摘要:现实场景中人群尺度的巨大差异给密集人群计数算法带来了巨大的挑战, 因此提出一种基于尺度融合的密集人群计数算法. 首先对密度图构建算法进行优化, 利用多个头部检测器获取稀疏人群的部分头部尺度, 并用径向基差值进行补全, 在人群密集区域辅之以距离自适应的人群密度图生成算法, 生成更为精确的人群密度图. 其次利用移动翻转瓶颈卷积模块设计尺度融合的人群密度图回归神经网络, 并加入膨胀卷积模块进一步提升人体头部边缘特征提取能力. 最后, 通过将人群区域和非人群区域进行区分对人群密度图回归神经网络损失函数进行优化. 在实验部分, 将该算法在多个数据集上与多个同类算法进行了充分的对比实验与消融实验, 实验结果表明提出的方法能够显著提升密集人群计数算法的准确性.

摘要:设备故障的变化趋势一般从轻微故障开始, 逐渐发展到整个设备丧失工作能力. 为了在设备轻微故障时准确检测, 本文提出了一种基于加权马氏距离 (Weighted Mahalanobis Distance, WMD) 和设备状态指数 (Device Status Index, DSI) 的设备健康状态评估方法. 该方法基于改进的马田系统, 对设备有效运行特征参数构建稳定基准空间, 筛选特征并按照设备故障敏感性计算加权马氏距离, 排除了特征相关性的干扰; 利用Box-Cox变换确定设备状态指数的阈值, 构建复杂重型装备健康状况模型. 通过实验验证模型有效性, 正常样本的WMD值均小于故障阈值, 有将近98.6%的样本值在征兆预警内. 本文提出的方法可为复杂重型装备的维修与管理提供数据支持, 为工业生产提供有效帮助.

摘要:随着智能化水平的不断提高, 每时每刻都有大量的新知识产生, 知识图谱逐渐成为我们管理知识的工具之一. 但现有的知识图谱仍然存在属性缺失、关系稀疏等问题, 同时还存在大量噪声信息, 导致图谱质量不佳, 易对自然语言处理领域中的各类任务造成影响. 面向知识图谱的知识推理技术作为目前的研究热点, 是解决该问题的主要方法, 其通过模拟人的推理过程完成对图谱信息的完善, 在众多应用中有较好表现. 以知识图谱为切入点, 将知识推理技术按类别划分并分别阐释, 详细分析该技术的几种应用任务, 例如智能问答、推荐系统等, 最后对未来主要研究方向进行展望, 提出几种研究思路.

摘要:由于手持拍摄设备抖动或目标运动等原因, 使得视频图像资料产生运动模糊问题, 降低了人类的感知质量. 针对该问题从原来如何处理得到清晰图像, 到现在如何高效快捷的获得清晰图像, 提出了一种基于轻量级GAN(Generative Adversarial Network) 的实时视频图像去模糊新模型. 该模型通过定义PatchGAN作为判别网络, 并在其基础上设置了全局图像和局部特征的双尺度判别器; 生成网络以轻量级MobileNetV3为主干网并引入特征金字塔进行特征提取, 以解决判别网络中特征信息利用率低以及生成网络推理效率慢的问题. 该模型采用端到端的方式对视频图像进行快速高效去模糊. 经过在GoPro和Kohler数据集上进行实验, 结果表明该模型去模糊后的锐利图像具有较高的峰值信噪比和结构相似度, 同时比其他模型的推理速度提高了1.7–127倍.

摘要:下一个兴趣点推荐是基于位置的社交网络(Location-Based Social Network, LBSN)的重要服务之一, 其不仅可以帮助用户寻找其感兴趣的目的地, 还能帮助商家提高潜在的收入. 目前已有算法提出采用用户行为序列信息以及兴趣点信息进行推荐, 但其没有很好地利用兴趣点辅助信息, 因此无法缓解冷启动与数据稀疏问题. 本文提出了一种基于图嵌入与GRU (Gated Recurrent Unit)的兴趣点推荐模型GE-GRU (Graph Embedding-Gated Recurrent Unit). GE-GRU首先通过图嵌入的方法, 将兴趣点本身与其辅助信息相融合, 得到信息丰富的深层次兴趣点向量, 再将其输入到神经网络中, 利用GRU对用户近期兴趣偏好进行建模得到用户Embedding表示, 最后根据兴趣点排序列表进行下一个兴趣点推荐. 本文在一个真实的数据集Foursquare中超过48万条签到记录上进行了实验, 采用Accuracy@k指标进行评估, 实验结果表明, GE-GRU相比于GRU、LSTM (Long Short-Term Memory) 在Accuracy@10上分别有3%和7%的提升.

