课程文献中心 更多>>

关键词： 初始聚类中心   三维特征   关联模型   用电信息采集系统   窃电行为   用电企业   定位分析   特征参数  

摘要： 随着社会的发展,电力在现代社会中变得越来越重要。窃电行为不仅会给用电企业带来经济损失,而且还会给用户造成电器损坏等不良影响。因此,本文提出了改进的K-means聚类算法,主要是通过平均密度与最远距离确定初始聚类中心,将处理后的用电信息采集系统中采集的与窃电行为相关的特征参数作为自变量,建立以定位窃电用户为目的的三维特征因子关联模型,与电压和电流不平衡率的波动情况相结合,实现对窃电行为的精准定位。

关键词： 机器学习   工程造价估算   特征选择   集成学习   深度学习模型优化  

摘要： 本次研究的目的是探索基于机器学习算法的工程造价估算精度增强方法与效果。通过特征选择及降维技术,集成学习算法的运用以及深度学习模型的优化,该模型预测精度及鲁棒性得到显着提升。实证分析结果表明:机器学习算法对工程造价估算的精度与效率都有显著提高,为建筑行业的估算提供了一种科学有效的工具。希望本文的研究成果能为读者提供一定的参考价值。

关键词： 单目三维目标检测   深度引导   多尺度通道注意力机制   自动驾驶  

摘要： 针对三维边界框无法从缺少空间线索的单目图像中准确估计的问题,本文提出一种基于深度信息引导和多尺度通道注意力机制的单目三维目标检测算法。为了引入三维信息并有效地获取和利用不同尺度特征图的空间信息,在特征提取模块中利用多尺度分割注意力算法,分别从单目图像和深度图中提取多尺度预处理特征图,利用通道注意力算法进行权重标定,提高了特征图的表征能力。通过深度引导动态局部卷积网络,将包含多尺度信息的深度图特征作为单目图像特征的特定卷积核,引入三维信息作为指导,减少直接融合的误差累积,并解决单目视觉中近大远小的尺度敏感问题。选择不同的评估指标对模型的性能进行评价与比较。实验结果表明,同其他算法相比,本文算法的自动驾驶数据集中汽车、行人、骑自行车的人的三维目标检测平均精度均提高。

关键词： 反向最近邻   局部密度   密度聚类算法   子簇融合  

摘要： 基于相互最近邻的密度峰聚类算法(DenMune)通过相互最近邻计算数据点的局部密度,是一种有效的聚类手段。但该算法存在构建聚类骨架不合理的问题,在分配弱点时采用硬投票策略,易产生错误。因此提出一种新的基于反向最近邻的密度估计聚类算法(RNN-DEC)。该算法引入反向最近邻来计算数据点的局部密度,将数据点分成强点、弱点和噪声点。使用强点构建聚类算法的骨架,通过软投票的方式将弱点分配到与其相似度最高的簇中去。提出了一种基于反向最近邻的簇融合算法,将相似度高的子簇融合,得到最终的聚类结果。实验结果表明,在一些合成数据集和UCI真实数据集上,相比较于其他经典算法,该算法具有更好的聚类效果。

关键词： 卷积神经网络   深度学习   膝关节   磁共振成像   超分辨率重建  

摘要： 目的:探讨临床环境中通过优化扫描参数结合基于深度学习的复合超分辨率重建算法在提升膝关节MRI扫描效率和图像质量的可行性。方法:前瞻性搜集110例行膝关节MRI平扫的患者,先后进行常规(常规组)与复合超分辨率重建算法扫描(复合组),采用双盲法比较两组主客观图像质量。结果:相较常规组,复合组PD和T1序列的骨髓、软骨、半月板、韧带、肌肉、脂肪、关节液的SNR分别提升89.3%、52.5%、65.3%、73.8%、60.3%、103.9%、58.9%和78.0%、172.9%、78.0%、72.5%、75.4%、63.4%、97.0%。相较常规组,复合组PD和T1序列的软骨-关节液、软骨-骨髓、半月板-关节液、韧带-关节液、骨髓-关节液、脂肪-关节液、肌肉-关节液的CNR分别提升119.5%、83.3%、116.2%、109.2%、109.2%、99.3%、116.8%和61.7%、23.1%、78.7%、32.5%、161.7%、44.9%、39.2%。复合组的峰值信噪比(PSNR)相较常规组显著提高(P<0.05),结构相似度(SSIM)均>0.999。主观图像质量评价中复合组病灶边缘区分度、运动伪影和综合诊断度的主观评分显著高于常规组(P<0.05),两组病灶辨别度的主观评分差异无统计学意义(P>0.05)。结论:合理优化扫描参数并结合基于深度学习的复合超分辨率重建算法可在提升扫描效率的同时显著提高膝关节MRI的图像质量和综合诊断效果。

