课程文献中心 更多>>

关键词： 智慧家庭网络   动态   路由算法   自适应   带宽  

摘要： 为满足智慧家庭网络中各设备带宽需求,开展智慧家庭网络中带宽动态自适应路由算法研究。通过分配智慧家庭网络地址,设定网络带宽节点能量阈值,实现多路径路由自适应转发决策。通过仿真实验证明,新的算法应用下,智慧家庭网络中各个设备的实际带宽均能够满足其正常运行时所需的带宽,提高智慧家庭网络运行稳定性和可靠性。

关键词： 媒体融合   新闻类客户端   中台能力   大数据   算法  

摘要： 【目的】本文针对同一媒体机构存在多个客户端的现状,研究通过构建统一的资源管理平台,实现多端优势共享,协同发力。【方法】通过构建统一平台实现技术底层集中管理、内容的融合生产和发布、大数据智能推荐等方面的应用。【结果】多端统一纳管,实现平台资源共享融通,形成策划、生产、传播、反馈的流程闭环,多端协同发力,形成传播合力。【结论】媒体行业应加强新媒体客户端的统一管理,形成资源集中、数据完善、流程智能的媒体生态,打造媒体新质生产力的新型应用场景。

关键词： 密集人群   口罩检测   YOLOv8   GD机制   ODConv   SCSBD   特征提取   轻量化  

摘要： 针对公共场合密集人群场景下由于人群遮挡导致的信息缺失及检测目标较小、分辨率低导致人脸佩戴口罩检测算法检测困难的问题,提出了一种改进YOLOv8的密集人群口罩检测算法。采用GD机制代替YOLOv8中FPN结构解决跨层信息传输中信息丢失的问题,GD使用一个统一的模块收集和融合所有层级的信息,实现网络跨层信息的无损传输,增强了网络特征提取能力。在GD机制中插入ODconv模块对GD传输的信息沿4个维度进行学习,提高模型低分辨目标和小目标的检测精度。此外,引入了一种轻量化检测头SCSBD,对占比过高的YOLOv8检测头进行轻量化处理,平衡模型大小。实验结果表明,改进后的网络在精确率、召回率和平均精度上分别提升了13.6%、1.5%和6.9%,对人脸口罩的检测精度达到了81.1%,模型权重文件仅为25 MB,模型大小介于YOLOv8s和Gold-YOLO-S之间,达到了大小和精度的平衡。

关键词： 人工智能   肝硬化   肝性脑病   血红蛋白类  

摘要： 目的用机器学习算法构建肝硬化相关肝性脑病(HE)的预测模型并验证,评价该模型的预测效能。方法收集2018年1月—2019年12月吉林大学第一医院病历系统及实验室信息系统中肝硬化患者(4537例)的临床资料进行回顾性分析。根据纳入和排除标准,最终474例患者纳入研究。数据集1纳入2018年1—12月肝硬化无HE患者(113例)和肝硬化并发HE患者(108例),用于对肝硬化并发HE风险预测模型进行特征筛选、模型建立、最优算法选择和内部验证;数据集2纳入2019年1—12月肝硬化无HE患者(133例)和肝硬化并发HE患者(120例),用于外部验证。使用Lasso回归筛选特征变量,并采用极度梯度提升(XGBoost)、轻量级梯度提升(LightGBM)、随机森林(RF)及支持向量机(SVM)4种机器学习算法进行模型建立和内部验证,采用DeLong检验比较4种模型对HE的预测效能,结合特异度或敏感度选择最优算法。用受试者工作特征(ROC)曲线、校准曲线和临床决策曲线评价4种模型的预测效能,预测概率的准确性及临床实用性。结果提取数据集1中数据缺失率<30%的46个检验项目作为建模待选变量,使用Lasso回归筛选得到7个特征变量,包括血红蛋白、总胆汁酸、胆碱酯酶、总胆红素、肌酐、凝血酶原活动度及血小板。LightGBM算法建立的预测模型(HE-Lab7模型)预测HE的曲线下面积(AUC)为0.880,均高于XGBoost、RF和SVM算法(P均<0.05),敏感度为0.825、特异度为0.836。校准曲线Brier分数为0.147,表明该模型的预测概率与实际发生概率吻合良好。临床决策曲线表明该模型具有较高的临床效益。数据集2中,HE-Lab7模型预测HE的AUC为0.775,敏感度为0.927,特异度为0.758。结论利用检验大数据以4种机器学习算法为基础,基于最优LightGBM算法开发得到的肝硬化相关HE风险预测模型的预测效能良好,为早期预测与识别肝硬化相关HE提供参考依据。