摘要:高效准确的流线绘制一直是流场可视化的重要研究内容, 流线可以对流场的重要特征进行有效的稀疏表示, 但流线需要长期的粒子追踪过程及大量的积分计算, 在面向大规模流场可视化时时间效率较低, 需要高性能计算设备进行辅助计算. 本文通过设计一种基于深度学习的高精度流线生成算法, 将初始的低精度流线快速映射为稠密的高精度流线, 可以在较短的时间内快速生成可靠的流线可视化结果, 并在此基础上设计了交互式实时流场可视化系统, 涵盖了流场的特征检测, 属性关联分析, 信息论分析等, 帮助用户快速了解流场数据, 找到自己感兴趣的区域进行后续进一步深度分析, 避免了获取过多冗余数据, 同时优化了分析工作的效率, 满足用户对于流场结构, 特征属性等多维度进行关联分析的需求.

摘要:针对以分散形式存储学科信息导致资源难以统计的问题, 基于计算机学科领域本体模型, 融合多源异质的学科数据构建高校计算机学科知识图谱. 首先通过网络爬虫等技术从相关网站和已有文档中获取领域知识, 并基于BERT模型对数据进行清洗; 然后利用Word2Vec判断人物研究方向之间的相似度, 解决实体对齐问题; 最终将数据导入Neo4j图数据库中实现知识的存储. 根据构建好的知识图谱建立计算机学科可视化系统, 能够提供信息检索与图形显示等多种功能, 实现计算机学科基础数据的快捷查询和资源统计, 以期促进后续的学科评估工作更加高效地完成.

摘要:随着电商平台的快速发展, 物流行业增长迅猛, 其中物流服务平台的访问日志能够反映用户的行为规律, 从而挖掘潜藏信息助力物流服务平台优化业务已至关重要. 目前, 针对于此类大规模日志数据处理提出了更高的实时性需求, 本文综合考量多种实时计算的流处理框架、大规模存储数据库以及日志采集工具等, 选取Flume及Kafka作为日志采集工具与消息队列, 并利用Flink及HBase进行流数据实时计算以及大规模数据存储. 同时, 对平台设计了数据去重、异常告警、容错策略以及负载调度的功能. 经实验测试证明, 本处理平台可以有效处理物流服务平台的日志数据, 具有较强的创新思路以及实际价值.

摘要:青少年注意力不集中的现象在生活中十分普遍, 而现有的青少年注意力检测和训练系统功能单一. 因此, 本文研发了一个基于脑电信号的青少年注意力检测和训练系统. 针对注意力检测分类少、准确率低的问题, 本文将注意力分为5类, 并提出基于随机森林模型的注意力检测方法以改进检测的准确率, 达76.17%; 针对注意力效果不佳的问题, 本文基于闭环脑电生物反馈感知技术, 首次根据持续型注意力、选择型注意力和集中型注意力, 分别设计3个面向青少年的严肃游戏训练模式, 并提出4个评估指标进行实验, 排除游戏熟悉程度对受试者影响的同时, 结合自身对照法验证了注意力训练的有效性.

摘要:新疆具有典型的干旱气候特征, 疆内各地区经济基础薄弱、水利建设智能化程度不高, 农业灌溉水资源利用率只有40%左右. 吉木乃县作为新疆最为典型的干旱缺水县, 近年来因全球气候变暖形势加剧, 其境内唯一的水源地—木斯岛冰山的冰川雪线不断后退, 情况不容乐观. 传统水资源分配与管理方式较为落后, 已不能解决当前吉木乃县所面临的水利管理困境, 其管理效率低, 产生的效益差, 已不符合当前的经济发展形势. 而现代化的智慧水利利用信息技术、网络技术、大数据和人工智能, 使得水利管理智能化、管理效率大大提高. 本文以新疆维吾尔自治区阿勒泰地区吉木乃县智慧水利综合管理平台建设为依据, 从水资源管理、多水源仿真联动、防汛抗旱、农村饮水安全、水库大坝安全、闸门远控和灌溉管理7方面展示智慧化信息综合平台在水利管理中的建设细节, 为推动智慧水利体系的构建提供了有效支撑.

