检索结果-内蒙古大学图书馆

智能计算机与应用 2025年第1期15卷 32-37页

作者：朱逵苗敏敏胡文军王士同湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 江南大学人工智能与计算机学院江苏无锡214000

传统的脑电警觉度识别通常只提取时域、频域或非线性其中一种类型特征,导致警觉度估计的准确度不高,本文提出了多特征融合的脑电警觉度估计方法。首先,将脑电信号进行预处理,随后提取时域、频域和非线性等多种特征,进一步利用卡方检验... 详细信息

传统的脑电警觉度识别通常只提取时域、频域或非线性其中一种类型特征,导致警觉度估计的准确度不高,本文提出了多特征融合的脑电警觉度估计方法。首先,将脑电信号进行预处理,随后提取时域、频域和非线性等多种特征,进一步利用卡方检验进行特征选择;其次,将选择后的特征分别输入不同分类器进行警觉度估计;最后,使用SEED-VIG数据集进行实验,对本文所提方法进行验证。实验结果表明,多特征融合的脑电警觉度估计方法具有较好的效果。

关键词：脑电信号警觉度多特征融合卡方检验

来源：评论

学校读者我要写书评

暂无评论

基于特征重要性的质量相关故障诊断与量化评估

引用

测控技术 2025年第4期44卷 25-34,41页

作者：华宇辉胡文军崔胜男王士同湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 江南大学人工智能与计算机学院江苏无锡214000

质量相关故障诊断是当前过程控制领域的研究热点之一,然而过程变量与质量变量间的复杂关系使得故障检测性能提升和可视化呈现面临严峻挑战。为此,提出了一种新的质量相关故障诊断方法和故障量化评估准则。首先,基于提升树模型解析过程... 详细信息

质量相关故障诊断是当前过程控制领域的研究热点之一,然而过程变量与质量变量间的复杂关系使得故障检测性能提升和可视化呈现面临严峻挑战。为此,提出了一种新的质量相关故障诊断方法和故障量化评估准则。首先,基于提升树模型解析过程变量与质量变量间的关联,并根据提升树模型的3个特性定义特征重要性分数。然后,将特征重要性分数应用于支持向量数据描述的权衡参数中,构建特征重要性正则化的支持向量数据描述(Feature Importance Regularized Support Vector Data Description, FIR-SVDD)。最后,在核空间中利用投影球面距离度量进行故障量化评估。采用田纳西-伊斯曼化工数据和HYDAC液压系统数据进行对比实验,结果表明所提方法具有更好的性能。

关键词：支持向量数据描述过程变量质量变量提升树模型距离度量

来源：评论

学校读者我要写书评

暂无评论

特征扰动池融合机制的多类工业缺陷检测

引用

中国图象图形学报 2025年第5期30卷 1404-1418页

作者：杨杰胡文军臧影湖州师范学院信息工程学院浙江省现代农业资源智慧管理与应用研究重点实验室湖州市水域机器人技术重点实验室(湖州师范学院)

目的多类缺陷检测是工业检测领域中的重要应用场景，现有方法因需训练多个模型而导致其耗时耗内存严重，同时多类之间因存在特征扰动导致现有模型鲁棒性欠佳。为此，本文联合特征扰动池和多层特征融合提出一种多类缺陷检测的新网络。方... 详细信息

目的多类缺陷检测是工业检测领域中的重要应用场景，现有方法因需训练多个模型而导致其耗时耗内存严重，同时多类之间因存在特征扰动导致现有模型鲁棒性欠佳。为此，本文联合特征扰动池和多层特征融合提出一种多类缺陷检测的新网络。方法一方面通过特征扰动池强化模型对特征的鲁棒性，另一方面将各层网络输出特征进行融合，从而降低模型对数据分布的依赖性和提升对特征间复杂关系的捕捉能力。结果与SOTA(state of the art)方法相比，所提方法在缺陷检测和缺陷定位方面具有出色的性能，在MVTec-AD(MVTec anomaly detection dataset)数据集分别达到97.17%和96.93%的检测和定位精度，在VisA(visual anomaly detection dataset)数据集分别达到91.08%和99.08%的检测和定位精度。结论提出的联合特征扰动池和多层特征融合的多类缺陷检测网络具有更好的鲁棒性，能够捕捉特征之间的复杂关系，可广泛应用于工业缺陷检测领域。

