课程文献中心 更多>>

关键词： 火灾检测   YOLOv8   无人机(UAV)   动态蛇形卷积   注意力机制   SIoU  

摘要： 在林业管理中,及时发现火灾并识别其规模对于安全防护和治理火灾至关重要。针对现有火灾检测算法存在的精度低、漏检误检和实时性不足等问题,提出一种无人机航拍图像下火灾实时检测算法——MDSYOLOv8。以YOLOv8为基线算法,将骨干网络第7层卷积模块和颈部网络卷积模块替换成动态蛇形卷积(DSConv),提高算法的特征提取性能,并强化算法对微小特征的学习能力;然后在颈部与检测头之间添加多维协作注意力机制(MCA),加强颈部特征融合,增强算法对小目标的检测能力,并抑制无关背景信息;最后使用SIoU损失函数替换原YOLOv8中的CIoU损失函数,加快算法的收敛速度和回归精度。实验结果表明,MDSYOLOv8在公开数据集KMU上对烟雾目标的检测精度mAP达到95.89%,相较于基线YOLOv8提高了3.33个百分点,具有卓越的检测性能。此外,本研究采集互联网上的无人机航拍火灾图像制作UFF(UAV field fire)数据集,主要对象为火焰和烟雾,包含森林和城市等火灾隐患可能发生场景。在自制数据集UFF上进行深度实验分析,MDSYOLOv8的检测精度达到93.98%,检测速度为54帧/s,并且能同时识别烟雾和火焰两种火灾场景中的主要目标,与主流目标检测方法相比,在检测精度和效率方面均展现出明显优势,更加契合航拍场景下的火灾检测应用。

关键词： 地电化学   随机森林模型   找矿预测   木绒锂矿   川西  

摘要： 随机森林算法具有能处理高维数据和缺失值,及对小训练样本集具有较高预测效果等优点,因而非常适合勘查地球化学相关的数据处理。本文以川西木绒锂矿区及外围为研究对象,利用地电化学技术采集到的地电化学数据,运用随机森林算法构建该区的找矿模型。将已知区地电化学技术采集到的Li元素及与其相关性强的Rb、Cs、Th元素和F1(Li-Rb-Cs-Th)组合元素作为训练指标对模型进行训练,得到本矿区的最佳随机森林模型,并对预测区的样本数据进行预测。经过多次对模型的训练,使已知区训练集和测试集的AUC值均大于80%,将模型运用于预测区,成功圈定了2处靶区。为检验靶区的准确性,对比Li、Rb、Cs、Th的单元素异常图及F1(Li-Rb-Cs-Th)组合元素异常图,所得到的综合异常区域与模型靶区位置一致,表明该随机森林算法预测模型具有较高的准确率,为川西木绒锂矿床的勘探工作提供了新的找矿方向。

关键词： 算法赋能   中华民族共同体意识   历史记忆   涉民族因素议题  

摘要： 作为一种新型生产力形态,智能算法提高了信息处理和分发的效率,为网络空间铸牢中华民族共同体意识提供了新机遇。从价值机理看,智能算法在巩固铸牢中华民族共同体意识的文化记忆、夯实铸牢中华民族共同体意识的思想基础、奠定铸牢中华民族共同体意识的情感基调等方面发挥着重要作用。从风险困囿看,算法滥用带来的算法偏见、算法牢笼、算法崇拜等风险严重阻碍着智能算法赋能效果的实现。具体表现为:“娱乐成瘾”侵蚀中华民族共同体生活叙事的阐释力、“信息茧房”削弱中华民族共同体学理叙事的传播力、“深度伪造”扰乱中华民族共同体历史叙事的权威力。对此,从价值层面引领算法,壮大官方主流媒体内容供给的影响力;从制度层面规范算法,强化算法信息推送服务的法律约束力;从技术层面优化算法,增强算法逻辑缺陷和安全漏洞的修复力;从主体层面驾驭算法,提升受众对网络舆情信息的反思鉴别力。

关键词： 局部放电   声源定位   传声器阵列   低秩稀疏分解   相位变换加权可控响应功率  

摘要： 为了提高相位变换加权可控响应功率(SRP-PHAT)算法在低信噪比(SNR)情况下对电气设备局部放电声源的定位性能,提出了一种基于矩阵低秩稀疏分解的改进算法。改进算法将所有传声器对信号的互功率谱组成广义互谱矩阵,对该互谱矩阵进行低秩稀疏分解得到一个低秩矩阵和一个稀疏矩阵。从低秩矩阵中取出相应元素作为所有传声器对信号的互功率谱,再由此互功率谱计算可控响应功率(SRP)函数值。通过仿真以及实验对所提算法进行验证,结果表明在低SNR情况下,相比于传统SRP-PHAT算法,改进算法的方位角和仰角定位误差分别平均减小了4.9°和4.5°。改进后的算法对噪声具有更强的鲁棒性,对电气设备局部放电定位具有较高的应用价值。