摘要:当前信息环境下, 非结构化文本是各类信息的重要组成部分, 如何针对用户信息需求, 从文本数据中快速提取所需信息, 为用户提供快速高效的信息获取方式成了当前信息服务领域亟待解决的问题. 该文基于语义检索以及抽取式文档阅读理解模型, 研究了如何快速有效地从大型文档库中根据用户问题提取出所需答案信息的技术, 构建了基于文档库的信息服务问答系统. 对于解决当前海量信息环境下快速有效的帮助用户获取所需信息, 提升信息服务效率具有重要意义. 实验表明, 该系统可以快速精确的定位用户所提问题的答案, 帮助用户快速有效的获取所需信息.

摘要:教师在课堂上讲课时, 学生对知识点的掌握程度都反应在他们的面部表情中, 教师通常通过他们的表情判断出他们对知识点的理解程度, 从而调整教学进度. 但是课堂教学中一个班级至少有30多个学生, 而教师在课堂中讲课不可能时时刻刻照顾到每个学生. 这样造成了教师不能有效地了解每个学生对知识点的掌握程度, 影响教学质量. 为了解决这个问题, 文章提出了基于面部表情识别的课堂教学反馈系统, 它能分析课堂上每个学生的面部表情, 从他们的表情中得出学生对知识点的掌握程度, 从而帮助教师实时地了解每个学生在课堂上的学习效果, 提高课堂教学质量.

摘要:随着摄像头的普及, 基于人工智能的行为分析技术在智能视频领域扮演着越来越重要的角色. 现有的算法大多采用光流网络或者3D网络来获取行为的时间信息, 但是光流网络和一般的3D网络计算量大, 在同时进行分类和定位这两项任务时计算效率低. 针对这一问题, 本文构建了一个能够进行空间定位和分类的双流框架, 在3D网络分支中采用SVD的思想分解3D卷积核以减少3D网络的参数, 并利用动态规划算法高效的搜索最佳行为管道, 在训练的过程中采用mixup算法对数据集进行扩充, 增强训练的效果. 最后, 在UCF101-24和J-HMDB-21这两个被广泛使用的行为定位数据集上进行了实验验证, 相比于基线算法, 两个数据集的Frame-mAP分别提高了7.1%和4.8%, 其中, J-HMDB-21在不同IOU下的Video-mAP分别提高了5.2%和4.8%. 实验结果表明, 本文提出的算法能有效提高行为定位能力, 与其它算法相比获得了较好的结果.

摘要:大豆有许多品种(cultivar), 它们的叶片图像模式的差异非常细微, 因此很难通过叶片特征将大豆品种区分开. 虽然在使用叶片图像模式进行植物种类(species)识别方面的研究已经取得了巨大的进步, 然而, 作为一项非常细粒度的模式识别问题, 大豆品种的识别与分类研究尚未引起足够的重视. 传统的手工叶片图像分析方法一般无法刻画不同大豆品种的叶片特征的细微差异, 因此识别率很低. 本文尝试使用深度学习来提取具有强的辨识能力的叶片特征, 以解决大豆的品种识别问题. 我们提出了一种新颖的深度学习模型, 称为目标转换注意力网络(Transformation Attention Network, TAN). 该方法首先通过注意力机制提取细粒度的叶片图像特征, 然后使用仿射变换纠正叶片姿势. 我们构建了一个由240个大豆品种组成的大豆叶片品种图像数据库, 每个品种有10个样本, 以此数据集验证叶片图像模式中品种信息的可用性, 并验证了所提出的深度学习模型对大豆品种识别的有效性. 令人鼓舞的是实验结果证实了叶片图像模式在区分栽培大豆品种方面的有效性, 并证明了所提出的方法优于流行的叶片手工特征提取方法和深度学习方法.

摘要:在软件定义网络(Software-Defined Networking, SDN)中, 由于配置策略的改变导致控制器需要对多个交换机中的流表项进行更新时, 会出现更新不一致的情况. 其内在原因是控制器无法同时对所有交换机完成更新, 不同的更新时延会导致网络状态在逻辑上的不一致, 从而影响数据报文的正确转发. 针对分类时序更新方案应用场景适用性差和更新时延长, 最优化更新方案计算复杂度高等问题, 本文在两者的基础上, 提出基于分类搜索的无环更新一致性方案(Categorical Search based loop-free Consistent Update scheme, CSCU). 方案通过设计交换机分类模型, 并在分类的基础上, 结合节点依赖思想设计环路搜索优化模型, 实现更新时延短, 更新效率高的一致性更新. 仿真结果表明, 本方案有更好的场景适用性和更低的节点操作复杂度, 也有更少的更新轮次和更低的计算复杂度, 可有效提升更新性能.