关键词：工业检测缺陷检测特征融合特征扰动特征重建

来源：评论

学校读者我要写书评

暂无评论

基于种群演化的超参数异步并行搜索

引用

控制与决策 2021年第8期36卷 1825-1833页

作者：蒋云良赵康曹军杰范婧刘勇湖州师范学院信息工程学院浙江湖州313000 湖州师范学院浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 浙江师范大学数学与计算机科学学院浙江金华321004 浙江大学智能系统与控制研究所杭州310027

近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至数月才有可能找到较优的超参数配置.为解决深度强化学习超参数... 详细信息

近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至数月才有可能找到较优的超参数配置.为解决深度强化学习超参数搜索时间长和难以找到较优超参数配置问题,提出一种新的超参数搜索算法—–基于种群演化的超参数异步并行搜索(PEHS).算法结合演化算法思想,利用固定资源预算异步并行搜索种群模型及其超参数,从而提高算法性能.设计实现在Ray并行分布式框架上运行的参数搜索算法,通过实验表明在并行框架上基于种群演化的超参数异步并行搜索的效果优于传统超参数搜索算法,且性能稳定.

关键词：超参数搜索种群演化算法异步并行深度学习并行框架

来源：评论

学校读者我要写书评

暂无评论

基于物联网的非侵入式负荷状态监控系统设计

引用

湖州师范学院学报 2024年第2期46卷 53-64页

作者：季坚莞胡文军王闯湖州师范学院信息工程学院浙江湖州313000 浙江理工大学科技与艺术学院信息与控制学院浙江绍兴312300 浙江省现代农业资源与应用研究重点实验室浙江湖州313000

针对电子工艺实验室因设备多、类型多而带来的管理困难和安全隐患问题,利用物联网技术研发一种非侵入式负荷状态监控系统.该系统包含监测节点和服务器两部分,前者用于负荷状态识别,后者负责统计与控制.为准确识别节点上的设备状态,在监... 详细信息

针对电子工艺实验室因设备多、类型多而带来的管理困难和安全隐患问题,利用物联网技术研发一种非侵入式负荷状态监控系统.该系统包含监测节点和服务器两部分,前者用于负荷状态识别,后者负责统计与控制.为准确识别节点上的设备状态,在监测节点端设计非侵入式负荷状态监测算法,其包括多状态负荷分离、状态特征提取和负荷识别等过程.真实场景的实验结果表明,研发的系统可以准确地监控电子工艺实验室的设备.

关键词：物联网非侵入式负荷监测规则学习多状态负荷识别

来源：评论

学校读者我要写书评

暂无评论

基于可缩放hinge损失的支持向量数据描述

引用

湖州师范学院学报 2024年第8期46卷 36-46页

作者：王余波胡文军王士同湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 湖州市水域机器人技术重点实验室浙江湖州313000 江南大学人工智能与计算机学院江苏无锡214122

支持向量数据描述(SVDD)极易受到异常值的影响,导致其鲁棒性不佳.利用可缩放的hinge损失函数,提出一种新的支持向量数据描述方法(RH-SVDD).将有界可缩放的hinge损失作为松弛变量构建超球模型;通过共轭函数理论将超球模型转化为凸优化问... 详细信息

支持向量数据描述(SVDD)极易受到异常值的影响,导致其鲁棒性不佳.利用可缩放的hinge损失函数,提出一种新的支持向量数据描述方法(RH-SVDD).将有界可缩放的hinge损失作为松弛变量构建超球模型;通过共轭函数理论将超球模型转化为凸优化问题;利用半二次优化技术迭代求解凸优化问题,并在迭代过程中实现权重更新,从而削弱异常值的影响,提升鲁棒性.实验结果表明,提出的RH-SVDD在分类任务中具有更好的性能优势.

关键词：支持向量数据描述可缩放hinge损失半二次优化鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于Word2Vec与深度神经网络的协同推荐模型

引用

湖州师范学院学报 2022年第8期44卷 45-54页

作者：金楠王瑞琴陆悦聪湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对目前推荐系统广泛存在的数据稀疏性、预测评分不准确和神经网络模型复杂度较高等问题,提出深度神经网络模型ProfileDNN.模型借鉴自然语言处理中的Word2Vec表征学习方法预训练物品的嵌入向量,并利用物品的嵌入向量构建物品和用户画像... 详细信息

针对目前推荐系统广泛存在的数据稀疏性、预测评分不准确和神经网络模型复杂度较高等问题,提出深度神经网络模型ProfileDNN.模型借鉴自然语言处理中的Word2Vec表征学习方法预训练物品的嵌入向量,并利用物品的嵌入向量构建物品和用户画像,最后基于深度神经网络模型学习用户对物品的预测评分.基于3个公共数据集的对比实验表明,相比同类模型,ProfileDNN模型的复杂度更低,且推荐准确率最高提升达1.1%.

