检索结果-内蒙古大学图书馆

电工技术学报 2024年第19期39卷 6244-6256页

作者：陈治铭刘建华柯添赐陈可纬福建理工大学计算机科学与数学学院福州350018 福建省大数据挖掘与应用技术重点实验室福州350018

锂电池荷电状态(SOC)的准确估算是新能源技术发展中的一项关键技术,由于难以直接获取SOC准确数值,而面对此长序列预测问题,采用传统深度学习方法,其估算效果不佳。对此,该文提出一种对抗性的权重注意力序列到序列(AWAS)模型以估算SOC,... 详细信息

锂电池荷电状态(SOC)的准确估算是新能源技术发展中的一项关键技术,由于难以直接获取SOC准确数值,而面对此长序列预测问题,采用传统深度学习方法,其估算效果不佳。对此,该文提出一种对抗性的权重注意力序列到序列(AWAS)模型以估算SOC,其中权重注意力机制通过引入额外的线性变换增强了注意力机制提取长序列依赖的能力。该模型由门控循环单元(GRU)作为编码器和解码器的基本构建模块。首先利用编码器提取特征间的相关信息;其次将包含特征信息的隐藏向量交由权重注意力处理,以深化特征间的关联性学习;再次由GRU进行解码;最后与生成对抗网络(GAN)中的鉴别器联合,提高模型估算能力。通过多步SOC估算任务的测试实验,该文提出的模型估算SOC的方均根误差及平均绝对百分比误差分别达到0.1695%和0.2096%;同时,在不同数据集的单步估算任务测试中,平均绝对误差和方均根误差达到0.1412%和0.1094%;相比稀疏化Informer模型在平均绝对误差评估指标上降低了45.7%。

关键词：锂电池荷电状态序列到序列模型对抗生成网络稀疏化Informer 注意力

来源：评论

学校读者我要写书评

暂无评论

基于多尺度流模型的视觉异常检测研究

引用

自动化学报 2024年第3期50卷 640-648页

作者：毛国君吴星臻邢树礼福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118

针对现有异常检测(Anomaly detection,AD)模型计算效率低和检测性能差等问题,提出一种多尺度流模型(Multi-scale normalizing flow,MS-Flow),通过多尺度交叉融合实现高效的视觉图像异常识别.具体地,在流模型(Normalizing flow,NF)内部... 详细信息

针对现有异常检测(Anomaly detection,AD)模型计算效率低和检测性能差等问题,提出一种多尺度流模型(Multi-scale normalizing flow,MS-Flow),通过多尺度交叉融合实现高效的视觉图像异常识别.具体地,在流模型(Normalizing flow,NF)内部构建层级式的多尺度架构来避免多通道数据的冗余交叉计算,同时保证网络的多尺度表达能力.此外,设计的层级感知模块通过逐层级的多粒度特征融合,在细粒度级别表达多尺度特征,有效地提高分布估计的精确性.该方法是一个平衡检测精度与计算效率的解决方案.在两个公开数据集上的实验表明,所提方法相较于以往的检测模型能够获得更高的检测精度(在MVTec AD和BTAD数据集上的平均AUROC(Area under the receiver operating characteristics)分别为99.7%和96.0%),同时具有更高的计算效率,浮点运算次数(Floating point operations,FLOPs)约为CS-Flow的1/8.

关键词：异常检测流模型层级感知多尺度特征

来源：评论

学校读者我要写书评

暂无评论

记忆增强型的重构粒子群算法

引用

计算机工程与应用 2025年第9期61卷 116-127页

作者：吴炳南刘建华力尚龙李牧元福建理工大学计算机科学与数学学院福建省大数据挖掘与应用技术重点实验室

重构粒子群算法（RPSO）是基于粒子群算法（PSO）的线性系统理论分析结果而重新构建一种群体智能算法，其保留了粒子群算法的个体最优位置和全局最优位置作为学习样本的策略。RPSO具有比较好的收敛性理论支撑，简单易用。但是，重构粒... 详细信息