摘要:为克服传统BP神经网络(BP Neural Network, BPNN)在销售预测中, 预测精度低、收敛速度慢的缺点. 提出了一种基于改进免疫遗传算法(Improved Immune Genetic Algorithm, IIGA)优化BP神经网络的销售预测模型. 改进的免疫遗传算法提出了新的种群初始化方式、抗体浓度的调节机制及自适应交叉算子、变异算子的设计方法, 有效的提高了IIGA的收敛能力和寻优能力. 并用IIGA优化BPNN的初始权值和阈值, 改善网络参数的随机性导致BPNN输出不稳定和易陷入局部极值的缺点. 以某钢铁企业的历史销售数据为例进行实证研究, 利用Matlab分别构建BP、IGA-BP和IIGA-BP神经网络预测模型进行仿真对比分析. 实验证明, IIGA-BP神经网络预测模型较BP神经网络预测模型预测精度提高了23.82%, 较IGA-BP神经网络预测模型预测精度提高了22.02%. IIGA-BP神经网络模型对钢材销售预测的泛化性能更好, 预测效果更稳定误差基本保持在[-0.25, 0.25]之间, 预测精度大幅度提高, 为企业销售预测提供了一种较为有效的方法.

摘要:传统粒子群优化算法容易陷入局部最优解, 搜索效率不高, 针对此问题, 提出了一种基于种群关系和斥力因子的多种群粒子群优化算法SRB-PSO (Swarm-Relation-Based PSO). 根据当前搜索结果定义种群之间统治、对等和被统治3种关系, 通过引入斥力因子来保证种群间搜索的多样性, 并通过统治和被统治关系提高算法的搜索效率, 从而在改善算法的全局搜索性能的同时提高解的质量. 将算法与其他几种主流粒子群优化改进算法在标准测试集上进行对比, 实验结果证明了SRB-PSO算法能较好地保持粒子多样性, 全局搜索能力强, 在解决多峰函数时的性能优于其他几种主流粒子群优化改进算法.

摘要:目前而言, 我国标识识别技术正处于飞速发展阶段, 具体体现在处理精度、再现性、灵活性、适用面、信息压缩等方面, 但是, 在实际发展过程中, 该技术的发展还是受到了实际需求的限制. 深度学习模型运算量大, 难以在轻量级嵌入式设备上运行, 工业生产中噪声种类繁多复杂, 影响识别准确性. 针对上述问题, 本文提出一种基于卷积神经网络的标识识别技术, 利用改进的Canny边缘检测算法, 来增强对边缘信息提取时的鲁棒性, 实现在高噪声环境下对标识牌精准提取. 另外为了进一步提高识别准确率, 本文利用CNN和椭圆拟合相结合的思路, 把模型识别结果和椭圆拟合结果相结合来判别识别的准确性, 在增加少量运算量的同时提高识别准确率.

摘要:判断有向图上两个顶点之间是否存在一条路径是一个经典问题, 而对于一些路由规划和图分析等实际应用, 要求查找是否存在跳数受限的可达路径, 这是一个变种的图可达查询问题. 对于大图上跳数受限的查询算法, 不仅仅要对大图查询的时间效率和空间效率进行权衡, 而且还要利用跳数受限的特性进行优化. 普通的可达查询算法存在小度数顶点索引项占用空间过多的问题, 造成空间浪费严重. 为此我们提出了一种面向跳数受限的2-hop部分索引方法, 采用改进的索引方法并结合局部搜索, 实现跳数受限的有效可达性查询. 实验结果表明, 在Orkut社交网络数据集上与已有算法相比, 该算法索引空间节省了32%, 同时查询时间略微增加, 使得我们算法可以计算更大规模图的跳数受限可达问题.

