摘要:旅行商问题作为组合优化研究中最具挑战的问题之一, 自被提出以来就引起了学术界的广泛关注并提出了大量的方法来解决它. 蚁群算法是求解复杂组合优化问题的一种启发式仿生进化算法, 是求解旅行商问题的有效手段. 本文分别介绍蚁群算法中几个有代表性的算法, 综述了蚁群算法的改进、融合和应用的文献研究进展, 以评价近年来不同版本的蚁群算法为解决旅行商问题的发展和研究成果, 并针对改进蚁群算法结构框架、算法参数的设置及优化、信息素优化和混合算法等方面, 对现被提出的改进算法进行了分类综述. 对蚁群算法在未来对旅行商问题及其他不同领域的研究内容和研究热点的进一步发展提供了展望和依据.

摘要:协商是人们就某些议题进行交流寻求一致协议的过程. 而自动协商旨在通过协商智能体的使用降低协商成本、提高协商效率并且优化协商结果. 近年来深度强化学习技术开始被运用于自动协商领域并取得了良好的效果, 然而依然存在智能体训练时间较长、特定协商领域依赖、协商信息利用不充分等问题. 为此, 本文提出了一种基于TD3深度强化学习算法的协商策略, 通过预训练降低训练过程的探索成本, 通过优化状态和动作定义提高协商策略的鲁棒性从而适应不同的协商场景, 通过多头语义神经网络和对手偏好预测模块充分利用协商的交互信息. 实验结果表明, 该策略在不同协商环境下都可以很好地完成协商任务.

摘要:非侵入式负荷监测, 是智能用电和节能技术的重要部分, 备受研究者关注. 由于近年来新发展起来的深度学习方法在各种任务所表现出来的优越性能, 目前已有一些代表性深度学习方法被成功用于非侵入式负荷监测中的负荷分解任务. 为了系统地总结深度学习方法在非侵入式负荷监测领域中的研究现状与进展, 拟对近年来面向深度学习的非侵入式负荷监测研究文献进行分析与归纳. 首先对非侵入式负荷监测的框架进行简要概述; 随后介绍了非侵入式负荷监测的特征提取方法和公开数据集, 并重点分析和归纳了非侵入式负荷监测中面向深度学习的负荷分解方法; 最后对该领域存在的一些挑战及机遇进行了展望, 并指出了其未来的研究方向.

摘要:为研究计算机病毒传播对网络系统安全态势的影响, 分析了SIR流行病传播模型与计算机网络安全之间的联系, 提出了一种用于网络安全态势预测的SIPM模型. SIPM模型中加入了节点对不同病毒传播的记忆功能, 支持多种病毒同时在网络中独立进行传播, 并在SIR模型基础上改进了动力学传播方程, 允许单独设置病毒对不同设备节点的感染能力和设备节点对不同病毒的抵御能力, 进而更加贴近真实网络环境. 实验分析使用了典型校园网络架构进行模拟仿真, 结果表明该模型可以从多个方面进行网络安全态势的分析与预测.

摘要:在图像的采集过程中, 图像往往会带有一定的噪声信息, 这些噪声信息会破坏图像的纹理结构, 进而干扰语义分割任务. 现有基于带噪图像的语义分割方法, 大都是采取先去噪再分割的模型. 然而, 这种方式会导致在去噪任务中丢失语义信息, 从而影响分割任务. 为了解决该问题, 提出了一种多尺度多阶段特征融合的带噪图像语义分割的方法, 利用主干网络中各阶段的高级语义信息以及低级图像信息来强化目标轮廓语义信息. 通过构建阶段性协同的分割去噪块, 迭代协同分割和去噪任务, 进而捕获更准确的语义特征. 在PASCAL VOC 2012和Cityscapes数据集上进行了定量评估, 实验结果表明, 在不同方差的噪声干扰下, 模型依旧取得了较好的分割结果.

摘要:在异构Hadoop集群场景中, 为了缓和由于纠删码和副本存储模式混合使用, 以及服务器节点本身实时算力差异造成的MapReduce作业处理效率低下的问题, 本文实现了一种根据数据存储情况和节点实时负载来在多并发场景下动态调节MapReduce作业任务分配情况的调度策略. 该策略通过修改当前Hadoop框架中的数据存储选址策略并对节点任务并发量进行动态控制, 在多作业并发时实现更加均衡的作业间资源分配. 实验结果表明, 相较于Hadoop默认的两种作业调度策略, 本文提出的调度模式能够将作业完成时间缩短约17%, 并有效避免部分作业面临的饥饿现象.

