检索结果-内蒙古大学图书馆

机器人 2025年

作者：方宝富谢艺王浩袁晓辉合肥工业大学计算机与信息学院大数据知识工程教育部重点实验室(合肥工业大学) 北德克萨斯州大学计算机系

目前室外半静态环境下的地图更新算法普遍存在速度较慢，无法实时运行的问题。为此，本文提出一种基于快速会话对齐的地图更新方法，目的是提高会话对齐的速度，保证地图与环境的一致性。首先引入高斯曲率稀疏化点云以减小点云规模，并... 详细信息

目前室外半静态环境下的地图更新算法普遍存在速度较慢，无法实时运行的问题。为此，本文提出一种基于快速会话对齐的地图更新方法，目的是提高会话对齐的速度，保证地图与环境的一致性。首先引入高斯曲率稀疏化点云以减小点云规模，并进行体素化点云配准，将获取的约束用于构造因子图；然后，引入历史约束实现局部会话的因子图修补，解决因回环检测和点云配准失效导致的因子图构造失败问题；最后，通过因子图优化实现会话对齐，并基于对齐的会话进行地图更新。本文在MulRan数据集和LT-ParkingLot数据集上评估了该方法，其会话对齐速度达到了13 Hz，相较于原方法速度提升了80%，可实现在工厂等经典半静态场景下实时对齐会话，并通过实验证明了本文方法在地图更新方面的有效性。

关键词：地图更新长期SLAM 会话对齐点云配准因子图修补

来源：评论

学校读者我要写书评

暂无评论

水稻冠层叶瘟病与缺氮的高光谱识别

引用

云南农业大学学报(自然科学版) 2025年第1期40卷 167-175页

作者：袁建清仇逊超高睿苏中滨哈尔滨金融学院计算机系黑龙江哈尔滨150030 东北农业大学电气与信息学院黑龙江哈尔滨150030

【目的】利用水稻大田近地冠层高光谱数据,实现在冠层尺度上对叶瘟病与缺氮水稻的早期识别。【方法】基于氮胁迫梯度试验和大田自然发病,采用室外高光谱成像系统采集缺氮水稻和自然发病水稻的大田近地冠层图像,提取并分析中度感病、轻... 详细信息

【目的】利用水稻大田近地冠层高光谱数据,实现在冠层尺度上对叶瘟病与缺氮水稻的早期识别。【方法】基于氮胁迫梯度试验和大田自然发病,采用室外高光谱成像系统采集缺氮水稻和自然发病水稻的大田近地冠层图像,提取并分析中度感病、轻度感病、缺氮和健康水稻冠层的反射率光谱特征。针对预处理后的高光谱数据,采用主成分分析(principal component analysis,PCA)、植被指数(vegetation index,VI)和竞争性自适应重加权法(competitive adaptive reweighted sampling,CARS)3种方法提取特征变量,并结合线性判别分析(linear discriminant analysis,LDA)与支持向量机(support vector machine,SVM)分类算法,构建水稻冠层叶瘟病与缺氮的早期识别模型。【结果】单独使用PCA降维方法提取特征构建的模型无显著的分类效果;基于VI的模型相比全谱模型在区分效果上有所提升,但提升幅度不大;采用CARS提取特征波长所构建的模型显示出最佳的区分效果。进一步对提取的CARS特征进行PCA降维后,获得5个主成分特征用于建模,其SVM和LDA模型的总体分类精度分别为95.51%和96.15%,Kappa系数分别为0.91和0.92,表现出较高的分类一致性。【结论】本研究通过选用较少的特征变量,成功实现了水稻冠层叶瘟病与缺氮的有效识别,为水稻病害与养分胁迫的遥感监测提供了新的思路和理论依据。研究成果可为大规模水稻病虫害监测与精准施药提供支持,在精准农业领域具有重要的应用价值。

关键词：高光谱成像水稻叶瘟病竞争性自适应重加权法(CARS) 支持向量机(SVM) 线性判别分析(LDA)

