检索结果-内蒙古大学图书馆

红外技术 2022年第5期44卷 483-491页

作者：寻华生张晶晶刘晓李腾年福东张馨安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601 偏振光成像探测技术安徽省重点实验室安徽合肥230031 中国科学院通用光学定标与表征技术重点实验室安徽合肥230031 合肥学院先进制造工程学院安徽合肥230601

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领... 详细信息

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。

关键词：偏振成像神经网络 YOLOv5s 多目标检测注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于Kriging插值和BP神经网络结合的粮仓温度场预测模型研究及实现

引用

中国农业科技导报 2021年第9期23卷 96-102页

作者：王传旭王康陈林李学张红伟安徽大学电子信息工程学院计算智能与信号处理教育部重点实验室合肥230039

针对复杂仓储环境中粮情温度单点预测效果不理想、现有温度场建模难以满足工程应用需求等问题,基于温度场理论,结合分布式测温系统结构,提出了基于粮堆温度数据的温度场预测模型。该模型基于BP神经网络,利用粮仓内离散测温点数据预测对... 详细信息

针对复杂仓储环境中粮情温度单点预测效果不理想、现有温度场建模难以满足工程应用需求等问题,基于温度场理论,结合分布式测温系统结构,提出了基于粮堆温度数据的温度场预测模型。该模型基于BP神经网络,利用粮仓内离散测温点数据预测对应点的未来温度数据;再采用Kriging插值法进行空间插值,利用已知位置的温度值估计出未知点的温度值,进而建立温度场的预测模型。仿真测试结果表明,温度预测的平均绝对百分误差为1.2535%,均方根误差为0.1060,预测效果良好。采用Kriging插值法进行温度点的插值,其平均绝对百分误差为9.4700%,均方根误差为0.8651。对比于传统的粮堆温度单点预测算法,该模型能够更好地反映粮仓内温度场变化趋势以及温度分布的情况,为粮仓管理者提供更好的数据支持,实现辅助决策。该模型可扩展性强,能够适用于各种仓储现场。

关键词：粮食温度 BP神经网络 Kriging插值法温度场预测

来源：评论

学校读者我要写书评

暂无评论

基于部分消息更新的多天线与多用户联合检测

引用

安徽大学学报（自然科学版） 2023年第2期47卷 44-50页

作者：蒋芳江淑萍杨海蓉王翊许耀华胡艳军安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601 安徽省物联网频谱感知与测试工程技术研究中心安徽合肥230601 合肥师范学院数学与统计学院安徽合肥230601

多输入多输出稀疏码分多址(multiple-input multiple-output sparse code multiple access,简称MIMOSCMA)系统具有大容量和高频谱效率,能够满足大规模机器通信场景低时延和大连接的需求.针对MIMOSCMA系统检测复杂度高的问题,对基于部分... 详细信息

多输入多输出稀疏码分多址(multiple-input multiple-output sparse code multiple access,简称MIMOSCMA)系统具有大容量和高频谱效率,能够满足大规模机器通信场景低时延和大连接的需求.针对MIMOSCMA系统检测复杂度高的问题,对基于部分消息更新的多天线与多用户联合检测进行研究,提出软判决联合消息传递算法(soft decision joint message passing algorithm,简称SD-JMPA)和硬判决联合消息传递算法(hard decision joint message passing algorithm,简称HD-JMPA).仿真实验结果表明:SD-JMPA和HDJMPA的误比特率(bit error ratio,简称BER)均与最大似然(maximum likelihood,简称ML)和联合消息传递算法(joint message passing algorithm,简称JMPA)的BER相近;SD-JMPA和HD-JMPA均具有与JMPA大概一致的收敛性;低信噪比场景下,选择使用SD-JMPA;高信噪比场景下,选择使用HD-JMPA.因此,相对于ML和JMPA,SD-JMPA和HD-JMPA均具有更强综合性能.

关键词： MIMO-SCMA 码字消息软判决比重因子硬判决硬性判决参数阈值

来源：评论

学校读者我要写书评

暂无评论

基于压缩全息和空分复用的多彩色图像加密

引用

光子学报 2020年第9期49卷 168-179页

作者：张成许海涛朱园园汤俊韦穗安徽大学教育部智能计算与信号处理重点实验室合肥230039 安徽大学现代成像显示技术重点实验室合肥230039

针对现有光学加密方法进行彩色图像加密时加密容量低、解密图像失真度高等问题,提出一种基于压缩全息和空分复用的多彩色图像加密方法.在光学加密阶段,结合改进的Mach-Zehnder干涉仪与空分复用技术,通过不同的随机相位掩膜对多幅彩色图... 详细信息