摘要:气象大数据云平台(简称“天擎”)作为省级气象业务的核心系统, 需要保持7×24小时不间断的稳定、高效运行. 针对“天擎”系统运行模块多、处理任务多且复杂, 传统的人工监控模式监控效率低且无法及时发现业务中存在的故障等问题, 本文采用Java、Python和Bash shell语言开发了基于企业微信的“天擎”业务全流程监控告警系统, 该系统通过对“天擎”各个模块业务运行过程中所产生的综合状态信息等进行采集并格式化为监控告警信息, 最终通过企业微信推送至运维人员, 实现了对“天擎”各业务运行模块运行状态的快捷感知. 系统业务运行效果表明, 该系统运行安全可靠稳定, 能够帮助运维人员及时定位系统故障并提高故障处理效率, 在“天擎”数据监控和运行保障方面取得了良好的应用效果.

摘要:针对航空发动机剩余可用寿命(RUL)预测任务中代表性特征提取不充分导致RUL预测精度较低等问题, 提出了一种基于多特征融合的航空发动机RUL预测方法. 利用指数平滑法(ES)降低原始数据中的噪声干扰, 得到相对平稳的特征数据. 使用双向长短期记忆网络(Bi-LSTM)提取特征数据的时序特征, 利用多头注意力机制(Multi-attention)为时序特征赋予权重; 设计卷积长短期记忆网络(Conv-LSTM)提取特征数据的时空特征; 提取特征数据的手工特征并使用Softmax函数计算权重. 设计一个特征融合框架将上述特征进行融合, 然后通过全连接网络回归实现最终RUL预测. 使用C-MAPSS数据集对模型进行仿真验证, 与Bi-LSTM等模型进行对比, 模型RUL预测精度更高, 适应性更好.

摘要:精准识别作物害虫对作物进行适时地防护和治理具有重要意义. 在面向自然环境时, 由于作物害虫体积小、与环境颜色的差异性不大, 同时又面临着各种噪声和复杂背景等因素的影响, 目前与深度学习相关的作物害虫识别模型存在难以兼顾识别准确率和鲁棒性的要求, 难以部署在计算资源有限和低性能的移动端等缺陷. 因此选取ShuffleNetV2网络结构中模型参数最少的ShuffleNetV2 0.5×为基准网络, 设计了一个基于高阶残差和注意力机制的轻量型作物害虫识别模型(HOR-Shuffle-CANet). 其中, 前期的高阶残差可以为后面的网络层提供丰富的害虫特征, 有效提高模型的识别准确率; 坐标注意力(coordinate attention, CA)机制能够进一步抑制背景噪声和对作物害虫重点信息的关注, 有效增强模型的鲁棒性; 带标签平滑正则化(label smoothing regularization, LSR)的双稳态逻辑损失函数可以解决训练含噪数据集时逻辑损失函数的两个缺点, 使得模型对噪声的适应能力更强. 试验结果表明, HOR-Shuffle-CANet模型在自然场景中10类常见作物害虫图像的测试数据集上达到了91.22%的识别准确率, 较基准网络提升了3.54个百分点. 在保持轻量化计算的基础上, 其识别准确率也高于现有的经典卷积神经网络AlexNet、VGG-16、GoogLeNet、Xception、ResNet-34和轻量级网络模型MobileNetV3-Small、EfficientNet-B0等. 该模型具有识别准确率高、鲁棒性强和抗干扰性能好等特点, 能够很好地适应作物害虫识别的实际应用需求.

摘要:风能作为清洁能源为改善我国能源结构发挥着越来越重要的作用. 风电场机组及设备的数据可能会包含机组或风场的隐私敏感信息, 这些隐私数据一旦被泄露, 将会为风电场带来巨大的经济风险和法律风险. 联邦学习作为重要的隐私计算手段, 能够保证原始数据不出本地的情况下完成模型的建模和推理, 实现各参与方在互不泄露隐私的前提下实现联合计算, 从而有效应对风电数据分析面临的挑战. 但是, 联邦学习计算过程中存在大量的通信开销, 这成为限制联邦学习技术在风电场景下应用的关键性能瓶颈. 因此, 本文以经典的联邦学习算法XGBoost为例, 深入分析了联邦学习计算过程中的通信问题, 提出采用RDMA作为底层传输协议的解决方案, 设计并实现了一套高性能联邦学习平台通信库, 有效提升了联邦学习系统的性能.