来源：评论

学校读者我要写书评

暂无评论

高光谱成像的水稻冠层穗颈瘟早期识别

引用

西南大学学报（自然科学版） 2023年第6期45卷 57-65页

作者：袁建清仇逊超贾银江南洋苏中滨哈尔滨金融学院计算机系哈尔滨150030 东北农业大学电气与信息学院哈尔滨150030

为实现田间水稻冠层穗颈瘟的早期识别,利用室外高光谱成像系统采集早期自然发病大田的水稻冠层穗颈瘟图像,提取、分析反射率光谱特征.对预处理后的高光谱数据,采用主成分分析(Principal Component Analysis,PCA)、植被指数(Vegetation I... 详细信息

为实现田间水稻冠层穗颈瘟的早期识别,利用室外高光谱成像系统采集早期自然发病大田的水稻冠层穗颈瘟图像,提取、分析反射率光谱特征.对预处理后的高光谱数据,采用主成分分析(Principal Component Analysis,PCA)、植被指数(Vegetation Index,VI)和竞争性自适应重加权法(Competitive Adaptive Reweighted Sampling,CARS)3种方法提取特征变量,结合支持向量机(Support Vector Machine,SVM)和线性判别分析(Linear Discriminant Analysis,LDA)分类算法构建识别模型.结果显示:以CARS特征波长和植被指数构建的模型,从分类结果看都取得了不错的效果,但是特征波长数量较多,可能存在过拟合的风险;单独使用PCA获得的主成分构建水稻冠层识别模型,没有明显效果.为此,研究尝试对选取的植被指数和提取的CARS特征使用PCA进一步降维,得到4个VI-PCs特征和5个CARS-PCs特征用于建模,取得了很好的效果.基于VI-PCs特征的SVM模型和LDA模型的总体分类精度分别为94%和95%;基于CARS-PCs特征的SVM模型和LDA模型总体分类精度分别为95%和97%,实现用较少变量获得较好的区分效果.从模型构建算法来看,LDA算法模型均优于SVM算法模型,说明LDA方法更适合于水稻冠层穗颈瘟识别模型的构建.研究可为航空、航天大面积的作物病虫害遥感监测提供理论依据.

关键词：高光谱成像水稻穗颈瘟竞争性自适应重加权法支持向量机判别分析

来源：评论

学校读者我要写书评

暂无评论

居民消费价格指数、工业增加率与股票指数波动关系分析——基于GARCH-MIDAS模型

引用

数学的实践与认识 2025年第3期55卷 1-12页

作者：谢贤芬何亦琛毛宜军古万荣张子烨黄天睿暨南大学经济学院广东广州510632 华南理工大学计算机科学与工程学院广东广州510641 华南农业大学数学与信息学院广东广州510642 广东第二师范学院计算机学院广东广州510303

为探究宏观经济因素与股市波动之间的关系,选取上证180指数与中证100指数为研究对象,将居民消费价格指数和工业增加率作为研究变量,基于多因子GARCH-MIDAS模型,研究宏观经济变量对股票价格长短期波动的影响.结果表明:模型能够很好地拟... 详细信息

为探究宏观经济因素与股市波动之间的关系,选取上证180指数与中证100指数为研究对象,将居民消费价格指数和工业增加率作为研究变量,基于多因子GARCH-MIDAS模型,研究宏观经济变量对股票价格长短期波动的影响.结果表明:模型能够很好地拟合股市的波动性,能较好地反映宏观经济变量与股市波动性之间的相关性;两个变量均对股市长期波动产生正向影响,均能显著影响未来股票市场波动.两者对股市波动短期影响则各有不同,工业增加率的影响不明显,而股市短期波动对居民消费价格指数的波动非常敏感。

关键词：股市波动率 GARCH-MIDAS 混频数据长短期波动

来源：评论

学校读者我要写书评

暂无评论

横向联邦学习:研究现状、系统应用与挑战

引用

计算机学报 2025年第1期48卷 35-67页

作者：吴文泰吴应良林伟伟左文明暨南大学信息科学技术学院广州510632 华南理工大学电子商务系广州510006 华南理工大学计算机科学与工程学院广州510006 人工智能与数字经济广东省实验室(广州) 广州510335