重构粒子群算法（RPSO）是基于粒子群算法（PSO）的线性系统理论分析结果而重新构建一种群体智能算法，其保留了粒子群算法的个体最优位置和全局最优位置作为学习样本的策略。RPSO具有比较好的收敛性理论支撑，简单易用。但是，重构粒子群算法丢失了种群的记忆，即粒子的历史位置和适应度等信息。为了加强对记忆的利用并提高种群的协作能力，提出了一种记忆增强型的重构粒子群算法（MERPSO）。该算法设计了经验选择策略和区块搜索策略储存记忆，构建了两个新的学习样本，并使用新的学习样本替代原本的学习样本。此外，通过引入带偏移量的加速度系数来平衡算法的局部开发和全局探索能力。实验证明，MERPSO算法在CEC2013基准测试函数集和工程设计问题上表现出更好的性能，并且所采用的策略具有一定的有效性。

关键词：重构粒子群算法记忆学习样本加速度系数 CEC2013

来源：评论

学校读者我要写书评

暂无评论

基于多头注意力的场景文本图像超分辨率网络

引用

福建师范大学学报(自然科学版) 2025年第1期41卷 21-29页

作者：朱佳楠邢树礼福建理工大学福建省大数据挖掘与应用重点实验室福建福州350118

场景文本图像超分辨率(STISR)技术旨在提高低分辨率文本图像中的分辨率和可读性,是下游文本识别任务的基础性工作。利用深度卷积神经网络完成STISR的现有方法缺乏对文本图像全局信息的考虑,导致恢复结果不稳定,在处理视觉相似的低分辨... 详细信息

场景文本图像超分辨率(STISR)技术旨在提高低分辨率文本图像中的分辨率和可读性,是下游文本识别任务的基础性工作。利用深度卷积神经网络完成STISR的现有方法缺乏对文本图像全局信息的考虑,导致恢复结果不稳定,在处理视觉相似的低分辨率文本图像时尤其明显。针对上述问题,提出一种新的场景文本图像超分辨率网络(MASRN),它包含一个文本先验(TP)模块和一个混合骨干网络。TP模块首先通过提取文本图像的语义特征来生成文本先验信息,接着由卷积模块和多头注意力融合模块组成的混合骨干网络将文本先验信息与多尺度图像特征融合。在TextZoom数据集上的实验结果表明,所提的MASRN能够恢复出更高质量的文本图像,有效提升了下游文本识别任务的精度。

关键词：场景文本图像超分辨率文本识别文本先验卷积网络多头注意力

来源：评论

学校读者我要写书评

暂无评论

一种融合图数据多元结构和特征的图池化方法

引用

计算机工程 2025年第1期51卷 128-137页

作者：王翔魏玉锌毛国君福建理工大学计算机科学与数学学院福建福州350118 福建理工大学福建省大数据挖掘与应用技术重点实验室福建福州350118

在图神经网络中,图池化是一类用于对图数据进行下采样以提取图表征的重要操作。由于图数据存在较为复杂的网络拓扑结构和高维度的特征信息,因此现有图池化方法在设计过程中未能同时融合图数据的拓扑结构信息和节点的长距离依赖信息,在... 详细信息

在图神经网络中,图池化是一类用于对图数据进行下采样以提取图表征的重要操作。由于图数据存在较为复杂的网络拓扑结构和高维度的特征信息,因此现有图池化方法在设计过程中未能同时融合图数据的拓扑结构信息和节点的长距离依赖信息,在图池化过程中没有考虑丢弃节点的特征,造成图数据的重要信息损失。为此,提出一种基于多元特征融合的图池化方法来同时捕获图数据的局部拓扑信息、全局拓扑信息以及长距离节点依赖关系,并使用1个聚合模块聚合这些特征信息得到1个新的池化图。为了解决图池化过程中节点特征信息丢失的问题,提出一种新的特征融合方法将丢弃节点的信息以一定比例汇聚到保留节点上。基于该池化方法,构建基于分层池化的图分类模型。在D&D、PROTEINS、NCI1和NCI1094个数据集上的实验结果表明,与最佳基线模型相比,所提模型的分类准确率分别提升了2.97、3.59、0.48和0.24个百分点,能够更有效利用图数据的特征信息、拓扑信息和长距离节点依赖信息,在图分类任务上取得了更好的效果。

关键词：图池化图分类拓扑信息长距离节点依赖特征融合

来源：评论

学校读者我要写书评

暂无评论

基于自适应扩散图卷积注意力网络的地铁客流预测

引用

铁道科学与工程学报 2024年第12期21卷 4910-4923页

作者：唐郑熠黄嘉欢王金水邢树礼福建理工大学计算机科学与数学学院福建福州350118 福建理工大学福建省大数据挖掘与应用技术重点实验室福建福州350118 湖南工商大学移动商务智能湖南省重点实验室湖南长沙410205