摘要:针对疫情常态化背景下, 传统体育项目受场地、器材等限制, 市场上相关产品价格昂贵、可扩展性不足等问题, 提出了一种基于实时视频感知的虚拟体育交互系统. 该系统设计视频数据采集模块和人体关节点提取模块, 结合OpenPose获取人体的关节点坐标, 实时捕捉人体手势以及肢体动作. 动作语义理解模块包括运动动作理解和绘图动作理解. 前者根据运动中肢体关节点的相对位置关系, 识别运动动作语义. 后者将手腕部关节点绘图动作轨迹生成为草图图像, 使用AlexNet进行识别分类, 解析为对应的绘制动作语义. 该模型在边缘端设备的分类准确率为98.83%. 采用基于Unity设计的草图游戏应用作为可视化交互界面, 实现在虚拟场景中的运动交互. 该系统使用实时视频感知交互方式实现居家运动健身, 无需其他的外部设备, 具有更强的参与度和趣味性.

摘要:建筑信息模型 (building information modeling, BIM)技术作为建筑业实现信息化数字化转型的核心技术, 在铁路建设全生命周期中具有很高的研究价值. 在铁路通信机械室内、站场、区间设计中, 将铁路通信实体的空间位置、形状、大小、关系等空间形态描述数据化, 结合铁路通信设计规范、相关铁路BIM标准以及专业实际设计需求, 研究开发出铁路通信数字工程设计系统. 本系统以空间形态数据为支撑, 铁路工程实体结构分解标准为基础, 在三维环境下实现了铁路通信机械室内机柜设备的智能布设, 站场通信沟槽线缆的路径规划, 区间通信信息点位置的准确布置. 系统进一步基于数字工程模型和图论基本原理, 实现了从数字工程模型中获取逻辑关系并生成通信逻辑网图. 经实际工程验证, 系统对铁路通信数字工程设计效率和准确率都有较大提升, 从工程源头实现了铁路通信工程数字化成果交付和应用, 促进了铁路通信工程项目全过程技术升级和数字化模式革新.

摘要:老年认知障碍逐渐成为影响老年人生活质量的主要威胁之一, 但是目前针对老年认知障碍群体的预防措施、诊疗技术、医养模式等尚不成熟, 并且缺少能够完整地、分门别类地存储医疗数据的老年认知障碍数据系统, 这便导致了老年认知障碍诊断不准确、认知障碍患者治疗时机延误、认知障碍患者没有得到相应的医养服务等问题. 针对以上问题, 本文设计了一种基于B/S架构的老年认知障碍多维度数据管理系统, 利用FastDFS分布式文件存储系统的功能, 保障了系统数据的安全性和稳定性. 利用递归树结构帮助提取表格数据, 加快筛查速度. 系统的兼容性好, 能够在目前主流的浏览器下稳定运行.

摘要:深度神经网络的对抗鲁棒性研究在图像识别领域具有重要意义, 相关研究聚焦于对抗样本的生成和防御模型鲁棒性增强, 但现有工作缺少对其进行全面和客观的评估. 因而, 一个有效的基准来评估图像分类任务的对抗鲁棒性的系统被建立. 本系统功能主要为榜单评测展示、对抗算法评测以及系统优化管理, 同时利用计算资源调度和容器调度保证评测任务的进行. 本系统不仅能够为多种攻击和防御算法提供动态导入接口, 还能够从攻防算法的相互对抗过程中全方面评测现有算法优劣性.

摘要:工厂环境复杂多变, 存在很多危险区域, 违规进入会给工人的生命健康带来严重的危害. 针对传统的检测方法操作复杂、识别效果差, 提出了一种基于改进YOLOv5s模型的危险区域工人入侵警报系统. 首先将基于SGBM算法双目测距技术融合进YOLOv5s目标检测中, 增加空间距离这一触发条件, 使得工人只有走近摄像头一定范围内才会触发声光报警. 进一步地, 在YOLOv5s中引入注意力机制, 通过对比实验证明了CA模块的引入对模型的平均准确率mAP@0.5提升最明显为1.86%. 结果显示此方法能够较为准确的识别出工人是否进入危险区域, 并进行声光报警, 提醒工人注意, 为工厂安全管理提供了新的手段.

