课程文献中心 更多>>

关键词： 高分辨率遥感影像   海陆分割   深度学习   卷积神经网络   注意力机制  

摘要： 针对高分辨率遥感影像中靠岸地物对海陆边界精细化分割的影响,本文提出了一种基于双路全局信息优化网络(DGIONet)的遥感影像海陆分割算法。在编码端,该网络设计基于矩形条带卷积的多尺度空间注意力特征提取模块,利用不同尺度下垂直构建的矩形条带卷积实现多尺度大内核卷积效果,依靠提取到的多尺度特征与模块内的点卷积实现空间注意力机制,从而有效提高网络关注海陆大尺度特征的能力,实现海陆全局信息及上下文信息的特征提取。在解码端,该网络设计双路全局信息优化解码器,解码器内依靠深度可分离空洞卷积信息优化模块和Hamburger全局特征恢复模块,分别利用提取到的全局信息及上下文信息实现特征恢复,同时将编码端提取到的阶段特征与阶段恢复特征融合,以实现更好的信息优化。为验证本文方法的有效性,构建分辨率优于0.3 m的高分辨率遥感影像海陆分割数据集,在此数据集基础上进行对比试验。结果表明,相较于目前主流语义分割方法Vision Transformer,本文方法像素精度提高了3.01%,平均交并比提高了10.51%,即在高分辨率遥感影像的精细化海陆分割问题中具有优势。

关键词： 推荐算法   序列推荐   卷积神经网络   前馈网络   用户特征  

摘要： 近年来,针对信息过载问题,推荐算法已成为关键解决方法之一,能够有效地提供用户个性化内容。在序列推荐研究中,卷积神经网络因其能有效提取序列信息中的局部特征而受到广泛关注。然而,卷积神经网络在捕捉时序信息方面存在局限性。为了解决这一问题,提出了一种基于一维卷积的序列推荐算法。该算法首先通过卷积操作提取序列的局部特征,然后通过池化操作提取序列的长期特征,并将两者进行加权相加获得用户特征信息,使得其能够综合提取局部特征和长期特征。随后,将用户特征信息与线性变化的序列信息进行点乘,以引入时序信息。此外,将用户特征信息通过前馈网络,以实现非线性转换和跨维度交互增强。最后,对用户特征向量与项目特征向量进行计算获得相关性,并以此进行推荐。实验结果表明,在MovieLens电影数据集和KuaiRand短视频数据集上的测试中,该算法在推荐命中率和归一化折损累计增益等指标上相比四种基线算法均有显著提升,表明该算法能够更有效地进行推荐。

关键词： 行人重识别   图像识别   特征对齐   多尺度特征融合  

摘要： 为了能够准确地对行人图像进行识别,提出一种基于Res2Net-Transformer的多尺度特征融合行人重识别算法。该算法由全局特征提取模块、深度聚合模块和特征对齐模块组成,在全局特征提取模块中将Res2Net模块引入到ResNet50网络中,使网络提取到更细粒度的特征;通过多尺度深度聚合模块实现多尺度特征的循环聚合;利用特征对齐模块降低因特征不对齐对识别造成的影响。在Market1501、DukeMTMC-reID和MSMT17数据集上的实验结果表明,与现有方法相比,该方法具有更强的鲁棒性,在行人重识别上取得了更好效果。

关键词： 高光谱影像   连续小波变换   花生生物量   机器学习   智慧乡村  

摘要： 为评估无人机高光谱遥感技术在作物生物量估算应用中的潜力,以荥阳市花生种植试验田作为研究对象,采用无人机搭载高光谱相机收集多个品种花生在成熟期的高光谱影像数据,结合多种机器学习算法,构建花生生物量估算模型,并进行模型的精度评价与对比分析。首先,通过使用Savitzky-Golay滤波器对高光谱影像的反射率进行平滑预处理,并应用Gaussian4小波基函数进行连续小波变换,筛选了53个植被指数作为特征输入;然后,通过皮尔逊相关系数法进行敏感植被指数筛选,并利用筛选出的植被指数分别构建支持向量回归(Support Vector Regression,SVR)、随机森林(Random Forest,RF)、卷积神经网络(Convolutional Neural Networks,CNN)、粒子群优化(Particle Swarm Optimization)的SVR、粒子群优化的RF、粒子群优化的CNN等花生生物量估算模型,后进行模型精度评价。结果表明:深度学习模型CNN相比于传统的机器学习模型如RF和SVR等,在花生生物量的预测精度上表现更优;CNN模型在测试集上的决定系数(R2)为0.710,RMSE为0.371 kg/m2,MSE和MAE分别为0.138和0.329 kg/m2;通过粒子群算法PSO进行参数优化后,RF、SVR、CNN模型的预测精度都有提升,其中CNN的提升较为明显,决定系数(R2)提升约为8.2%。因此,在花生的收获期使用PSO对CNN参数优化后的模型对于花生整体生物量的估算最为准确。本研究可为精确预测花生生物量提供科学方法,为智慧乡村建设提供有力支撑。