摘要:心率是反映人体心血管系统状态的重要依据. 基于视频的非接触式心率检测凭借其场景适应能力强、成本低等优势, 得到了广泛应用. 然而, 这种检测方法容易受到光照变化、目标运动等噪声干扰. 针对该问题, 本文提出了一种基于振动相位信号分解的腕部表皮视频心率提取方法, 其核心思想是设计方向选择的复可控金字塔搜索出脉搏信号的带通范围, 使用信噪比进行脉搏信号的感兴趣选择, 使用鲁棒主成分分析从混合信号中分离出脉搏信号, 从而最终实现脉搏信号抗噪的心率检测. 本文自行采集了心率检测数据集, 并使用脉搏检测仪作为真值进行方法验证. 在干扰场景下准确率为97.80%, 与3种主流方法对比准确率提升均大于5%.

摘要:基于异构冗余架构的择多表决机制实现了拟态防御系统的容错机制. 在拟态通用运行环境(Mimic Common Operating Environment, MCOE)中. 由外部表决模块对异构执行体响应数据进行大数表决来实现这一机制. 为完善表决机制, 提高表决速度, 本文提出了基于历史表现安全性和异构置信度的大数表决机制和并行聚类算法. 改进的大数表决机制有效地修补了简单大数表决机制存在的无法产生表决结果以及忽视执行体本身安全性和相关性的问题; 并行聚类算法解决了表决过程中数据闲置的问题, 显著提高了表决速度. 此外为了保证数据比对的可靠性, 本文设计了针对结构化, 非结构化(图像、音频、视频)数据的特定处理流程.

摘要:基于医疗影像的辅助诊断技术正处于快速发展阶段, 但是受医学影像数据量的制约, 使得基于深度学习的建模方法无法向更复杂的模型进行探索. 本文从医学CT影像数据增强方法出发, 概述了医疗影像病灶图像的成像特点, 针对病灶检测及分割任务对现有方法进行了归类总结, 并阐述了当前医学影像检测和分割的难点. 分别从病灶检测相关技术、影像数据增强方法、基于生成对抗网络(Generative Adversarial Network, GAN)的病灶检测方法等方面进行了总结. 最后, 针对医学领域内基于深度学习的数据增强方法: 标准GAN、pix2pixGAN、CycleGAN模型进行了对比分析, 并展望未来医学影像分析领域的发展趋势.

摘要:“工业4.0”的目标之一便是将传统工厂打造成智能工厂, 随着智能工厂的出现, 传统的网络安全无法满足企业及用户的需求. 针对智能工厂及其产品中隐私信息易泄露等安全隐患, 文中结合射频识别技术及区块链技术, 提出一种超轻量级的适用于智能工厂系统的认证方案. 方案将经典的射频识别技术与刚兴起的区块链技术相结合, 即可保证安全的情况下, 减少计算量; 方案基于区块链去中心化的机制实现用户所需安全需求, 基于射频识别中双向认证机制可抵抗常见类型攻击, 具备较高的安全性及计算优势.

摘要:污染物浓度变化趋势对于环境监测工作意义重大. 现今各种前馈神经网络预测模型的输出结果仅与当前输入有关, 无法研究污染物数据前后依赖关系. 且多种污染物具有相同排放源, 污染物间往往存在潜在关联关系, 一种污染物的变化可能反映另一种污染物变化, 所以在预测中需考虑其他敏感参数的影响. 针对上述两个问题, 提出一种基于敏感参数发现的区域重点污染物浓度预测方法. 应用关联规则算法及多元回归分析挖掘出各污染物的敏感参数, 构建多变量LSTM预测模型, 将待预测污染物及其敏感参数作为预测模型特征变量, 进行污染物的浓度预测. 实验结果表明本文方法可有效预测污染物浓度变化趋势, 预测效果优于未经关系发现的LSTM模型.

摘要:针对当前扩展目标跟踪量测划分方法中, 距离划分存在划分数过多、计算复杂度高的问题, 本文将密度峰值快速聚类算法CFSFDP (Clustering by Fast Search and Find of Density Peaks)与箱粒子势概率假设滤波器(Box Cardinalized Probability Hypothesis Density filter, Box-CPHD)相结合, 提出基于CFSFDP的箱粒子CPHD扩展目标滤波算法. 该算法采用CFSFDP进行量测划分, 基于量测信息密度的不同可以有效划分区间量测, 并剔除杂波量测, 然后采用箱粒子CPHD进行预测更新和目标状态估计. 仿真实验表明与经典的距离划分方法相比, 在箱粒子CPHD扩展目标算法流程中采用CFSFDP进行量测预处理, CFSFDP在达到同等效果的前提下, 运行时间明显减少; 在剔除杂波之后的高杂波环境下, 杂波的变化只影响距离划分的运算时间而不再影响CFSFDP划分, 采用CFSFDP处理量测信息可以有效提高运行效率和算法实时性, 剔除杂波之后在一定程度上提高了目标位置估计精度.