摘要:为解决水面垃圾检测中存在目标形状尺度差异大, 难以区分背景以及目标偏小的问题, 本文提出了一种SPMYOLOv3目标检测算法来实现对水面垃圾的检测. 首先, 对收集到的水面垃圾数据集进行标注, 使用改进的K-means算法对数据集重新聚类, 得到与数据集更匹配的先验框. 其次, 在YOLOv3的主干网络后添加SE-PPM模块, 加强目标的特征信息, 保证目标尺度不变且保留全局信息. 再使用多向金字塔网络对不同尺度的特征图进行融合, 获得携带更加丰富的上下文信息的特征图. 最后使用在损失函数中使用focal loss计算负样本的置信度损失, 抑制了YOLOv3中正负样本不均衡问题. 改进后的算法在水面垃圾数据集上的实验结果表明, 相比于原YOLOv3算法检测精度提升了3.96%.

摘要:股市是金融市场的重要组成部分, 对股票价格预测有着重要的意义. 同时, 深度学习具有强大的数据处理能力, 可以解决金融时间序列的复杂性所带来的问题. 对此, 本文提出一种结合自注意力机制的混合神经网络模型(ATLG). 该模型由长短期记忆网络(LSTM)、门控递归单元(GRU)、自注意力机制构建而成, 用于对股票价格的预测. 实验结果表明: (1)与LSTM、GRU、RNN-LSTM、RNN-GRU等模型相比, ATLG模型的准确率更高; (2)引入自注意力机制使模型更能聚焦于重要时间点的股票特征信息; (3)通过对比, 双层神经网络起到的效果更为明显. (4)通过MACD (moving average convergence and divergence)指标进行回测检验, 获得了53%的收益, 高于同期沪深300的收益. 结果证明了该模型在股票价格预测中的有效性和实用性.

摘要:相对于传统的物流仓库来说, 现在很多的自动化仓库不再使用工人去分拣货物, 而是使用自动引导车完成货物的分拣, 将“从人到货”的工作模式变为“从货到人”, 这种工作模式的转变, 不仅解放了工人的劳动力, 同时还实现了自动化仓库的机械化与自动化的结合, 大幅度地提升工作效率. 自动引导车在自动化仓库分拣货物的过程中一个重要的环节就是路径规划问题. 针对仓库中自动引导车的路径规划问题, 对传统的A*算法提出改进. 传统A*算法规划出来的路线具有路径过长、转折角度较大、路径不够平滑的缺陷. 针对以上缺陷, 提出动态加权以及改变搜索邻域的方法对传统A*算法进行改进, 因此减少了搜索节点, 提高了搜索速度. 同时多次使用高阶贝塞尔曲线对改进后的A*算法规划出来的路线进行平滑处理, 减少了转折点. 最后进行3组仿真实验对比, 证实本文提出的改进是有参考价值的.

摘要:输送带纵向撕裂检测是煤矿安全生产的重要问题之一. 针对矿用输送带纵向撕裂检测存在因数据量不足、损伤形态多样化、极致宽高比而导致的检测精度不足、存在误检与漏检等问题, 本文提出一种改进YOLOv4的输送带纵向撕裂检测算法. 首先, 通过数据增强的方式扩充现有数据, 构建输送带纵向撕裂数据集. 其次, 在主干网络之中添加可变形卷积, 增强模型对多样化损伤形态的特征提取能力. 最后, 在特征融合阶段, 引入跨阶段局部网络(CSPNet)结构, 提升模型对极致宽高比的纵向撕裂检测性能, 进一步降低模型的漏检与误检. 实验结果表明, 输送带纵向撕裂检测准确率达到92.5%, F1分数达到93.1%, 基本满足输送带纵向撕裂检测要求.