关键词： 迷因传播   性别凝视   算法抵抗   标签  

摘要： 以“宝宝辅食”标签迷因作为研究对象,使用社会网络分析方法和深度访谈法,结合性别凝视与算法抵抗相关理论,试图描绘其在发展、衍生、变异的过程中建构的图景,把握该标签迷因传播和使用过程中的流变特点,并分析用户的“宝宝辅食”标签使用动机与迷因传播影响。研究发现,“宝宝辅食”标签迷因经历了从母婴内容为主到穿搭内容增多,再到日常内容涌现,最终话题内容逐渐稳定的传播与演变过程。使用动机方面,认为用户以标签进行算法抵抗,构筑性别屏障;创建女性社群,优化用户体验;基于算法想象,迎合算法增加曝光;从众心理驱使。标签迷因传播的影响方面,认为标签乱象叠生,挤占母婴内容空间;探讨“母职”刻板印象与角色认同;使用场景异化,导致迷因亚文化形式被大众文化的消解与收编。

关键词： 密集行人检测   优化权重   聚焦边界框损失函数   YOLOv7  

摘要： 针对自然复杂场景中行人拥挤和相互遮挡,导致检测精度不佳的问题,提出了一种基于优化权重的YOLOv7密集行人检测算法。首先,针对遮挡行人特征提取问题,利用跨空间高效多尺度注意力机制(Efficient Multi-Scale Attention Module with Cross-Spatial Learning,EMA)重新分配主干网络的权重,并跨维度学习不同通道特征之间的相关性,以增强模型对行人目标可见区域的关注。其次,针对检测模型复杂性较高的问题,设计了高效轻量化连接模块(Efficient Lightweight Connection Module,ELCM),旨在提升模型表达能力的同时加快训练速度。最后,构建了聚焦边界框损失函数Focal-SIoU loss,该损失函数注重抑制低质量样本,同时添加角度损失提高模型的检测精度。实验结果表明,所提算法在行人检测数据集Wider-Person与Crowd Human数据集上的均值平均精度分别达到83.7%和82.6%,相比其他先进的算法,在密集拥挤人群检测任务中有显著检测优势。

关键词： 自主无人水下航行器   组合导航   卡尔曼滤波   交互式多模型  

摘要： 针对自主无人水下航行器(AUV)组合导航系统在导航推算时系统模型模糊及测量噪声无法确定导致导航精度下降的问题,提出通过自适应因子调整先验估计误差协方差矩阵的自适应容积卡尔曼滤波(ACKF),以及基于M估计在线调整量测噪声协方差矩阵的鲁棒容积卡尔曼滤波(RCKF),并利用交互式多模型(IMM)将以上优化算法交互融合。结合各个子滤波器的优势,通过设置仿真与实际海试对比实验证明算法的可行性,其中误差降低了29%,均方根误差降低了43%,从而可通过该方法降低AUV导航过程中不同噪声不确定性造成的影响。

关键词： 水库康复度   除险加固   双层评价体系   熵权法   层次分析法  

摘要： 针对传统方法在除险加固水库康复度研究中考虑因素不周、研究结果缺乏可靠性等问题,提出双层评价指标综合算法。通过对熵权法、AHP等相关算法的了解,构建递阶层次结构评价指标体系。以1#、2#、3#共3座病险水库为例,确定康复类型的权重,评估除险加固水库康复度,检验双层评价指标综合算法应用效果。文章研究结果的除险加固水库康复度评估结果与水库实际情况相符,评估结果具有指导意义。

关键词： 无线传感器网络   接收信号强度指示   路径损耗因子   定位   樽海鞘群算法   引力搜索算法  

摘要： 通常基于接收信号强度指示(RSSI)的无线传感器网络定位需要提前对路径损耗因子n值进行测量,在不同环境下需要重新测量n值、校准,这将大大增加定位的复杂度。针对此情况,文中提出一种无需测n值的定位方法,即使用比值法消除路径损耗模型中参考节点的不确定影响,通过引力搜索改进樽海鞘群算法(SSA-GSA),同时寻找n值与信号源的坐标。相较于一般的定位方法,该方法不受环境条件的约束,在无线传感器网络监测现场可以即时进行系统定位,无需另外测量计算n值。仿真结果证明了该方法的可行性,不仅降低了定位成本,还具有较高的定位精度。

关键词： 轻梯度提升机算法   决策树   集成学习   机器学习  

摘要： 轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。LightGBM被广泛应用于医疗、自然语言处理、金融、工业制造等领域。然而,LightGBM在高维数据处理、类别特征处理、模型解释性等方面仍面临许多挑战。目前,解决这些问题的方法主要集中在特征工程、可视化、模型混合等方面,并取得了很好的效果。介绍了决策树家族的相关算法原理和变体研究;对LightGBM的原理、优缺点进行梳理,归纳出算法所面临的挑战,并指出LightGBM未来的研究热点和难点;对LightGBM的发展进行了总结和展望。