摘要:标签传播算法是一种常用的社区发现方法, 具有近似线性的时间复杂度, 但该算法存在随机性和不稳定性. 为了解决标签传播算法存在的准确性低和稳定性差的问题, 本文提出了基于节点重要性与相似性的标签传播算法(Label Propagation Algorithm based on node Importance and Similarity, LPA_IS). 首先, 基于节点重要性提出种子节点集和算法更新序列的获取方法. 其次, 利用节点重要性与相似性提出了一种计算标签综合影响力的方法, 任意节点根据其邻居标签的综合影响力更新自身的标签. 在真实网络和人工合成网络上进行实验, 结果表明, 与其它5种典型标签传播类算法对比, LPA_IS算法能够在一定程度上提高算法的准确性和稳定性, 并且能够减少算法的迭代次数.

摘要:为解决自动织物瑕疵检测算法中, 未知花色织物瑕疵检测困难的问题, 提出了一种基于特征残差的色织物瑕疵检测方法. 首先使用瑕疵织物图像与模板织物图像的瑕疵残差和正常无标注织物图像进行融合, 生成新花色瑕疵织物样本; 然后改进特征提取网络采用共享权值方法, 对瑕疵织物和模板织物提取特征后计算得到特征残差; 最后使用ROIAlign方法将全局上下文信息缩放到和感兴趣区域统一大小后进行特征融合, 对融合特征进行瑕疵分类和位置回归. 实验针对不包含未知花色和包含未知花色的不同测试集分别进行算法测试实验, 结果表明改进后的算法能够较好地消除织物花色对检测结果的影响, 在不包含未知花色的测试集中精度得到了较大的提升, 在包含未知花色的测试集中, 瑕疵检测效果依旧保持不错的精度, 相较于改进前的通用算法, 最终score分别提升了15.4%和16.2%.

摘要:针对细粒度图像分类任务中难以对图中具有鉴别性对象进行有效学习的问题, 本文提出了一种基于注意力机制的弱监督细粒度图像分类算法. 该算法能有效定位和识别细粒度图像中语义敏感特征. 首先在经典卷积神经网络的基础上通过线性融合特征得到对象整体信息的表达, 然后通过视觉注意力机制进一步提取特征中具有鉴别性的细节部分, 获得更完善的细粒度特征表达. 所提算法实现了线性融合和注意力机制的结合, 可看作是多网络分支合作训练共同优化的网络模型, 从而让网络模型对整体信息和局部信息都有更好的表达能力. 在3个公开可用的细粒度识别数据集上进行了验证, 实验结果表明, 所提方法有效性均优于基线方法, 且达到了目前先进的分类水平.

摘要:针对A*算法寻路时间长、生成的路径存在冗余折点的问题, 本文提出一种基于车身稳态转向模型的变步长A*算法, 首先通过设置子目标点的方式调节A*算法的搜索步长, 减少寻路时间; 其次在全局路径的折点处根据车身转向运动学约束进行局部重规划, 从而得到一条易于跟踪的平滑路径; 此外考虑到UGV (Unmanned Ground Vehicle, 无人地面车辆)的实际宽度, 改进后的算法还引入了障碍物延伸策略, 使规划出的路径满足实际工程应用; 最后通过仿真实验验证了本文改进算法的有效性, 并与3种寻路算法进行对比, 结果表明, 本文改进的算法寻路时间更短、生成的路径更平滑, 且与障碍物之间保持了安全距离.

摘要:提出了一种新型协同进化遗传算法. 该算法借鉴了协同进化的思想, 对种群进行分组处理, 每个组根据自己组内个体的优良情况以及个体差异情况采用不同的交叉策略和变异策略. 为防止早熟, 当未触发灾变条件时仅采用自适应策略动态调整变异因子; 当触发灾变条件时, 在采用自适应策略的基础上引入灾变机制产生部分新个体以跳出局部最优, 函数优化结果表明了该算法的有效性. 采用该算法求解以最小化最大完工时间为优化目标的流水车间调度问题, 结果表明, 该算法在收敛速度以及优化结果的准确性都优于传统的遗传算法, 在求解车间调度问题方面具有良好的性能.