摘要:针对疫情防控下人脸识别应用出现人脸漏检、移动端平台的计算能力不足和硬件资源受限等问题, 提出一种YOLOv5改进的轻量级口罩人脸检测模型. 设计轻量化的C3Ghost模块替换原网络中的C3模块以压缩卷积过程的计算量和模型大小, 在主干网络中添加注意力机制以提高网络的特征提取能力, 并改进边框回归损失函数以提高检测速度和精度. 实验结果表明, 改进后的模型计算量和参数量分别降低了29.79%和33.33%, 模型权重文件大小仅有2.8 M, 减轻了对硬件条件的依赖, 同时模型的检测率达到了96.6%, 相比现有轻量级模型优势突出, 能够有效地应用于人脸识别之中.

摘要:实体对齐旨在找到位于不同知识图谱中的等效实体, 是实现知识融合的重要步骤. 当前主流的方法是基于图神经网络的实体对齐方法, 这些方法往往过于依赖图的结构信息, 导致在特定图结构上训练得到的模型不能拓展应用于其他图结构中. 同时, 大多数方法未能充分利用辅助信息, 例如属性信息. 为此, 本文提出了一种基于图注意力网络和属性嵌入的实体对齐方法, 该方法使用图注意力网络对不同的知识图谱进行编码, 引入注意力机制从实体应用到属性, 在对齐阶段将结构嵌入和属性嵌入进行结合实现实体对齐效果的提升. 在现实世界的3个真实数据集上对本文模型进行了验证, 实验结果表明提出的方法在很大程度上优于基准的实体对齐方法.

摘要:船牌号的检测和识别对于港口的智能化管理和解决传统人工方式监管渔船中存在的耗时耗力的问题具有重要意义. 针对船牌悬挂位置, 背景颜色和字符个数不统一等特点, 本文提出两阶段双模型的检测和识别方法. 首先, 提出将双路径网络(dual path networks, DPN)与可微二值化网络(differentiable binarization network, DBNet)相结合的DP-DBNet船牌号位置检测模型. 其次, 提出将多头注意力机制(multi-head-attention mechanism, MHA)与改进的卷积循环神经网络(convolutional recurrent neural network, CRNN)相结合的MHA-CRNN船牌号文字识别模型. 最后, 以烟台芝罘区新型现代化智慧渔港项目为数据来源, 并进行算法对比实验分析; 实验结果表明, 两种模型结合的两阶段识别方法可以使船牌号的识别准确率达到76.39%, 充分证明了该模型的有效性和在海洋港口管理方面的应用价值.

摘要:程序自动修复技术是保证软件质量、提高开发效率的有效手段. 目前, 大多数自动修复工具使用测试用例作为补丁正确性验证的最终方法, 有限的测试用例难以对程序进行充分的测试, 因此自动修复工具生成的补丁集合包含大量的不正确补丁. 为了识别不正确补丁, 我们采用对比缺陷修复前后成功测试的执行路径以及生成测试用例的方法来识别修复补丁的有效性, 以解决自动修复工具精度低的问题. 我们的方法评估了来自6个经典的自动修复工具生成的132个补丁, 并成功地排除了80个不正确的补丁并且没有排除正确的补丁, 这表明我们的方法可以有效地排除不正确补丁, 并且提高自动修复工具的精度.

摘要:随着互联网金融和电子支付业务的高速增长, 由此引发的个人信用问题也呈现与日俱增的态势. 个人信用预测本质上是不平衡的序列二分类问题, 这类问题的数据样本规模大、维度高、数据分布极不平衡. 为了高效区分申请者的信用情况, 本文提出一种基于特征优化和集成学习的个人信用预测方法(PL-SmoteBoost). 该方法在Boosting集成框架下构建个人信用预测模型, 首先利用Pearson相关系数对数据进行初始化分析, 剔除冗余数据; 通过Lasso选取部分特征来减少数据维度, 降低高维风险; 通过SMOTE过采样方法对降维数据的少数类进行线性插值, 以解决类不平衡问题; 最后为了验证算法有效性, 以常用的处理二分类问题的算法作为对比方法, 采用从Kaggle和微软开放数据库下载的高纬度不平衡数据集对算法进行测试, 以AUC作为算法的评价指标, 利用统计检验手段对实验结果进行分析. 结果表明, 相对于其他算法, 本文提出的PL-SmoteBoost算法具有显著优势.

