课程文献中心 更多>>

关键词： 序列比对   PAR方法   形式构造   Isabelle定理证明器  

摘要： 序列比对是生物序列分析中的一个经典问题,旨在找出序列之间的相似性,它对于发现生物序列中的功能、结构和进化信息都具有重要的意义.该问题可分为双序列比对和多序列比对2类,现有工作多针对特定算法展开,没有设计通用的求解方法;此外,甚少涉及算法可信性的研究.从生物序列比对问题的形式化规约出发,通过深入分析问题的性质,刻画问题求解的本质特征,借助形式化方法PAR(partition andrecursion)设计了序列比对动态规划算法的统一构造框架seqAlign;展示了应用该框架构造序列数为3的多序列比对算法的过程,并使用Isabelle定理证明器对构造结果进行形式化验证;利用PAR平台生成了该算法的C++可执行程序,进一步分析了由seqAlign框架机械化构造其他类型序列比对算法的过程.通过严密的规约精化和形式验证,有效地保证了生成算法的可信性;开发的seqAlign框架提供了序列比对问题类的通用求解方案,显著提高了序列比对算法族生成的效率.研究结果在生物序列分析中序列比对问题上的成功应用,从方法学和实践上可为复杂生物信息学领域高可靠算法的构造提供参考.

关键词： 三维激光雷达   点云配准   双约束特征提取   ICP算法  

摘要： 最近点迭代(iterative closest point,ICP)算法是一种最经典的点云配准算法,该算法对初始位置要求高且计算速度慢,而基于特征提取的改进方法因特征点数量不足或缺乏代表性导致配准精度低,对此提出基于双约束特征提取的改进ICP配准算法。首先,利用法向量夹角和内部形状特征(intrinsic shape signatures,ISS)提取特征点,通过相互补充的两个约束提取更具代表性的特征点;再用三维形状上下文特征(3D shape context,3DSC)描述特征点,得到初始点集;其次,采样一致性初始配准(sample consensus initial aligment,SAC-IA)算法与ICP算法融合,为ICP提供优化的初始位置;最后对多组仿真数据和激光雷达实测数据进行分别研究,实验结果表明,与传统ICP算法相比,不同对象的配准精度均提高85%以上、时间减少40%以上,所提算法对数据量庞大且初始位置相差较大的三维激光雷达点云数据具有良好的配准精度和效率。

关键词： 现代信息技术   量子计算   双引擎   神经形态计算   处理数据   数字时代   计算机   相互依赖  

摘要： 是推动技术进步和创新的两大核心动力。算力指的是计算机处理数据的能力,而算法则是指导计算机如何高效处理数据的一系列指令。强大的算力需要高效的算法来发挥其最大效能,而优秀的算法也需要足够的算力来实现其功能。两者相互依赖,共同构成了现代信息技术的基石,共同推动技术的发展。同时,随着量子计算和神经形态计算等新兴技术的发展,算力有望进一步得到提升,从而开发出更加高效的算法,两者间的结合越发紧密。

关键词： 点云   法向估计   权重引导   深度学习  

摘要： 法向量作为点云不可或缺的属性之一,在诸多算法中具有重要作用,因此法向估计一直是处理点云的一个重要任务。然而,对于尖锐特征点,其邻域是两个表面或者多个表面的交汇处,这会增加法向估计的难度。在处理尖锐特征点时,现有的一些算法仅仅考虑了点和平面之间的距离属性,在法向估计时仍存在一些缺陷。为了更好地改善上述问题,Wang等人通过加权平面拟合的方法,不仅考虑点和平面之间的距离属性,而且加入了法向属性,该方法提高了法向估计的准确性。然而该方法并未考虑点和平面之间的法向属性。因此,本文在该方法的框架之上,考虑了点和拟合平面的法向差。实验结果表明,本文算法在法向估计的准确性上相比现有的算法有所提高。As one of the indispensable attributes of point cloud, normal vector plays an important role in many algorithms, so normal estimation has always been an important task in processing point cloud. However, for sharp feature points, their neighborhood is the intersection of two or more surfaces, which increases the difficulty of normal estimation. When processing sharp feature points, some existing algorithms only consider the distance attribute between the point and the plane, and there are still some defects in normal estimation. In order to better improve the above problems, Wang et al. not only consider the distance attribute between the point and the plane, but also add the normal attribute by the weighted plane fitting method, which improves the accuracy of normal estimation. However, this method does not consider the normal attribute between the point and the plane. Therefore, this paper considers the normal difference between the point and the fitting plane on the framework of this method. Experimental results show that the accuracy of normal estimation of the proposed algorithm is improved compared with the existing algorithms.