随着数据和算力向网络边缘下沉,人工智能应用的研发愈加依赖隐私敏感的用户数据。在这一趋势的推动下,联邦学习因其强调隐私保护的特性而逐渐成为一个广泛应用的分布式机器学习框架。作为联邦学习的原始范式,横向联邦学习(Horizontal Fe... 详细信息

随着数据和算力向网络边缘下沉,人工智能应用的研发愈加依赖隐私敏感的用户数据。在这一趋势的推动下,联邦学习因其强调隐私保护的特性而逐渐成为一个广泛应用的分布式机器学习框架。作为联邦学习的原始范式,横向联邦学习(Horizontal Federated Learning,HFL)具有扩展能力强和使用场景广泛等特点,因此是近年来该领域的研究重心,同时在产业界相关需求的驱动下有着十分广泛的应用前景。横向联邦学习的研究涉及机器学习、分布式系统、无线通信和信息安全等多个学术领域,从研究动机到技术方法都呈现多样化,但现有文献未能展现相关研究现状的全貌。此外,横向联邦学习相关技术的发展催化出了一系列开源系统框架、公开数据集以及多种场景下的应用,对进一步研究与实践都具有参考价值。为此,本文对横向联邦学习的研究现状和系统应用进行综合性调研:首先,对相关文献按照研究目标和技术角度进行全面地分类梳理,从多领域视角分析了各分支的研究现状;其次,从应用实践的视角,对比分析了面向横向联邦学习的主流系统框架与代码库、描述了数据准备方法以及典型的应用场景。在此基础上,阐明了横向联邦学习算法研究和系统应用面临的6个关键挑战,为如何缩小相关研究与系统实践之间的鸿沟提供了新的参考。

关键词：横向联邦学习数据隐私分布式系统机器学习人工神经网络

来源：评论

学校读者我要写书评

暂无评论

化工院校“四位一体”计算机创新人才培养体系构建与实施

引用

计算机教育 2023年第9期 1-5页

作者：高敬阳万静卢罡韩永明北京化工大学信息学院计算机系北京100029

针对化学工业院校计算机人才培养目前存在的问题,围绕创新人才培养的总目标,提出构建化工行业院校“四位一体”的计算机创新人才培养新体系,以北京化工大学计算机专业为例介绍该体系的实施过程,并通过实施成果说明培养体系的应用效果良... 详细信息

针对化学工业院校计算机人才培养目前存在的问题,围绕创新人才培养的总目标,提出构建化工行业院校“四位一体”的计算机创新人才培养新体系,以北京化工大学计算机专业为例介绍该体系的实施过程,并通过实施成果说明培养体系的应用效果良好,对化工行业院校计算机专业创新人才培养具有一定的示范作用。

关键词：化工类院校计算机专业人才培养体系四位一体创新

来源：评论

学校读者我要写书评

暂无评论

卫星边缘网络中基于扩散模型的算力分配策略

引用

计算机工程 2024年

作者：王兴杰王侃费蓉王怀军郭银波兰大鹏朱晓杰西安理工大学计算机科学与工程学院无锡金云智联科技有限公司研发中心挪威奥斯陆大学信息学院沙特阿拉伯阿卜杜拉国王科技大学计算机系

通过协同管理地面网络、卫星网络和近地无人机网络等，空天地一体化算力融合网络有望实现全域连接和普适智能，为我国数字经济发展提供有力支撑。而低轨道地球（LEO）卫星具备泛在连接和边缘计算能力，为实现空天地一体化的高效计算体... 详细信息

通过协同管理地面网络、卫星网络和近地无人机网络等，空天地一体化算力融合网络有望实现全域连接和普适智能，为我国数字经济发展提供有力支撑。而低轨道地球（LEO）卫星具备泛在连接和边缘计算能力，为实现空天地一体化的高效计算体系提供了基础。通过将移动边缘计算（MEC）沉降至LEO卫星网络，形成面向业务的“端-边-云”三级计算架构，可将时延敏感型业务从终端卸载到LEO卫星侧，以提升该种业务的任务完成率。然而，如何为LEO卫星边缘网络制定高效计算卸载和算力分配决策，是一个亟待解决的问题。针对高动态性的卫星网络环境和离散-连续的混合动作空间，本文提出了一种基于生成扩散模型的混合近端策略优化（H-PPO）方法。首先，对具有时变特性的无线信道进行建模，并构建不同卸载决策下的服务时延、通信和计算模型。其次，在卸载决策、剩余计算资源和功率控制的多约束条件下，构建最大化平均任务完成率的长期优化问题。然后，建立具有参数化动作的马尔可夫决策过程模型，将生成扩散模型引入为离散动作策略，增强传统深度强化学习（DRL）方法的采样效率和探索能力，并利用所提算法联合优化计算卸载、算力分配和功率控制变量。仿真结果表明，所提算法具有较好收敛性能，并在任务完成率方面优于其它三种对比方法。