摘要:从有限自动机中生成简短、可读性强的正则表达式是计算机理论研究中的一个重大课题. 在经典的正则表达式生成算法中, 状态序列是影响正则表达式质量的关键因素. 为了能够快速高效地找到较优的状态序列, 本文以食肉植物算法的理论为核心, 并结合其他启发式算法的思想进行设计与优化, 提出了一种基于食肉植物算法的状态序列搜索方法. 通过实验将此方法与已有的一些使用启发式规则的搜索算法进行了对比, 实验结果表明, 基于食肉植物算法的状态序列搜索方法优于其他启发式算法, 生成的正则表达式长度比起其他启发式算法明显缩短, 如跟DM算法相比, 长度的缩短幅度可以随着自动机阶数的增加达到20%以上, 跟随机序列算法相比, 可以把长度缩短多个数量级.

摘要:以高速公路的无人机影像点云数据为研究对象, 提出一种基于双判定因子的道路绿化带分割算法. 首先对点云数据进行串行下采样, 在降低点云数目的同时尽可能多地保留点云特征点; 其次, 对降采样后的点云数据进行正射影校正; 最后, 提出一种结合法向量夹角与 RANSAC 平面分割双判定的点云分割算法, 实现了对高速公路中绿化带的准确分割, 采用绿化带边界提取算法最终实现高速公路环境信息的分割. 以G85高速凤翔段的无人机影像点云作为实验数据, 分别采用本文算法、基于法向量夹角的分割算法、基于RANSAC平面拟合分割算法进行验证. 实验结果表明基于双判定因子的道路绿化带分割算法对环境噪点及离群点有较好的抗干扰性, 可以有效过滤路面高曲率点, 提取结果较好.

摘要:针对骑行者骑行姿势不规范的问题, 提出了一种用于规范骑行的参数化建模方法. 首先, 创建人体模型和自行车模型, 定义底层参数、中间层参数和高层参数, 实现模型参数化; 其次, 对骑行过程进行受力分析, 建立动力学模型, 保证虚拟骑行符合自然运动规律; 最后, 建立人体上下肢参数与自行车参数间约束关系, 实现人体关节协调运动. 对骑行过程进行运动仿真, 实验结果表明, 该方法能够为骑行者提供正确的姿势指导.

摘要:机制砂是由碎石或者砾石经制砂机反复破碎加工至粒径小于2.36 mm的人工砂. 在实验中把机制砂中的石粉含量和含泥量称为细粉含量, 细粉含量表征机制砂的洁净程度. 本文提出了一种基于XGBoost网络的机制砂细粉含量预测方法. 首先, 利用完全封闭的图像采集设备对机制砂细粉制成的溶液进行图像采集, 保证外界光线不会对图像拍照造成影响, 之后进行图片裁剪、读取RGB值、转LCH颜色空间等预处理, 然后构建XGBoost网络模型, 通过贝叶斯原理进行参数的循环迭代, 之后进行模型优化, 使模型的r2_score更高, 最终实现对机制砂细粉含量的预测. 结果表明: 该模型预测的数据的r2_score可以达到0.967 762, 相比于传统的多元线性回归模型、BP神经网络、传统XGBoost网络预测的r2_score为0.896 144、0.914 598、0.950 670, 预测精度有明显提高. 在实际应用中, 该方法可以缩短机制砂细粉含量测量时间, 简化机制砂细粉含量测量步骤, 是一种新型的预测机制砂细粉含量的方法.

摘要:针对在检测火焰和烟雾的火灾检测过程中存在火灾初期小目标难以检测的情况, 本文提出了一种基于自然指数损失(eCIoU)的改进YOLOX-nano (ASe-YOLOX-nano)目标检测算法. 首先, 提出一种新的目标检测函数eIoU损失函数来替代传统IoU损失, 解决在检测小目标时预测框和真实框易出现无交集的情况, 及无法反应宽高影响等问题. 其次, 在网络模型中引入注意力模块, 在网络初期模糊定位目标位置, 提高网络后期对目标尤其是小目标检测的准确性. 此外, 本文还采用软池化空间金字塔池化结构提取不同尺寸的空间特征信息, 可以提升模型对于空间布局和物体变性的鲁棒性, 因此目标较小时也可以提取充足的特征, 采用Mosaic增强技术预处理数据集, 提升模型的泛化能力, 以此进一步提高网络性能. 通过目标数据集进行对比验证, 其结果显示, mAP指标达到70.07%, 比原模型提高了3.46%, 火焰的准确率达到84.66%, 烟雾的达到74.56%, FPS能够稳定在73, 相对于传统YOLOX-nano算法拥有更好的火灾检测能力.

