课程文献中心 更多>>

关键词： 最短路径   初中数学   数形结合  

摘要： 最短路径问题不仅是初中数学学习的重难点,也是中考的高频考点.由于其变式题型很多,因此学生在解题时常常感到吃力.除了考题中经常出现的与动点有关的题型,最短路径问题也涉及三角形、平面直角坐标系等.为了帮助学生更加透彻理解该类问题,本文对不同情形下最短路径问题进行探讨和分析.

关键词： 机器视觉   芒果分级   图像压缩   神经网络   遗传算法   小波变换  

摘要： 针对基于机器视觉的芒果质量分级系统,所采集的图像样本多、数据量大,给处理、传输和存储的软硬件系统所带来的问题,结合小波变换对遗传神经网络图像压缩算法进行改进。首先对芒果图像进行小波变换,提取低频系数输入神经网络中;然后采用遗传算法优化以解决BP神经网络易陷入局部最优的问题,但因不变的交叉概率和变异概率使遗传算法存在收敛到局部最优的缺陷,因此按照个体适应度的集中与分散程度自适应地调整交叉概率与变异概率,使得算法的寻优性能得到改善;最后建立基于优化网络的芒果图像压缩模型。实验结果表明,所提出的压缩算法与BP、GA-BP、IAGA-BP压缩算法相比,在获得高压缩比的同时重建图像效果好、保真度高,峰值信噪比有一定的提高。

关键词： 非期望产出EBM模型   绿色低碳发展   空间关联   最小生成树   QAP方法  

摘要： 物流基础设施网络完善和物流低碳转型需求增加,使物流绿色低碳发展表现出明显的空间关联特征,全面评估物流绿色低碳发展的空间关联效应及成因,对促进物流低碳转型和区域协同发展具有重要意义.基于非期望产出全局EBM模型测度中国各省物流绿色低碳发展水平并揭示其空间关联效应和影响因素.结果表明:①省际物流绿色低碳发展水平呈现复杂、多线程的空间关联网络,各地区存在显著的空间溢出效应,空间关联网络的通达性和稳定性较好;②省际间物流绿色低碳发展的溢出和受益格局不平衡,东部物流能源消耗和污染产出较低,在低碳物流发展上形成领跑优势,中西部聚集高能耗高污染产业,是绿色低碳发展的关键地区,处于吸收邻近地区绿色物流经济活动的受益阶段;③京津冀、华南和西部陆海新通道沿线省份为经纪人板块,是实现物流高质量发展的重要枢纽,华东和东部沿海为双向溢出板块,处于物流绿色升级的关键阶段,在板块内外起双向“引领”作用,西部为主受益板块,承接东部产业转移,处于绿色技术吸收改进阶段,溢出能力有限;④交通关联密切地区在物流低碳发展上存在竞争效应,产业结构、交通基础设施和政府支持的地区差异增强物流绿色低碳发展的溢出和流动,相似的物流集聚和节能技术水平有助于物流低碳发展空间关联网络的形成.上述研究为明确各省物流绿色低碳发展程度及区域间的受益和溢出通道,有效发挥交通基础设施和节能技术手段,实现物流绿色低碳区域联动和协同提升提供借鉴参考.

关键词： 自动驾驶   环境感知   决策算法   深度学习   强化学习  

摘要： 在真实驾驶环境中,由于感知数据的噪声和其他交通参与者难以预测的行为意图,自动驾驶汽车如何在高度交互的复杂驾驶环境中考虑不确定性因素的影响,做出合理的决策,是当前决策规划系统须解决的主要问题之一。本文围绕自动驾驶环境感知中的鲁棒性、语义理解、不确定性等关键问题展开分析,对比了视觉、激光雷达、多传感器融合等感知技术的优劣,探讨了基于分层决策、强化学习的自动驾驶决策算法改进策略,为自动驾驶技术在复杂城市环境中的应用提供参考。

关键词： 肺结节   术前定位   微变放大   计算机视觉   多尺度检测  

摘要： 目的开发一种能够帮助医师定位肺结节的新型识别算法。方法纳入2023年12月于南京大学医学院附属鼓楼医院胸外科行胸腔镜手术的肺结节患者。采集患者60帧/s帧率、1920×1080分辨率的胸腔镜肺表面探查数据,并以定间隔保存帧图像,对帧进行分块处理。用以上数据构建一个针对肺部结节识别的算法数据库。结果共纳入16例患者,其中男9例、女7例,平均年龄(54.9±14.9)岁。在经过优化的多拓扑卷积网络模型中,测试结果显示准确识别率达94.39%。进一步通过整合微变放大技术的卷积网络模型,在识别肺部结节方面的准确率提高至96.90%。将这2个模型的表现综合评估,整体的识别准确率达95.59%。据此,我们推断所提出的网络模型适用于肺部结节的识别任务,且融合微变放大技术的卷积网络在准确率上表现更为优异。结论我们提出的技术模型能够显著提高肺部结节识别的精度和定位准确度并帮助术者在胸腔镜手术过程中定位肺结节。