关键词：推荐系统嵌入向量 Word2Vec 表征学习深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于警告距离感知的安全行驶模型

引用

湖州师范学院学报 2022年第8期44卷 63-69页

作者：徐会彬湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对车载网(V2X)的异构特性,提出基于蜂窝和802.11p协议的V2X通信安全行驶模型(Cellular and 802.11p based V2X safe navigation model,CSNM).通过CSNM模型分析异构V2X各类场景的特性,从而推导各类场景的警告距离.车辆通过接收包警告... 详细信息

针对车载网(V2X)的异构特性,提出基于蜂窝和802.11p协议的V2X通信安全行驶模型(Cellular and 802.11p based V2X safe navigation model,CSNM).通过CSNM模型分析异构V2X各类场景的特性,从而推导各类场景的警告距离.车辆通过接收包警告距离的消息,提升行驶安全.仿真结果表明,同时采用V2V和V2N模式的通信,能够提升交互安全消息的可靠性,降低传输消息的时延,减少估计警告距离的误差.

关键词：车联网安全行驶 802.11p协议蜂窝警告距离

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的翼状胬肉自动分类系统研究

引用

国际眼科杂志 2022年第5期22卷 711-715页

作者：何楷吴茂念郑博杨卫华朱绍军金玲湖州师范学院信息工程学院中国浙江省湖州市313000 浙江省现代农业资源智慧管理与应用研究重点实验室中国浙江省湖州市313000 南京医科大学附属眼科医院眼科人工智能大数据实验室中国江苏省南京市210029

目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值。方法:在2020-05/2021-04期间,从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片。在原始数据集和增强数据集上分别训练7个三分类模型。测试... 详细信息

目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值。方法:在2020-05/2021-04期间,从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片。在原始数据集和增强数据集上分别训练7个三分类模型。测试临床470张图片,比较数据增强前后模型的泛化能力,确定可用于翼状胬肉自动分类系统的最好模型。结果:在原始数据集上训练最好模型的灵敏度平均值为92.55%,特异度平均值为96.86%,AUC平均值为94.70%。数据增强后,不同模型灵敏度、特异度和AUC平均提升3.7%、1.9%和2.7%。在增强数据集上训练的EfficientNetB7模型灵敏度平均值为93.63%,特异度平均值为97.34%,AUC平均值为95.47%。结论:在增强数据集上训练的EfficientNetB7模型取得最好的分类效果,可用于翼状胬肉自动分类系统。该自动分类系统能较好地诊断翼状胬肉疾病,有望成为基层医疗的有效筛查工具,也为翼状胬肉的细化分级研究提供参考。

关键词：人工智能深度学习翼状胬肉分类模型数据增强迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于最近邻子空间的邻域保持嵌入

引用

湖州师范学院学报 2022年第10期44卷 43-51页

作者：徐剑豪胡文军胡天杰王哲昀湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对流形学习算法定义局部存在的置信度不足问题,通过保持局部的内部关系和空间关系来捕捉数据的低维流形,由此提出一种最近邻子空间邻域保持嵌入方法.将数据中的每个样本点和K个近邻视为一个局部,从而形成一个最近邻子空间;利用格拉姆... 详细信息

针对流形学习算法定义局部存在的置信度不足问题,通过保持局部的内部关系和空间关系来捕捉数据的低维流形,由此提出一种最近邻子空间邻域保持嵌入方法.将数据中的每个样本点和K个近邻视为一个局部,从而形成一个最近邻子空间;利用格拉姆行列式对所有最近邻子空间的体积进行度量;对体积进行归一化处理,并集成到邻域保持嵌入算法的模型中.真实数据的聚类和分类实验结果表明,采用该方法提取的特征更具鉴别能力.

关键词：流形学习最近邻子空间格拉姆行列式邻域保持嵌入

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：