针对现有光学加密方法进行彩色图像加密时加密容量低、解密图像失真度高等问题,提出一种基于压缩全息和空分复用的多彩色图像加密方法.在光学加密阶段,结合改进的Mach-Zehnder干涉仪与空分复用技术,通过不同的随机相位掩膜对多幅彩色图像进行同时加密,仅需单次曝光即可得到由多幅彩色图像加密的全息图.在解密过程中,由于记录全息图的过程可建模为压缩感知过程,使用两步迭代收缩/阈值算法即可求解.实验结果表明,提出的加密系统加密容量大,解密重建图像质量高,结合压缩感知理论,有效地消除了同轴全息中平方场项对解密重建性能的影响,解密图像平均峰值信噪比仅下降约2~5dB;密钥安全性高,随机相位掩膜与传播距离均起到密钥的作用,在随机相位掩膜错误或传播距离仅偏移0.25%时,便无法解密出原始彩色图像;且对噪声与遮挡性攻击具有良好的鲁棒性,解密重建性能随噪声增大下降趋势缓慢,加密全息图80%信息受到遮挡性攻击时,仍可取得良好的解密重建结果.

关键词：光学加密压缩感知全息术彩色图像单次曝光相干测量加密/解密过程

来源：评论

学校读者我要写书评

暂无评论

基于超表面的低剖面高增益圆极化天线

引用

电波科学学报 2021年第1期36卷 96-100页

作者：刘长青张量万志伟俞兴传黄志祥吴先良安徽大学计算智能与信号处理教育部重点实验室合肥230601 合肥师范学院安徽省电子信息系统仿真设计重点实验室合肥230601

提出了一种基于缝隙耦合超材料表面的低剖面圆极化高增益天线,该天线由一个超材料表面和一个微带缝隙天线紧贴着组成.通过改变超表面切角的大小来产生圆极化波,同时还可以提高天线增益和拓宽阻抗带宽.为了验证仿真结果,制作和测量了一... 详细信息

提出了一种基于缝隙耦合超材料表面的低剖面圆极化高增益天线,该天线由一个超材料表面和一个微带缝隙天线紧贴着组成.通过改变超表面切角的大小来产生圆极化波,同时还可以提高天线增益和拓宽阻抗带宽.为了验证仿真结果,制作和测量了一个大小为1λ×1λ×0.067λ(在10 GHz处)的样本天线,仿真和测量结果显示出良好的一致性.结果表明,在整个工作带宽内天线的增益均在7.5 dB以上,最大增益达到10.5 dB,比普通缝隙天线提高了5.3 dB,阻抗带宽(S11<−10 dB)为27.4%,轴比带宽(AR<3 dB)达到12.3%.因此,该天线能同时满足低剖面、圆极化、高增益等多种性能的要求,可以应用于许多领域.

关键词：超材料低剖面圆极化高增益

来源：评论

学校读者我要写书评

暂无评论

基于LSTM网络与误差补偿的预测模型

引用

计算机技术与发展 2023年第3期33卷 133-138页

作者：王健宋颖吴涛安徽大学数学科学学院安徽合肥230031 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

随着时代发展,空气质量逐渐受到人们的重视,所以对未来空气污染物的变化预测显得尤为重要。首先,针对PM2.5的非线性变化以及变化所具有的周期性,选取完整年度数据进行训练和预测,使用对非线性序列数据拟合效果较好的LSTM网络作为初步预... 详细信息

随着时代发展,空气质量逐渐受到人们的重视,所以对未来空气污染物的变化预测显得尤为重要。首先,针对PM2.5的非线性变化以及变化所具有的周期性,选取完整年度数据进行训练和预测,使用对非线性序列数据拟合效果较好的LSTM网络作为初步预测模型,选择合适的滑动窗口,使用训练数据,建立了LSTM网络预测模型。由于LSTM网络预测结果中存在相邻年份误差分布相似,但整年分布不均匀的现象,使用FCM对训练数据及误差进行模糊聚类。通过聚类中心,对当前预测数据进行分类,并利用聚类结果,得到当前预测数据的误差补偿值,对LSTM网络的当前预测结果进行误差补偿,得到最终预测结果。最后,通过合肥2017年至2021年的空气污染数据对该方法进行了验证,结果表明,所建模型的效果优于其他对比模型,具有一定的可行性与有效性。

关键词： PM2.5预测长短时记忆网络模糊聚类误差相似性误差补偿

来源：评论

学校读者我要写书评

暂无评论

基于负相关性增强的不平衡多标签学习算法

引用

计算机工程与科学 2021年第9期43卷 1700-1710页

作者：程玉胜曹天成王一宾郑伟杰安徽省高校智能感知与计算重点实验室(安庆师范大学) 安徽安庆246133 计算智能与信号处理教育部重点实验室(安徽大学) 安徽合肥230061

由于标签空间过大,标签分布不平衡问题在多标签数据集中广泛存在,解决该问题在一定程度上可以提高多标签学习的分类性能。通过标签相关性提升分类性能是解决该问题的一种最常见的有效策略,众多学者进行了大量研究,然而这些研究更多地是... 详细信息