准确的地铁客流预测是智能交通系统应对交通挑战、协调运营调度、规划未来建设的重要战略需求。然而,先前将图卷积网络与深度学习模型(如循环神经网络、长短期记忆网络和门控循环神经网络等)相结合的相关研究只能提取基于路网图结构的... 详细信息

准确的地铁客流预测是智能交通系统应对交通挑战、协调运营调度、规划未来建设的重要战略需求。然而,先前将图卷积网络与深度学习模型(如循环神经网络、长短期记忆网络和门控循环神经网络等)相结合的相关研究只能提取基于路网图结构的时间和空间相关性,而忽略了地铁站点之间隐藏的空间相关性和随时间变化的动态时间和动态空间相关性。为了挖掘交通数据中复杂的时空相关性以实现精确的地铁客流预测,提出一种基于自适应扩散图卷积注意力(Adaptive Diffusion Graph Convolution Attention, ADGCA)网络的客流预测方法。此方法的创新点主要包括2个方面:首先,通过构建多图和自适应矩阵,并结合多头注意力机制,能够挖掘地铁站点之间隐藏的空间相关性。这种方法优化了现有方法在提取地铁系统空间信息特征方面的不足,使得ADGCA模型能够更全面地提取地铁系统中的空间信息特征。其次,构建了一种结合因果卷积、自适应扩散图卷积和多头注意力机制的深度学习模型组件。该组件能够在局部和全局层面捕捉地铁客流数据中的动态时空相关性,相比于先前的方法,能够更有效地提取复杂的地铁客流数据特征。在根据上海和杭州地铁自动检票系统的乘客刷卡记录所构建的2个真实数据集上,对模型有效性进行评估。研究结果表明,相较于现有的基线模型,ADGCA模型能够提取更加真实的动态时空相关性,从而有效地降低了预测误差。在所有预测时间步长上,ADGCA模型预测准确度指标均优于基线模型。研究结果为进一步优化城市地铁运营计划和保障地铁安全营运提供了更加精确的数据支持。

关键词：智能交通地铁客流预测自适应扩散图卷积因果卷积多头注意力

来源：评论

学校读者我要写书评

暂无评论

渐进式特征增强的弱监督显著性目标检测

引用

计算机工程 2024年第12期50卷 233-244页

作者：李沼洁朱恒亮毛国君杨鑫福建理工大学计算机科学与数学学院福建福州350118 福建省大数据挖掘与应用技术重点实验室福建福州350118

针对多数弱监督显著性检测方法在复杂场景下容易出现目标结构缺损、边界粗糙等问题,提出一种渐进式特征增强的弱监督显著性检测算法。首先针对显著目标结构不完整问题,设计一种渐进式特征增强机制,主要包括双流语义增强模块和层次化自... 详细信息

针对多数弱监督显著性检测方法在复杂场景下容易出现目标结构缺损、边界粗糙等问题,提出一种渐进式特征增强的弱监督显著性检测算法。首先针对显著目标结构不完整问题,设计一种渐进式特征增强机制,主要包括双流语义增强模块和层次化自适应特征聚合模块,通过复用这种机制可以捕获更丰富的图像特征;其次为获取清晰完整的目标边缘,提出边缘引导模块,可以生成高质量的显著目标边缘图;最后将得到的边缘对显著区域预测网络进行指导,以生成结构完整且边界平滑的检测结果。在5个公开数据集上的实验结果表明,相比经典的WSSA算法,该算法在PASCAL-S数据集上平均绝对误差(MAE)降低了21.32%,F-measure值提高了6.27%,优于大多数先进的弱监督显著性目标检测算法。

关键词：弱监督显著性目标检测渐进式特征聚合边缘引导

来源：评论

学校读者我要写书评

暂无评论

自适应复合转换函数的二进制电鳗觅食优化算法

引用

计算机工程与应用 2024年

作者：李牧元刘建华力尚龙吴炳南福建理工大学计算机科学与数学学院福建理工大学福建省大数据挖掘与应用技术重点实验室

电鳗觅食优化算法是近年提出的元启发式优化算法，用于求解连续优化问题，并且应用在各种工程问题中。然而现实中许多优化问题是离散的，这就需要提出算法的二进制版本。研究者通常使用转换函数将连续解转换为离散解，用于求解离散优化... 详细信息