摘要:针对近似三角形内点测试法(Approximate Point-In-Triangulation Test, APIT)定位精度与覆盖率不足的问题, 提出了一种基于APIT与遗传算法混合的无线传感器网络定位算法. 该算法通过比较分割法优化APIT算法提高定位精度, 并通过遗传算法提高定位覆盖率. 通过仿真对比分析, 该算法相较于APIT算法定位精度提高21.62%, 定位覆盖率提高4.87%.

摘要:针对行人检测中HOG特征提取速度慢且易忽视细节特征的问题, 提出了一种Gabor特征结合快速HOG特征的行人检测算法. 首先对输入图像进行小波变换, 并引入积分图思想和主成分分析算法快速提取图像HOG特征; 其次融合Gabor小波变换得到的Gabor特征, 最后采用混合特征训练分类器, 实现行人的有效检测. 测试集上的实验结果表明, 在使用相同分类器的情况下, 该混合特征提取方法比单一特征提取方法的检测正确率最多可提高7.37%, 因此所提出的算法可以有效地提高行人检测的精度.

摘要:大数据时代, 电商平台积累了大量用户在平台上的行为数据, 比如浏览、点击、下单和加入购物车等等. 如何使用机器学习算法去探索大数据背后的用户消费喜好和习惯成为了一个新的研究热点. 本文主要在特征工程和模型搭建两个方面对用户购买预测的效果做出提高. 通过深入理解电商业务知识, 利用统计学知识, 分别从用户、商品和评论数据等多个方面的数据构建了115个特征; 在模型搭建方面, 主要设计了一个两层融合模型, 第一层采用了XGBoost、CatBoost和逻辑回归作为基分类器, 从不同的角度考虑用户购买预测, 第二层采用加权平均的方法对基类模型的预测结果进行融合, 其权重由线性分类器学习生成. 实验结果表明该融合模型的F1评分要高于个体分类器, 并且多次实验证明, 融合模型的稳定性也要比个体分类器好.

摘要:针对电信机房空调运行耗电量大, 空调自动控制系统设计困难的问题, 提出了一种规则约束和Dueling-DQN算法相结合的空调节能控制方法. 该方法能根据不同机房环境自适应学习建模, 在保证机房室内温度在规定范围的前提下, 节省空调耗电量. 同时针对实际机房应用场景, 设计节能控制算法中的状态, 动作和奖励函数, 并采用深度强化学习算法Dueling-DQN提高模型表达能力和学习效率. 在电信机房实际验证结果表明: 该控制方法与空调默认设定参数运行相比节能18.3%, 并可以很方便推广到不同环境场景的机房环境中, 为电信机房节能减排提供解决方案.

摘要:本文针对医学脊柱CT图像因骨密度不均匀、骨骼结构复杂或图像成像分辨率低等因素造成的分割精度较低的问题, 提出一种基于卷积-反卷积神经网络的CT图像脊柱分割方法. 通过引入多尺度残差模块及注意力机制改进U-Net网络, 训练特征模型并进行测试. 在真实数据集上的实验结果表明, 该方法能有效提高CT图像中脊柱的分割精度及分割效率, Dice系数评估值为0.97, IOU系数评估值为0.94.

摘要:为满足用户对云端文档动态更新的需求, 支持动态更新的可搜索加密方案成为了研究热点. 但目前已知方案对于索引结构的更新多采用尾部直接插入的方法, 造成了新添加关键字和文档之间关联性的泄露. 为此本文提出一种基于语义分组的动态可搜索加密方案. 首先构建分组平衡二叉树作为索引结构, 通过语义分组减少搜索时访问的节点数, 提高搜索效率. 然后结合分区矩阵的思想, 在矩阵中添加虚拟关键字保证更新时的安全性. 最后通过形式化的证明分析了本文方案的安全性.

摘要:人体姿态估计在许多计算机视觉任务中起着重要的作用, 然而, 由于姿态的多变、光照、遮挡和分辨率低等因素, 它仍然是一个具有挑战性的问题. 利用深层卷积神经网络的高级语义信息是提高人体姿态估计精度的有效途径, 本文提出了一种改进的堆叠沙漏网络, 设计了一个大感受野残差模块和预处理模块来更好地获得人体结构特征, 以此获得丰富的上下文信息, 对部分遮挡、大姿态变化、复杂背景等有较好的效果, 此外, 还对不同阶段的结果进行了融合, 以进一步提高定位精度, 在 MPII 数据集和 LSP 数据集上对本文提出的模型进行实验和验证, 结果证明了本文模型的有效性.