关键词： 强化学习   多功能雷达   飞行器轨迹防护   干扰策略   马尔科夫链  

摘要： 针对飞行器携带干扰模块在复杂电磁环境中合理利用航迹规避使自身突防能力最大化的问题,提出了一种基于强化学习算法的飞行器轨迹防护及干扰策略生成方法。电磁对抗背景选取多部S、C波段雷达,计算回波信号经过抗干扰模块处理后信噪比,并嵌套SwerlingII及概率准则模型研究一定虚警下飞行器轨迹防护及干扰策略分配问题。选取基于马尔科夫链的Sarsa、深度Q网络(Deep Q-Network,DQN)、Dueling-DQN算法,引入航迹评价与干扰效果评价组成的目标函数进行优化。通过比较其航迹规划效果、雷达进入跟踪模式概率、飞行器动作分配结果,证实了采用强化学习算法的飞行器可以在与环境的认知过程中,通过自身航迹规划及干扰策略生成避免雷达进入制导模式,与固定航迹下干扰资源分配相比有效提升了飞行器的自身防护能力。最后,比较雷达进入跟踪模式概率,可以发现DQN算法要优于其他两种算法。

关键词： 蜜獾优化算法   螺旋搜索策略   柯西变异   全局最优解   测试函数   秩和检验  

摘要： 针对蜜獾优化算法收敛速度不够快、容易陷入局部最优解和全局搜索能力不够强的问题,提出一种混合改进的蜜獾优化算法(HIHBA)。融入螺旋搜索策略,通过螺旋搜索逐步增加搜索半径和搜索角度,使得算法能够更广泛地搜索整个解空间,从而跳出局部最优解,更快地找到全局最优解;引入柯西变异策略进一步增强算法的全局搜索能力。对改进后的HIHBA算法与其他算法在8个基准函数上进行相同条件的对比测试,并通过Wilcoxon秩和检验进一步验证其性能。仿真结果表明,HIHBA在收敛速度和收敛精度上取得了显著的提升,与其他算法相比具有更强的竞争力和更优越的综合性能。

关键词： 声源定位   稀疏贝叶斯学习   离网模型   网格演化  

摘要： 水下远近场混合源定位算法的定位精度往往受到采样网格的限制,粗糙的网格在降低精度的同时可能导致近场声信号功率泄露至远场,恶化远场测向结果;细密的网格使算法计算复杂度剧增,影响算法的计算效率与实用性。为此提出了一种稀疏贝叶斯学习远近场混合源离网定位算法。该算法通过建立水下声信号远近场离网模型,利用稀疏贝叶斯学习过程实现离网误差的估计与补偿,从而突破网格限制,获得更高精度的定位结果。在此基础上,还提出了一种提高计算效率的网格演化方法,该方法根据离网误差估计结果引导网格点在声源位置附近细化,实现了网格点有侧重、非均匀地覆盖感兴趣空域,有效降低了算法计算复杂度。仿真和湖试数据处理结果表明,与现有稀疏贝叶斯学习远近场混合源定位算法相比,所提算法具有更高的定位精度、分辨率和计算效率。

关键词： 推荐算法   图卷积网络   协同过滤   自适应权重   随机负采样  

摘要： 推荐算法能够有效提升信息传递效率。目前,基于图卷积网络(GCN)的协同过滤推荐模型通常未考虑每个节点所扮演角色具有不同的重要性和权重;此外,在模型损失优化过程中容易出现样本不平衡,负样本远多于正样本,导致模型存在一定程度上的过拟合问题,限制了推荐性能。为了更好地提高推荐算法的推荐性能,提出一种基于自适应权重和随机负采样的图卷积网络推荐模型(ANS-GCN)。该模型可以在模块中计算节点权重,以捕获不同节点的重要性权重,是一种方便的即插即用方法;在损失优化模块融合了随机负采样策略作为辅助损失,缓解训练过程中样本类别不平衡问题,降低模型过拟合程度,提高泛化能力。在3个公开数据集上进行对比试验,结果表明,本文模型在Recall@20和NDCG@20两个评价指标上均优于基线模型。

关键词： 准单调变分不等式   不动点   半压缩映射   多步惯性   强收敛性  

摘要： 在Hilbert空间中构造了新的多步惯性次梯度外梯度算法,用以加快逼近准单调变分不等式解集和半压缩映射的不动点集的公共元的速度。在适当的假设条件下,利用零点半闭原理和投影算子技巧证明了由该算法所生成的序列强收敛到准单调变分不等式解集和半压缩映射的不动点集的公共元。最后给出具体的数值实验,检验了该迭代算法的可行性和有效性。文章所得结果推广和改进了一些最新文献的相关结果。

关键词： 图像超分辨率   Transformer   轻量化   注意力  

摘要： 基于Transformer的算法在图像超分辨率领域取得的重要性能突破,得益于其捕捉图像中长程依赖关系的强大能力.然而,繁重的计算成本和高GPU显存消耗限制了其在实际中的应用,于是提出了一种基于轻量化Transformer的高效图像超分辨率算法——LISRFormer.该算法引入轻量化Transformer,在捕捉长程依赖关系的同时将复杂度从现有的二次方降为线性.通过跨通道计算交叉协方差,得到可应用于大尺寸图像的转置注意力图.层归一化仅作用于查询和键分支,以保留重要的输入特征.此外,还设计了一种高效门控深度卷积前馈网络(EGDFN),作为Transformer中的前馈网络,进一步恢复准确的纹理信息.在基准数据集上进行的大量定量和定性实验表明,该算法在计算成本和图像重建质量方面优于现有轻量化图像超分辨率算法.