电鳗觅食优化算法是近年提出的元启发式优化算法，用于求解连续优化问题，并且应用在各种工程问题中。然而现实中许多优化问题是离散的，这就需要提出算法的二进制版本。研究者通常使用转换函数将连续解转换为离散解，用于求解离散优化问题，但传统的S型转换函数易于发散难以收敛，而V型转换函数易于陷入局部最优难以跳出。针对上述问题，本文设计出一种自适应的V型转换函数，并利用电鳗能量因子将S型与自适应V型转换函数融合，提出一种自适应复合型转换函数用于电鳗算法的二值化。此外由于电鳗算法在休息和狩猎阶段缺乏局部多样性，及其在交互和迁徙阶段存在过早收敛，本文进一步对电鳗优化算法进行了改进。算法在交互阶段增加权重控制因子，发挥S型转换函数的发散特性，增强全局搜索能力；在迁徙阶段施加鞭策因子，约束电鳗的行为，避免过早收敛陷入局部最优；在休息、狩猎阶段增加随机因子提高局部多样性。最后，通过35个背包问题数据实例上的收敛、均值及消融等实验，其结果证明了本文所提出的二进制电鳗觅食优化算法的有效性。

关键词：二进制电鳗觅食优化算法转换函数复合型转换函数背包问题

来源：评论

学校读者我要写书评

暂无评论

通过边界挖掘和背景引导的伪装目标检测

引用

计算机应用 2024年

作者：李钟华钟庚辛范萍朱恒亮福建省大数据挖掘与应用技术重点实验室(福建理工大学) 福建理工大学计算机科学与数学学院

由于伪装目标与背景具有高度的相似性，极易受背景特征混淆，导致边界信息难以分辨和提取目标特征困难。目前主流的伪装目标检测（COD）算法主要针对伪装目标本身及其边界进行研究，忽略了图像背景与目标的相互关系，在复杂场景下检测... 详细信息

由于伪装目标与背景具有高度的相似性，极易受背景特征混淆，导致边界信息难以分辨和提取目标特征困难。目前主流的伪装目标检测（COD）算法主要针对伪装目标本身及其边界进行研究，忽略了图像背景与目标的相互关系，在复杂场景下检测结果不理想。为此，为了探索背景和目标的潜在联系，提出一种通过挖掘边界和背景进行伪装目标检测的算法。该算法由5个部分组成：编码器处理初始原始数据；边界指导框架通过特征处理和特征挖掘提取更多精细的边界特征；背景引导框架通过多尺度卷积探索更多的显著特征，同时基于注意力设计了混合注意力模块增强对背景特征的强化选择；信息补偿模块弥补了在特征处理过程中损失的细节信息；多任务协同分割解码器则对不同任务以及模块所提取的特征进行高效融合并输出最终的预测结果。在广泛使用的3个数据集上的实验结果优于其他15个较先进的模型，尤其在CAMO数据集上的平均绝对误差指标降到了0.042。

关键词：伪装目标检测反向引导多尺度卷积注意力机制特征聚合

来源：评论

学校读者我要写书评

暂无评论

融合局部和全局相关性的多变量时间序列预测方法

引用

计算机应用 2024年

作者：王翔陈志祥毛国君福建理工大学计算机科学与数学学院福建省大数据挖掘与应用技术重点实验室(福建理工大学)

为解决现有时间序列模型未能充分融合局部和全局依赖的问题，提出一种融合局部和全局相关性的多变量时间序列预测方法 PatchLG(Patch-integrated Local-Global Correlation Method)。该方法基于3个关键部分：1）将时间序列划分为多个子... 详细信息

为解决现有时间序列模型未能充分融合局部和全局依赖的问题，提出一种融合局部和全局相关性的多变量时间序列预测方法 PatchLG(Patch-integrated Local-Global Correlation Method)。该方法基于3个关键部分：1）将时间序列划分为多个子序列（Patch），保持时间序列的局部性同时使模型更易于提取全局依赖；2）使用深度可分离卷积和自注意力机制建模局部和全局相关性;3）将时间序列分解为趋势项与季节项两个部分同时进行预测，并将预测结果组合起来得到最终预测结果。在7个基准数据集上的实验结果表明，PatchLG相较于最优基线方法 PatchTST在均方误差(MSE)和平均绝对误差(MAE)两个指标上平均提升3.0%和2.9%，同时具有较低的实际运行时间和内存消耗，验证了PatchLG在时间序列预测的有效性。

关键词：时间序列多变量时间序列预测深度可分离卷积自注意力机制局部与全局依赖

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：