关键词： 卷积神经网络   变化检测   Transformer   残差网络   遥感图像  

摘要： 变化检测是通过分析同一地点两个不同阶段的遥感图像来获取地表变化的过程。卷积神经网络难以解决复杂场景下的变化检测任务。BIT网络在卷积后串联Transformer,通过捕获全局信息改善检测效果。然而,直接串联Transformer会削弱局部信息特征表示能力,从而导致漏检现象。为此,在BIT网络的基础上使用残差网络将Transformer前后对应的局部与全局信息融合起来,以弥补直接串联Transformer对局部信息造成的损失,达到提升精度的目的。同时针对遥感图像中变化与不变化类不平衡问题,加入新的损失函数Dice来优化训练。实验结果表明,在公开数据集LEVIR-CD与BCDD上,改进后网络在参数量增加0.02 M的情况下,F1指标分别提升了0.51%与0.69%;召回率分别提升了0.45%与0.50%。

关键词： 运算能力   算理   算法   逻辑  

摘要： 运算能力是抽象、推理、建模的基础,是学好数学的必备能力,是重要的素养.在课堂教学中,合理运用信息化技术,创设真实的问题情境,精心设计教学环节,重视学生阅读能力,能帮助学生厘清算理,掌握算法,有效提高运算能力.

关键词： 同步定位与地图构建   动态环境   多视图几何结构   目标检测   特征点   轻量型  

摘要： 目前大多数的SLAM系统主要针对静态场景,然而,在实际环境中不可避免地存在许多动态对象,这将大大降低算法的鲁棒性和相机的定位精度。针对动态对象造成的轨迹偏差问题,文中提出一种结合目标检测网络和多视图几何结构的动态SLAM算法。首先,基于YOLOv5算法框架,将骨干网络CSPDarkNet-53替换为轻量型L-FPN(Lite-FPN)结构,并使用VOC2007数据集进行预训练。与YOLOv5s原始模型相比,新网络的计算量减少了45.73%,检测速率提高了31.90%;然后,将检测物体划分为高动态对象、中动态对象以及低动态对象,利用多视图几何方法计算阈值,并根据阈值对中高动态对象进行二次检测,以决定是否剔除预测框中的特征点;最后,在TUM数据集上的实验结果显示,该方法在定位精度上平均提升了82.08%,证明了其在准确性方面的显著改进。

关键词： 无迹卡尔曼滤波   麻雀搜索算法   Cubic混沌映射   非线性自适应收敛因子   小波变异策略  

摘要： 针对无迹卡尔曼滤波(unscented Kalman filter,UKF)中无迹变换(unscented transform,UT)在状态估计时采样点分布状态控制参数异常对滤波性能的影响问题,提出了一种利用多策略改进麻雀搜索算法(improved sparrow search algorithm,ISSA)对UT中采样点分布状态控制参数进行寻优调整的方法,从而优化Sigma点分布以提高非线性近似效果,改善滤波估计性能。同时针对传统麻雀搜索算法面临的易陷入局部最优和收敛速度慢等问题,首先利用Cubic混沌映射改善初始种群的多样性;其次在发现者阶段引入非线性自适应收敛因子,提高平衡算法在全局探索和局部开发方面的能力;同时在追随者阶段利用小波变异策略,以避免追随者盲目追随而导致算法陷入局部最优;最后利用自适应t分布的扰动能力增强算法的全局搜索能力。通过测试函数对ISSA算法进行仿真实验,结果表明ISSA算法具有更好的收敛性和求解精度,同时验证ISSA优化UKF算法后的仿真结果,表明了ISSA-UKF算法相比于UKF算法的位置均方根误差降低了52.2%,速度均方根误差降低了21.9%,证明了改进方法的有效性和可行性。

关键词： 矿区地质灾害   YOLOv5s   目标检测   结构化剪枝  

摘要： 本文提出基于YOLOv5s模型的结构化剪枝目标检测算法,解决矿区无人机巡检中常规算法过大、参数多、难以部署的问题。通过遍历网络中的BN层,对γ进行排序,并设定全局阈值评估通道重要性,剔除低于阈值的通道。实验结果显示,相较于YOLOv5s,该算法模型减小52.9%,检测时间降低18.1%,平均精度仅下降1.5%。

关键词： 声纹识别   卷积神经网络   状态分类   梅尔图谱  

摘要： 电力变压器是电力系统中承载电能转换与传输的重要设备之一,其运行产生的声音信号蕴含丰富的状态信息,运维人员可通过听取声音噪声凭借经验知识判别变压器运行状态,但人工判断具有主观性,缺乏统一判断标准。文章提出了一种基于声音信号的电力变压器运行状态识别分类方法,以实现变压器设备运行状态的实时智能识别与异常缺陷分类。