关键词： 土地利用   多情景模拟   遗传算法-PLUS模型   景观生态脆弱性   黄河流域  

摘要： 黄河流域生态保护和高质量发展是党中央作出的重大战略决策,如何科学谋划、统筹构建黄河流域土地利用和生态系统新格局极具现实意义。从多情景下景观生态脆弱性预测这一较为新颖的研究视角切入研究,在分析黄河流域1995—2020年土地利用类型转移情况的基础上,针对流域自然发展、生态保护、经济发展、生态保护与经济发展兼顾的协调发展4种不同发展目标,耦合Genetic Algorithm(GA)优化算法与Patch-generating Land Use Simulation(PLUS)模型,对土地利用类型转移概率进行优化,进而模拟2030年土地利用格局、盐碱地和湿地空间分布;在土地利用模拟的基础上计算景观格局指数和景观生态脆弱度,据此分析黄河流域生态脆弱性演变特征。主要结论如下:(1)在2030年土地利用多情景模拟中,林地、草地和水域面积在四种情景下均有一定程度的增加,生态系统修复效果明显;协调发展情景下水域扩张程度最大,建设用地扩张率大幅低于自然发展和经济发展情景;(2)相较于2020年,2030年盐碱化程度增加,自然发展情景情况最为严峻;湿地生态系统修复效果明显,协调发展情景下恢复程度最大;(3)黄河流域2030年林地、草地、水域和建设用地破碎化程度减弱,耕地和未利用地则相反;流域整体景观破碎度较2020年有所降低,土地利用的丰富性和多样性提升;(4)相较于2020年,黄河流域2030年的景观生态脆弱性仍有加剧趋势。生态保护情景下恶化程度较缓,协调发展情景对于流域上游水系风蚀区的水土保持和中部平原地区生态平衡的效果十分显著。研究结果为黄河流域国土空间规划和生态保护治理提供了新的理论基础和实践证据。

关键词： 晶圆   缺陷检测   机器视觉   AOI   图像处理  

摘要： 基于机器视觉以及AOI自动光学检测平台,设计了一套针对晶圆表面缺陷的自动化检测系统。首先设计了晶圆缺陷检测的总体方案,分别对AOI系统的机械结构以及运动控制模块制定合理方案。然后基于机器视觉算法设计晶圆缺陷检测的算法,用于检测晶圆表面的光敏面脏污、光敏面划痕和电极环断开缺陷。同时基于改进后的MobileNetV2模型实现对晶圆表面电极脖子区域的缺陷检测。这一套方法可以实现晶粒的缺陷检测,脏污、划痕、电极环断开等缺陷的检测准确率分别达到94.06%、97.37%、92.36%,平均单颗晶粒检测耗时分别为86 ms、13 ms、93 ms,使用基于改进MobileNetV2模型的电极脖子缺陷检测准确率达到99.3%。以上实验结果表明,所提方法准确率高、耗时短,可以满足晶圆缺陷检测的需求。

关键词： 煤泥浮选   尾煤灰分   遗传算法   LightGBM   预测建模  

摘要： 为了提高煤泥浮选过程灰分在线检测的水平,研究了煤泥浮选过程中尾煤灰分的预测,并建立了基于遗传算法优化的LightGBM浮选尾煤灰分预测模型。通过采集的生产过程数据,包括矿浆流量、浓度、起泡剂量、捕收剂量和干煤泥量,构建了模型训练数据集,并对模型进行了测试验证。试验结果显示,该模型预测结果的平均绝对误差为0.72,比未优化的LightGBM模型提升了11.1%的预测精度,相较于其他模型,GA-LightGBM模型预测结果的平均绝对误差降低了15.8%,进一步证明了所建模型在尾煤灰分预测精度上的有效性,为实现智能化浮选提供了新的技术支持。

关键词： Prim初始种群   选取优化遗传算法   种群优化   电网检修   决策优化  

摘要： 为减少检修成本,优化电网检修时间,基于Prim初始种群选取优化遗传算法进行电网检修计划决策优化。分析电网故障检修的风险损失,建立检修决策目标函数,构建检修约束规则库;基于遗传算法增强决策搜索范围,标定电网种群编码结构,计算适应值函数,得到Prim初始种群选取优化变异概率;建立电网检修计划优化模型,根据目标函数求解电网最佳检修时间。实验结果表明,一天内停运成本最小的检修电网最优时间为3:48,应用本文方法后,检修成本节约了10.8万元。

关键词： 路标检测   语义特征提取   语义特征匹配   图神经网络   注意力机制  

摘要： 传统视觉特征匹配算法提取的特征点易受光照、视角变化等外界因素的影响,复杂环境下算法匹配精度低、鲁棒性差,导致无人机视觉定位误差大。针对上述问题,提出了一种融合多类信息的语义特征匹配算法,该算法采用语义特征点替代传统特征点以提高特征点的鲁棒性与可重复提取率。首先,采用位置信息、语义信息以及描述信息建立特征点的初始表征;随后,利用具有注意力机制的图神经网络聚合其他语义特征点信息,建立最终表征,以优化表征结果的精确性;最后,根据语义信息与表征信息计算特征点对的综合匹配度,提高特征匹配的准确率。实验结果表明:在无人机飞行场景下,所提算法特征点的稳健性、特征匹配准确性均优于传统算法,且对光照、大视角等变化具有较强的鲁棒性,为后端无人机视觉导航位姿解算提供了更加可靠精准的语义特征匹配结果。

关键词： 人工智能   残缺   数据样本集   数据补全  

摘要： 在补全残缺数据样本集的过程中,由于缺少评价数据样本集合的相似度导致数据值估计准确率低、补全程度低等问题,提出一种新的残缺数据样本集补全算法。通过插值模型构建残缺数据拟合函数,得到相似数据样本集。通过皮尔森相关系数评价相似数据样本集的相似度,得到残缺数据样本集补全权重。采用推荐算法计算最优推荐数值,实现残缺数据样本集的补全。实验结果表明,与现有残缺数据样本集补全算法相比,所提算法极大地提升了数据值的估计准确率与补全率,充分说明该算法具备更好的补全性能,能够保证各领域数据的完整性,具有较强的实际应用性。