关键词： 异常检测   深度学习   物联网数据   数据去噪   归一化处理  

摘要： 提出了基于深度学习的农业物联网数据异常检测算法研究,通过对初始数据进行清洗、去噪和归一化处理等方法,实现数据的预处理。通过计算数据的平均频率、频率标准差、均方根频率和重心频率等数值,提取出异常数据特征。结合上述特征,利用深度学习的方法完成数据比对。最后通过切分数据库的方式,结合数据比对结果完成异常数据的输出。针对上述设计进行实验,实验结果显示,基于深度学习的农业物联网数据异常检测算法所计算出的RMSE均在0.3以下,且检测后数据库离散点数量与实际离散点数量相差在5以内。

关键词： STL文件   三角网格   Hash_Set容器   拓扑重建   冗余去除  

摘要： 针对立体光刻(STL)文件由于从几何模型分裂形成三角网格过程中存在大量顶点、棱边冗余数据,且图形要素间无拓扑关系,导致数据存储量大、搜索速度慢等问题,基于Hash_Set容器的哈希表底层结构,依据STL文件中点、边、面数据的相关性,通过重写点、边、面插入搜索数据时的数据结构,重建STL文件的拓扑结构,对原文件中的冗余数据进行了有效剔除,较大地降低了数据存储量,减少了数据搜索处理时间,实验结果表明,在相同条件下所提出算法与基于set容器和哈希表算法相比,数据处理效率提高大约(20~30)%。

关键词： 自适应滤波   最小均方算法   Rayleigh分布曲线   混合权系数   电磁干扰  

摘要： 针对已有变步长LMS自适应滤波算法无法兼顾收敛速度、跟踪性能和稳态误差的局限性,提出了一种基于Rayleigh分布曲线的混合权系数变步长LMS算法。详细讨论了新的变步长函数中参数α、β、γ和混合滤波权系数W(n)对所提算法性能的影响以及抗干扰性分析。仿真与实测结果表明,所提算法在减少计算复杂度的同时,将收敛速度提升了至少12%,且在不同信噪比下均展现出良好的收敛速度、跟踪性能和稳态误差。所提算法适用于复杂环境中的电磁干扰消除。

关键词： 红外图像   YOLOv11n   过热故障检测   CCFM   C3k2-SAConv   C2BF  

摘要： 针对背景复杂的变电站电力设备过热故障红外图像难以检测的问题,提出了改进你只看一次11纳米版(you only look once version 11 nano, YOLOv11n)算法。首先,采用轻量级跨尺度特征融合模块(cross-scale feature fusion module, CCFM)改进原有颈部网络,以实现对特征通道信息的高效整合并降低参数量;其次,引入具有可切换空洞卷积的2次跨阶段3卷积可变核(cross stage partial with three-convolution blocks of variable kernel size two-switchable atrous convolution, C3k2-SAConv)模块替换整个网络的C3k2模块,提升了算法的特征提取能力;最后,使用具有双层路由注意力视觉转换器的跨阶段双卷积(cross stage partial with two convolutions and vision transformer of bi-level routing attention, C2BF)模块替换跨阶段双卷积逐点空间注意力(cross stage partial with two convolutions and pointwise spatial attention, C2PSA)模块,提升了算法在复杂环境下对红外图像的检测准确度。结果表明,相较于原始YOLOv11n算法,改进YOLOv11n算法的参数量减少了22.1%;精确率、召回率、平均精确率均值分别达到91.1%、85.5%、90.9%,各自提升了3.0、2.6、2.8个百分点;检测速度达到128.2帧/s。改进YOLOv11n算法能实现对电力设备过热故障红外图像的有效检测,可满足算法轻量化与实时性检测的要求。

关键词： 深度学习算法   档案信息   大数据分类  

摘要： 随着信息技术的迅猛发展,档案信息大数据的规模急剧增长,传统分类方法难以满足高效、准确处理档案信息大数据分类需求。本研究将深度学习算法应用在档案信息大数据分类中,首先从多种渠道收集档案信息数据,然后使用数据归一化将档案信息大数据映射到特定的区间,并将每个特征子空间采用超采样方法。实验结果表明:迭代次数为800次时,准确率及召回率高达98.3%及97.3%,较迭代次数200次增加11.95%及23.94%,增加幅度较大,表明深度学习模型可有效识别档案信息数据的主要特征,能够对大部分样本进行正确分类;深度学习算法数据分类时间为65.2 ms,较蚁群算法与遗传算法分别下降6.89%、17.72%,表明深度学习模型的数据分类性能较好,可以在较短时间内对数据进行分类。