课程文献中心 更多>>

关键词： PCA   SVM   访客系统   优化   人脸识别  

摘要： 文章研究了基于主成分分析(PCA)和支持向量机(SVM)算法的智能访客人脸识别系统。通过图像预处理、PCA降维和SVM分类,构建了一个优化模型。实验结果表明,该模型在ORL和自建数据集上均取得了比传统PCA方法更高的识别率和更快的匹配速度,有效降低了误报率,为智能访客系统的性能提升提供了技术支持。

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： 正交矩   分数傅里叶变换   极谐波多项式   四元数   零水印  

摘要： 图像矩作为一种图像的全局特征描述符,已经成为模式识别和图像分析的一种有力工具.为了能够有效抵抗常见的图像处理攻击和几何攻击,本文提出了可用于描述图像特征的极谐波分数傅里叶矩和四元数极谐波分数傅里叶矩.首先,将极谐波多项式作为径向函数,分数傅里叶变换的核函数作为角向函数,得到了极谐波分数傅里叶矩,并分析了其相关性质.其次,将图像的极谐波分数傅里叶矩应用到零水印算法,计算和提取图像中极谐波分数傅里叶矩,随机选择合适的特征图像,并构造二值特征图像,将得到的二值特征图像与水印图像进行异或运算,构造作为零水印的特征图像.最后,针对提出的零水印算法,通过噪声、滤波、旋转、缩放进行鲁棒性和对比分析实验.实验结果表明,本文所提出的极谐波分数傅里叶矩,综合了极谐波多项式和分数傅里叶变换的优点,在零水印算法中能够有效抵抗图像处理攻击和几何攻击,与同类算法相比鲁棒性更优.

关键词： 多任务学习   目标检测   无人机图像   复杂天气   提示学习   去噪模型  

摘要： 针对雨雾等复杂天气下无人机图像质量下降导致目标检测效果不佳的问题,提出基于上下文引导和提示学习的目标检测算法CGP-YOLO(context-guided and prompt-based YOLOv8)。构建一个多任务联合学习的检测网络,通过双分支结构达到平衡图像检测和恢复的任务。提出基于提示学习的跨层注意力加权图像去噪分支,指导网络利用退化提示重构清晰的图像;模型主干设计基于上下文的残差采样模块,集成卷积注意力机制,综合目标的局部和全局信息;采用可分离大核多尺度特征提取模块,处理网络多尺度特征;引入小目标的专用检测头,增强小目标的检测精度。实验结果表明,在参数量仅为基线模型60%的情况下,该模型的检测精度提高了2.4个百分点,平均精度(mAP)提高了2.04个百分点,模型检测效果优于其他经典模型,具备卓越的性能。

关键词： 颗粒计数   多粒子运动追踪   污染度检测  

摘要： 油液污染度监测机械设备的常规检测手段之一,基于磨粒图像分析原理的污染度检测计数是其中广泛应用的一种技术。为得到高精度和高重复率的污染度检测结果,避免对连续图像样本中的相同粒子重复计数,提出一种基于多粒子追踪算法的颗粒计数方法。首先应用高斯混合模型背景差分进行运动颗粒提取。然后运用卡尔曼滤波进行目标预测和运用匈牙利算法进行目标匹配,得到相应的颗粒计数值。最后对污染浓度进行校正,得到污染度计量结果。使用含标准颗粒物实验样本油进行测试,最终结果均满足JJG 1061-2010标准,其中粒径>4μm、>6μm、>14μm颗粒测量值的计数误差和计数重复度均满足标准要求,证明了所提出的检测算法的有效性。

关键词： ISSA-BP   声发射定位   混凝土   BP神经网络  

摘要： 针对现阶段声发射技术在混凝土结构健康检测中由于衰减严重而导致的损伤源精度低问题,提出了一种基于改进麻雀搜索算法来优化BP神经网络(ISSA-BP)用于混凝土声发射定位的方法。首先采用BP人工神经网络作为混凝土声发射定位的基础框架,通过对声发射信号进行小波降噪,并将信号的峰值时间,时间差,能量和幅值作为网络的输入参数,然后利用ISSA对BP神经网络的权重和偏置进行优化。为了验证该方法的有效性采用0.5 mm硬度为2H的铅芯进行断铅实验,实验结果表明所提方法算法比传统BP神经网络和麻雀搜索算法(SSA)优化神经网络在混凝土损伤源声发射定位上平均误差分别减少了43.47%、14.02%,最大误差减少了56.52%、4.41%,最小误差减少了42.82%、72.42%,具有一定的工程应用价值。