摘要:本文面向光学遥感图像目标检测应用, 针对光学遥感图像中的典型目标—飞机和汽车, 提出一种改进的SSD模型: 首先在SSD (Single Shot multibox Detector)网络模型基础上引入多尺度特征融合模块, 实现深层特征与浅层特征的融合以获得更多的特征上下文信息, 增强网络对目标特征的提取能力; 其次根据数据集目标样本尺寸分布特征进行聚类分析获得更准确的默认目标框参数, 从而有效提升网络对目标位置信息的提取能力. 将本文模型与SSD及YOLOv3模型在常用遥感图像目标检测数据集上进行对比, 目标检测精度均有较大提升, 验证了该模型的有效性.

摘要:针对标准编码解码模型(Encoder-Decoder Model, EDM)对于时间序列数据提取能力弱的问题, 提出一种融合双向长短时记忆网络(Bi-directional Long Short-Term Memory, Bi-LSTM)和注意力机制(Attention)的编码解码模型. 通过Bi-LSTM对输入数据从正反两个方向进行特征提取, 基于注意力机制将所得到的特征根据不同时刻分配不同权重, 根据解码阶段的不同时刻生成相应背景变量, 进而实现对机场客流量的预测. 选取上海虹桥机场为例用该算法进行实验仿真, 实验结果表明, 本文所提方法与RNN、LSTM相比, 平均标准误差降低了57.9%以上, 为机场客流量预测提供了一种新的思路.

摘要:代码管理是软件开发过程的一个重要的环节, 随着软件需求和功能的日益复杂, 多分支开发场景越来越普遍, 使得代码管理的难度直线上升, 分支间代码漏合问题也应运而生, 严重影响了开发的效率和版本的交付质量. 本文根据个人的代码管理经验, 对常用的分支管理模式进行了研究与分析, 并主要基于分支开发、分支发布模式对多分支代码漏合问题进行了解决途径的研究. 实践应用结果表明可以有效避免分支代码漏合问题, 优化代码管理过程, 提高整体代码管理的效率.

摘要:针对经典Unet算法在提取遥感影像中建筑物特征时存在编码信息丢失、对多尺度建筑目标适应性差和上下文特征联系不足的问题, 本研究提出了一种多尺度融合的变形残差金字塔编解码网络. 首先, 引入深度编码网络与下采样旁路网络替换原编码结构, 共同完成对建筑物目标高阶特征信息的提取; 其次, 在编码网络次末端节点引入联合变形卷积的残差金字塔结构, 以提升网络对建筑物多尺度特征和边缘模糊特征的辨识能力; 最后, 将高阶和低阶特征逐层级联融合, 在解码网络末端获取对建筑物的分割结果. 实验结果表明, 改进后模型相比原模型在F1-score和MIOU指标上分别提升了1.6%和2.1%.

摘要:微信是现代互联网的主要应用之一, 到目前为止有关微信流量特性分析与建模的研究较少. 本文以微信流量为研究对象, 分析验证微信流量同时具有自相似性和突发性. 针对这两种特性进行微信流量建模, 采用线性分形稳定噪声模型刻画微信流量特性, 完成了模型的参数估算和效果分析. 本文的研究成果是后续的网络性能分析、网络流量监管等的基础.

摘要:不平衡数据集的应用领域日益广泛, 需求也越来越高, 为提升整体数据集的分类准确率, 以谱聚类欠取样为前提条件, 构建一种自编码网络不平衡数据挖掘方法. 把聚类问题转换成无向图多路径划分问题, 通过无向图与标准化处理完成谱聚类, 经过有选择地欠取样处理多数类数据集, 获取分类边界偏移量, 利用学习过程是无监督学习的自编码网络, 升、降维数据, 获取各维度隐藏特征, 实现各层面的数据高效表示学习, 根据最大均值差异与预设阈值的对比结果, 调整自编码网络, 基于得到的分类界面, 完成不平衡数据挖掘. 选用具有不同实际应用背景的UCI数据集, 从中抽取10组数据作为测试集, 经谱聚类欠取样处理与模拟实验, 发现所提方法大幅提升少数类分类精度与整体挖掘性能, 具有较好的适用性与可行性.