关键词： 低轨增强   北斗   干扰消除   量化效应  

摘要： 为了评估频点兼容下低轨增强为北斗信号带来的互相关干扰,通过仿真分析了不同量化位宽下北斗信号最优载噪比衰减与低轨增强功率的关系。为了应对低轨增强带来的干扰问题,提出了基于干扰消除算法的捕获跟踪架构,适用于低轨增强导航芯片设计,并给出了低轨信号重建和信号幅度还原等关键步骤的方法,仿真对比了不同低轨增强功率及不同量化位宽下干扰消除前后的北斗信号载噪比损失,并给出了量化位宽选取建议。试验结果表明,干扰消除后不同低轨增强功率和量化位宽下的北斗信号接收载噪比均恢复到理想值附近。

关键词： 滚装船   艉门   轻量化设计   多岛遗传算法  

摘要： 为了提高艉门结构的可靠性与经济性,本文采用多岛遗传算法对大型滚装船的艉门结构进行轻量化设计。以艉门重量最轻为目标函数,选取了4个设计变量进行自然选择,以中国船级社规范中艉门的应力、变形作为约束条件,采用有限元法进行轻量化设计。结果表明:多岛遗传算法对艉门轻量化设计有较好的适应性,算例结果的艉门重量与初始设计方案相比减少了8.3%,设计人员进行结构设计时需重点关注桁材腹板和面板尺寸。

关键词： 广域电力系统   自编码器   负荷预测   神经网络模型  

摘要： 用电模式的复杂程度随着电力市场和电网技术的发展逐渐增加,在此背景下提高了对电力系统短期负荷预测稳定性和精度的要求。提出GANO算法下广域电力系统短期负荷预测方法,建立自编码器,将电力系统的历史负荷数据输入自编码器中,通过数据重构实现电力负荷数据的去噪处理;分别建立了用于广域电力系统短期负荷预测的GM(1,1)模型和神经网络模型,为了提高负荷预测精度,结合GM(1,1)模型和神经网络模型的预测结果,建立灰色神经网络预测组合预测模型(GANO),实现电力系统短期负荷预测。仿真结果表明,在预测精度和预测效率方面,所提方法表现出良好的性能。

关键词： 计算机视觉   人体姿态估计   注意力机制  

摘要： 目前广泛使用的人体姿态估计方法都采用了保持高分辨率的网络架构,但是由于模型参数和计算复杂度的限制,在边缘设备上部署这些方法十分困难。为了解决这一问题,提出了一种基于增强门控注意力机制的轻量化人体姿态估计方法,设计了全局多尺度并行瀑布模块来增强普通门控注意力模块性能,使其能够有效捕捉多尺度全局特征表征。此外,采用最新Ghost轻量化模块来构建高分辨率网络,以提升轻量级网络的上下文特征提取性能。增强门控注意力网络通过采用重复的多尺度信息交换和增强的特征融合单元,取得了卓越的效果。大量实验结果表明,与现有高分辨率网络HRNet相比,该方法的参数量减少了92.6%,计算复杂度降低了91.2%。在MPII基准数据集的姿态估计性能有了显著的提升。

关键词： 天线近远场变换   探头补偿算法   极化补偿算法   天线平面近场仿真  

摘要： 为研究天线特性,该研究采用近场测量技术计算天线的远场方向图,该技术具有成本低、速度快的优势。考虑到平面近场测量中探头参数对远场方向图的影响,该研究基于平面近远场变换算法,引入探头补偿技术和极化补偿技术。利用HFSS仿真得到待测天线远场仿真方向图,通过计算机算法构建,将近远场变换算法所得方向图与实际测得的远场方向图进行比较,验证算法的准确性。进一步结合极化补偿算法与探头补偿算法,与未修正的结果及远场方向图进行对比。结果显示,极化探头补偿算法能有效修正探头对远场方向图的影响,其不确定度超过近远场变换算法1.4295 dB,超过极化补偿算法0.9062 dB,确保了研究的客观性和独立性。