关键词：空天地一体化网络低轨卫星移动边缘计算深度强化学习生成扩散模型计算卸载资源分配

来源：评论

学校读者我要写书评

暂无评论

计算机“101计划”数据库系统教材建设探索

引用

计算机教育 2025年第2期 24-26页

作者：杜小勇陈红卢卫李国良中国人民大学信息学院北京100872 清华大学计算机系北京100084

针对教育部“101计划”要求和工作安排,介绍计算机“101计划”数据库系统教材建设背景、教材的知识体系以及所建设的两部教材的框架与特色。

关键词：数据库系统 101计划教材建设知识体系

来源：评论

学校读者我要写书评

暂无评论

全人教育理念下“三位一体”的课程思政建设路径研究

引用

科教文汇 2024年第6期 49-53页

作者：孙玉霞付荣华暨南大学计算机系广东广州510632 广州番禺职业技术学院广东广州511483

为了落实立德树人根本任务,针对当前高校课程思政建设中存在的问题,融入全人教育理念,探索研—赛—训“三位一体”的课程思政建设路径,并以工科专业“软件测试与质量保证”课程为例开展思政教学改革与实践,凸显价值引领,优化课程设计,... 详细信息

为了落实立德树人根本任务,针对当前高校课程思政建设中存在的问题,融入全人教育理念,探索研—赛—训“三位一体”的课程思政建设路径,并以工科专业“软件测试与质量保证”课程为例开展思政教学改革与实践,凸显价值引领,优化课程设计,实现科研促学、竞赛促学、实训促学,促使学生德技双修、全面发展。

关键词：课程思政全人教育思政教学

来源：评论

学校读者我要写书评

暂无评论

数据中心PUE能效优化的机器学习方法

引用

系统工程理论与实践 2022年第3期42卷 801-810页

作者：杨震赵静洲林依挺夏恒夏俐赵千川管晓宏清华大学自动化系北京100084 深圳市腾讯计算机系统有限公司深圳518052 中山大学管理学院广州510275 西安交通大学电子与信息学部西安710049

本文研究如何利用机器学习方法来降低数据中心电能使用效率(power usage effectiveness,PUE)指标.现阶段以Google公司为代表的工业界使用的神经网络模型考虑的特征数量较少,且仅考虑单一特征变化对PUE指标的影响,缺少对特征之间耦合特... 详细信息

本文研究如何利用机器学习方法来降低数据中心电能使用效率(power usage effectiveness,PUE)指标.现阶段以Google公司为代表的工业界使用的神经网络模型考虑的特征数量较少,且仅考虑单一特征变化对PUE指标的影响,缺少对特征之间耦合特性的分析.此外,机器学习方法对数据集的质量和数量要求都很高,并且落地实施过程和结论判断皆容易受到噪声干扰,整体难度较大.现阶段学术界和工业界尚缺少对具体优化案例的详细阐述.本文对现阶段利用神经网络模型优化PUE指标的方法进行改进,增加了特征维数,提高了预测精度,取得了超出Google公司PUE模型预测精度的结果.利用历史样本轨道,使用统计方法近似得出特征之间的耦合特性,并代入灵敏度分析中,得到更加精确的分析结果.提出基于灵敏度分析的冷却系统参数设计优化方案;利用腾讯华北某数据中心的海量数据和现场条件,实施制冷系统参数设定优化的实验,实验效果证明了优化方案的有效性.

关键词：数据中心 PUE指标能效优化机器学习神经网络灵敏度分析

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：