关键词： 行人识别   多目标追踪   遮挡处理   算法   Lattice  

摘要： 车辆自动驾驶过程中不仅需要完成运动规划,实现行人识别,还需实现更高精度的多目标追踪。针对车辆自动驾驶行人识别响应速度慢、目标追踪精度差的问题,提出一种融合多传感器的行人识别和多目标追踪算法。采用Lattice算法进行路径规划,通过损失函数与碰撞检测得到最佳驾驶轨迹,将传感器检测到的障碍物位置转换到全局坐标系中,在全局栅格地图中以高斯分布绘制在地图中,通过阈值初定可视行人。并基于检测跟踪策略设计多目标追踪遮挡处理算法,实现自动驾驶车辆中被遮挡目标的运动估计。对多目标跟踪挑战数据集的定量、定性和消融研究,验证了该算法的有效性。实验结果表明,该算法能够准确估计遮挡过程中的目标运动,生成完整、高质量的运动轨迹。

关键词： 自动调制识别   深度学习   卷积神经网络   注意力机制   门控循环单元  

摘要： 针对自动调制识别(Automatic Modulation Recognition,AMR)技术在复杂电磁环境下部分调制信号易混淆、识别准确率较低的问题,提出一种基于多注意力残差网络和门控循环单元(Gated Recurrent Unit,GRU)的AMR模型。通过数据预处理增强信号的相位特征信息,利用自注意力机制使模型有效提取信号的相位偏移特征;设计了由坐标注意力机制、多尺度卷积和通道注意力机制组成的融合注意力残差模块(Fusion Attention Residual Block,FARB),增强对信号空间特征的关注度,有效提取信号的空间特征;使用GRU提取信号的时序特征,通过结合信号的时空特征,提高调制识别精度;通过全连接层进行调制信号分类。仿真结果表明,在RadioML2016.10b数据集上,提出的模型识别准确率有较大提升,且模型参数量少于大多现有模型。此外,对于其他模型易混淆的16-QAM和64-QAM两种信号,所提模型具有较好的识别能力。

关键词： 肺腺癌   SHOX2   RASSF1A   甲基化   侵袭性  

摘要： 目的 探讨基于SHOX2和RASSF1A甲基化水平的机器学习算法预测早期肺腺癌病理类型的准确性。方法 回顾性分析2021年1月—2023年1月在南通大学附属医院接受肺部肿瘤切除手术患者的石蜡包埋(formalin-fixed paraffin-embedded,FFPE)标本。根据肿瘤的病理学分类,将患者分为3组:良性肿瘤/原位腺癌(benign tumor/adenocarcinoma in situ,BT/AIS)组、微浸润腺癌(minimally invasive adenocarcinoma,MIA)组和浸润性腺癌(invasive adenocarcinoma,IA)组。使用LungMe试剂盒通过甲基化特异性PCR(MS-PCR)测量FFPE标本的SHOX2和RASSF1A甲基化水平。以SHOX2和RASSF1A的甲基化水平为预测变量,采用机器学习算法(包括逻辑回归、XGBoost、随机森林、朴素贝叶斯)预测不同的肺腺癌病理类型,并构建网络服务器供临床使用。结果 共纳入272例患者,BT/AIS组、MIA组和IA组患者的平均年龄分别为57.97岁、61.31岁和63.84岁;女性患者占比分别为55.38%、61.11%和61.36%。基于SHOX2和RASSF1A甲基化水平建立的早期肺腺癌预测模型中,随机森林与XGBoost模型在预测各病理类型时表现良好。随机森林模型的C统计量在BT/AIS组、MIA组和IA组分别为0.71、0.72和0.78。XGBoost模型的C统计量在BT/AIS组、MIA组和IA组分别为0.70、0.75和0.77。朴素贝叶斯模型仅在IA组表现较为稳健,C统计量为0.73,具有一定的预测能力。逻辑回归模型在各组中的表现最差,对各组均无预测能力。通过决策曲线分析,随机森林模型在BT/AIS和MIA病理类型的预测中展示了较高的净收益,表明其在临床应用中具有潜在价值。结论 基于SHOX2和RASSF1A甲基化水平的机器学习算法预测早期肺腺癌病理类型具有较高的准确性。

关键词： YOLOv5s   轻量化   森林火灾探测   深度可分离卷积   注意力   Wise-交并比(WIOU)  

摘要： 为解决当前基于深度学习的森林火灾探测算法存在结构复杂、规模庞大,且难以兼顾检测精度和效率的问题,提出一种基于YOLOv5s的轻量化森林火灾探测算法。首先,采用优化的背景差分技术消除背景图像中类火物体的干扰,减少分析图像所需的时间;其次,设计分组混洗策略优化常规卷积,并在特征提取的C3模块中融入高效通道注意力(ECA)机制和深度可分离卷积,增强图像特征提取与融合能力的同时有效降低模型的参数量;然后,采用动态非单调聚焦机制优化Wise-交并比(WIOU)损失函数,减少低质量样本产生的有害梯度;最后,在构建的森林火灾数据集上将所提算法与其他算法做充分的试验对比。结果表明:所提算法在各类场景均展现出良好的泛化性,对火焰目标的检测精度达到86.1%,较标准YOLOv5s检测精度提升2.7%,检测速度提升11.4%,有效降低了火灾误报率,增强了模型的检测性能。