摘要:针对目前城市马拉松路线人工规划效率低下的问题, 本文采用贪心和回溯算法进行城市马拉松路线智能规划, 具体方法是: 通过城市路网信息构建由经纬度坐标点拓扑关系连接而成的路网, 采用贪心和回溯算法对坐标点进行遍历搜索, 结合城市马拉松路线特殊要求, 运用直接逼近、启发式远离、启发式靠近和方向预估等策略实现路线的智能规划. 在此基础上, 提出一种综合POI热度值、道路宽度适宜度、路线畅通指数、过弯舒适度以及POI密集度5个维度的马拉松路线评估方法. 最后, 开展了北京、合肥马拉松人工和智能规划路线对比分析, 结果表明所采用的方法可快速高效实现马拉松路线规划.

摘要:为了实现灰度图像增强最佳参数的自动寻优, 提出一种改进飞鼠搜索算法的自适应图像增强方法. 在普通树上的飞鼠位置更新中引入双向搜索策略, 提高获得最好解的可能性; 利用螺旋觅食策略更新位于橡子树上的飞鼠位置, 提升算法的收敛速度和搜索精度. 在CEC 2017测试集上, 将所提算法BCSSA与蝙蝠算法、鲸鱼优化算法、基本的SSA和2种改进的SSA进行对比分析, 结果表明, BCSSA具有更高的稳定性和更快的收敛速度. 最后, 将所提出的BCSSA应用于灰度图像增强, 与经典的直方图均衡化方法和SSA进行了4种评价指标的性能比较, 证明了BCSSA的优越性.

摘要:传统的三维密集字幕方法存在未充分考虑上下文信息、点云特征信息丢失以及隐藏状态信息量单一等问题. 为了应对这些挑战, 提出了多层级上下文投票网络, 该网络在投票过程中使用自注意力机制捕获点云的上下文信息并加以多层级利用, 提升检测对象的准确率. 同时, 还设计了隐藏状态-注意力时序融合模块, 将当前时刻隐藏状态融合与前一时刻注意力结果融合, 丰富隐藏状态信息量, 从而提高模型表达能力. 除此之外, 采用“两阶段”训练方法, 有效过滤掉生成的低质量对象提案, 增强描述效果. 在官方数据集ScanNet和ScanRefer上的大量实验表明, 该方法与基线方法相比取得了更有竞争力的结果.

摘要:近年来, 数字人文受到广泛关注, 数字人文环境下的词命名实体识别研究日渐兴起, 但鲜有研究从字特征的特征表示能力、分词的准确性、领域知识的有效性等方面进行探究. 鉴于此, 针对汉字的象形文字特点和词文本的特殊性, 在字特征的基础上, 引入部首特征、格律特征和声韵特征, 提出特征增强单元和特征抽取单元, 并将词牌知识三元组通过ANALOGY得到的知识向量表示为词牌知识向量, 通过双向长短时记忆网络、注意力机制等模型将部首向量、字向量、格律向量、声韵向量、词牌知识向量进行深度融合, 最终构建出融入多特征的词命名实体识别方法. 在《花间集全译》自制语料上的对比实验和消融实验的结果表明, 本文所提方法能够有效利用多特征提升词命名实体识别性能. 其F1值达到了85.63%, 完成了词命名实体识别任务.

摘要:鱼类的探索与保护是保持海洋生态环境平衡的重要一环, 然而水下环境复杂, 受光照、水质以及遮挡物的影响, 造成水下捕捉鱼类图像成像模糊识别困难, 制约水下鱼类目标的检测速度以及检测精度. 针对以上问题, 提出了一种基于改进FCOS的海洋鱼类识别模型. 首先, 该模型以一阶段算法FCOS为基本架构, 使用轻量级的MobileNetv2作为骨干网络, 既保证检测准确度, 还可以提高检测; 其次, 引入自适应空间特征融合(adaptively spatial feature fusion, ASFF)模块, 避免尺度特征的不一致性, 提高检测精度; 最后, 将center-ness分支引入到回归分支中, 引入联合交并比损失(GIoU loss, generalized intersection over union)提高检测的性能. 实验数据集使用公开数据集Fish4Knowledge (F4K)中的图片以及视频帧截取图片, 选取训练性能最优模型进行评估. 结果表明, 提出的新模型在以上数据集的平均检测精度分别为99.79%、99.88%, 相较于原模型以及其他检测模型本文提出模型的检测精度与识别速度更高, 可为海洋鱼类识别提供参考依据.