由于标签空间过大,标签分布不平衡问题在多标签数据集中广泛存在,解决该问题在一定程度上可以提高多标签学习的分类性能。通过标签相关性提升分类性能是解决该问题的一种最常见的有效策略,众多学者进行了大量研究,然而这些研究更多地是采用基于正相关性策略提升性能。在实际问题中,除了正相关性外,标签的负相关性也可能存在,如果在考虑正相关性的同时,兼顾负相关性,无疑能够进一步改善分类器的性能。基于此,提出了一种基于负相关性增强的不平衡多标签学习算法——MLNCE,旨在解决多标签不平衡问题的同时,兼顾标签间的正负相关性,从而提高多标签分类器的分类性能。首先利用标签密度信息改造标签空间;然后在密度标签空间中探究标签真实的正反相关性信息,并添加到分类器目标函数中;最后利用加速梯度下降法求解输出权重以得到预测结果。在11个多标签标准数据集上与其他6种多标签学习算法进行对比实验,结果表明MLNCE算法可以有效提高分类精度。

关键词：多标签学习多标签不平衡标签正负相关性标签密度加速梯度下降法

来源：评论

学校读者我要写书评

暂无评论

一种新的模糊决策树算法——基于加权毕达哥拉斯模糊熵

引用

重庆工商大学学报（自然科学版） 2023年第1期40卷 85-90页

作者：刘帅吴涛方越胡皓玮安徽大学数学科学学院合肥230031 安徽大学计算机智能与信号处理教育部重点实验室合肥230039

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模... 详细信息

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法(Weighted Pythagorean Fuzzy Decision Tree,WPFDT)。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集(Haberman、Breast Cancer、Parkinson)进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法(模糊ID3算法、C4.5算法、CART算法)比较,实验结果表明:WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。

关键词：加权毕达哥拉斯模糊熵模糊决策树算法数据分类模糊规则

来源：评论

学校读者我要写书评

暂无评论

终端协作通信中基于深度学习的路径选择方法

引用

北京邮电大学学报 2025年第2期48卷 98-105页

作者：智慧费洁葛鸿杰安徽大学计算智能与信号处理(教育部)重点实验室安徽大学电子信息工程学院

分布式终端协作信息传输的多跳、多中继场景中，用于最优路径选择的迭代搜索方法计算复杂度高。在实际网络中，路径选择方法需要在很短的时间内完成，以便及时感知和动态自适应网络环境的变化。因此，为实现不同节点位置和不同信道状态... 详细信息

分布式终端协作信息传输的多跳、多中继场景中，用于最优路径选择的迭代搜索方法计算复杂度高。在实际网络中，路径选择方法需要在很短的时间内完成，以便及时感知和动态自适应网络环境的变化。因此，为实现不同节点位置和不同信道状态信息(CSI)下的快速路径选择，提出了一种基于深度学习的路径选择方法(DL＿PSM)。该方法采用深度神经网络(DNN)模型，以所选路径的最大接收信噪比(RSNR)为优化目标，以每个节点的位置和节点之间的CSI作为DNN模型的输入特征，使用穷举搜索法计算出的最优路径作为标签，由输入特征和标签组成的训练样本来训练DNN模型。仿真结果表明，与现有的迭代搜索方法相比，DL＿PSM可以在获得99.3%的最佳RSNR性能的前提下大大降低计算时延。

关键词：路径选择深度学习分布式终端深度神经网络

来源：评论

学校读者我要写书评

暂无评论

一种采用新型聚类方法的最佳类簇数确定算法

引用

软件学报 2021年第10期32卷 3085-3103页

作者：朱二周孙悦张远翔高新马汝辉李学俊计算智能与信号处理教育部重点实验室(安徽大学) 安徽合肥230601 安徽大学计算机科学与技术学院安徽合肥230601 上海交通大学电子信息与电气工程学院上海200240

聚类分析是统计学、模式识别和机器学习等领域的研究热点.通过有效的聚类分析,数据集的内在结构与特征可以被很好地发掘出来.然而,无监督学习的特性使得当前已有的聚类方法依旧面临着聚类效果不稳定、无法对多种结构的数据集进行正确聚... 详细信息

聚类分析是统计学、模式识别和机器学习等领域的研究热点.通过有效的聚类分析,数据集的内在结构与特征可以被很好地发掘出来.然而,无监督学习的特性使得当前已有的聚类方法依旧面临着聚类效果不稳定、无法对多种结构的数据集进行正确聚类等问题.针对这些问题,首先将K-means算法和层次聚类算法的聚类思想相结合,提出了一种混合聚类算法K-means-AHC;其次,采用拐点检测的思想,提出了一个基于平均综合度的新聚类有效性指标DAS(平均综合度之差,difference of average synthesis degree),以此来评估K-means-AHC算法聚类结果的质量;最后,将K-means-AHC算法和DAS指标相结合,设计了一种寻找数据集最佳类簇数和最优划分的有效方法.实验将K-means-AHC算法用于测试多种结构的数据集,结果表明:该算法在不过多增加时间开销的同时,提高了聚类分析的准确性.与此同时,新的DAS指标在聚类结果的评价上要优于当前已有的常用聚类有效性指标.

关键词：聚类分析聚类算法聚类有效性指标最佳类簇数数据挖掘

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：