：评论

学校读者我要写书评

暂无评论

基于IDANN的跨工况齿轮箱故障诊断

引用

振动与冲击 2025年第9期44卷 282-289页

作者：赵玲邹杰秦佳继王航重庆交通大学信息科学与工程学院

迁移学习的方法在解决齿轮箱无监督故障诊断问题上取得了极大的进展。然而，由于齿轮箱数据分布差异、噪声和干扰以及模型的局限性影响，大多方法在面对复杂的齿轮箱数据集迁移效果不佳，同时对于网络输入的可解释性研究仍然很少。提出... 详细信息

迁移学习的方法在解决齿轮箱无监督故障诊断问题上取得了极大的进展。然而，由于齿轮箱数据分布差异、噪声和干扰以及模型的局限性影响，大多方法在面对复杂的齿轮箱数据集迁移效果不佳，同时对于网络输入的可解释性研究仍然很少。提出了一种改进的域对抗网络(improve domain-adversarial neural network, IDANN)。首先，使用改进的时频网络作为特征提取器，在信号输入网络的时候提供可解释性和降噪功能；然后，在域对抗网络中添加目标域的类级对齐方法，使用两个分类器来检测靠近决策边界的目标样本，以增强迁移性能。在东南大学齿轮箱和跨座式单轨齿轮箱数据集上验证了IDANN的有效性和可靠性，并在凯斯西储大学轴承数据集上测试IDANN在噪声条件下的性能，试验证明IDANN具有优秀的诊断性能和鲁棒性。

关键词：迁移学习可解释网络跨工况故障诊断

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：