摘要:电力监控系统是电力行业最重要的生产管理系统. 作为电力监控系统的重要组成部分, 缺少电网约束力的用户站将会成为网络攻击的重要目标. 为及时感知用户站侧网络攻击事件, 提出了一种结合用户站侧随机域名实时检测和主动防御的方法. 使用胶囊网络(CapsNet)结合长短期记忆网络(LSTM)对流量数据中提取的域名进行二分类, 当检测到随机域名时, 通过远程终端协议(Telnet)对路由器和交换机下发指令更新其安全策略或关闭路由器和交换机的业务接口以阻断网络攻击. 实验结果表明, 使用CapsNet结合LSTM分类算法在随机域名检测中准确率达到99.16%, 召回率达到98%, 通过Telnet协议可以联动路由器和交换机在不中断业务的情况下做出主动防御.

摘要:时变图连通分量已经被广泛应用到不同场景, 如交通路网建设、推荐系统的信息推送等. 然而当前多数连通分量求解方法忽视了NUMA体系结构对计算效率产生的影响, 即过高的远程内存访问延迟导致低下的算法执行效率. 本文针对时变图的弱连通分量求解问题, 提出一种基于NUMA延迟发送的时变图弱连通分量求解方法, 它通过合理的数据内存布局, 合理控制NUMA节点间的信息交换次数, 最大限度减少远程内存访问数量, 显著提高了算法执行效率. 实验结果表明, 该方法的性能明显优于当前流行的图处理系统Ligra和Polymer提供的方法.

摘要:在无人机路径规划问题中, 传统算法存在计算复杂与收敛慢等缺点, 粒子群优化算法(PSO)得益于其算法原理简单、通用性强、搜索全面等特性, 现多用于无人机航路规划. 然而, 常规PSO算法容易陷入局部最优, 本文在优化调整自适应参数的基础上综合引入全局极值变异与加速度项, 以平衡全局和局部搜索效率, 避免种群陷入“早熟”. 对基准测试函数进行测试的结果表明, 本文所提改进PSO算法收敛速度更快, 精度更高. 在实例验证部分, 首先提取飞行场景特征, 结合无人机性能约束, 进行环境建模; 然后将多项运行约束和期望的最小化飞行时间均转化为罚函数, 以最小化罚函数作为目标, 构建无人机飞行任务场景下的航路规划模型, 并利用本文所提改进粒子群算法进行求解, 最后通过对比仿真验证了改进粒子群算法的高效性和实用性.

摘要:银行客户申请信用贷款在授信通过后, 精准预测客户是否用信及分析影响客户用信的关键因素, 对提高银行客户服务能力及盈利能力具有重要意义. 目前, 机器学习算法鲜有在用信预测方面的应用, 且金融用信领域缺乏模型可解释性的研究, 为此提出一种基于CatBoost的TreeSHAP解释性用信预测模型. 通过CatBoost构建用信预测模型, 利用3种超参数优化算法对该模型进行对比优化, 与基线模型在4项主要性能指标上进行实验对比, 结果表明经TPE算法优化后的模型性能均优于其他模型, 然后结合TreeSHAP方法从全局和局部的层面增强模型的可解释性, 解释性分析客户用信的影响因素, 为银行对客户进行精准化营销提供决策依据.

摘要:为了快速有效地从热像仪采集的温度数据中识别出电机的运行故障, 本文根据随机失活、非线性小波变换系数增强(NLWTCE)和卷积神经网络算法相结合对电机图像进行识别. 首先根据热像仪采集的数据建立电机的图像数据集, 通过非线性小波变换(NLWT)将数据进行图像增强, 然后构建改进的卷积神经网络(ICNN)模型, 将提取的特征作为最终的识别特征来进行图像识别, 最后根据与正常电机图像作比较, 识别出故障的电机图像, 实现了有效、准确的识别故障电机图像与正常电机图像. 实验结果表明, 改进的卷积神经网络模型不仅具有较高的识别准确率, 也进一步简化了提取图像特征的复杂过程. 该方法的有效性和合理性得到了验证, 并适用于工程运用中.