课程文献中心 更多>>

关键词： 水驱油藏   动态预测   智能算法  

摘要： 为实现水驱油藏开发效果的精准预测与优化调控，以某油田A区块为研究对象，构建基于长短期记忆(LSTM)深度学习网络的水驱动态预测模型。研究通过特征选择、网络结构优化等技术，实现注水压力、含水率等参数的高精度预测。结果表明，优化后的双层LSTM网络在30d预测周期内，压力场预测平均误差为0.89MPa,含水率预测误差为2.3%。基于预测结果制定的优化方案可使区块含水率下降5.7个百分点，为水驱油藏精细化管理提供新的技术途径。

关键词： FPGA   热插拔   IIC总线   监测算法  

摘要： 阐述一种基于FPGA的热插拔电路及热插拔监测算法，旨在解决FPGA处理板无法对某些传感器实现热插拔的问题。以IIC总线为例，介绍热插拔电路的设计方案及算法流程。

关键词： Relief   特征选择   面向对象   信息提取   正态分布   高斯混合模型  

摘要： 针对Relief算法的特征权重受样本随机性影响较大、不适用于多类别间的特征选择且无法自动确定特征阈值等不足，提出了一种改进的Relief算法，用于面向对象的遥感影像信息提取。新算法基于正态分布改进Relief算法的样本抽样策略和特征权重更新方式，提出特征组合评判指标Cω用于多类别间特征选择，最后根据高斯混合模型自动确定特征的阈值。基于陕西省周至县地区无人机影像和湖北省巴东县地区高分六号影像的实例测试结果表明，IRelief算法不仅能有效对特征进行降维和精选，还能够自动计算特征在分类时的阈值，总体精度、Kappa系数以及其他精度评价指标均优于Relief和ReliefF算法，是一种更优的特征选择算法。

关键词： 阴影集   三支聚类   类归属概率   优化算法   类簇  

摘要： 均值漂移属于硬划分的聚类算法，在处理不确定性数据时可能导致决策风险的提高和聚类精度的降低等问题。为此，本文引入阴影集理论来处理三支聚类的数据对象分类问题，提出了一种基于阴影集的三支核均值漂移聚类算法。算法采用类归属概率来刻画阴影集的隶属度概念。通过优化算法来获得阴影集划分的最优阈值，有效减少了人为干预带来的不确定性。最后基于最优阈值，形成了以阴影集隶属为依据的三支聚类。在2个人工数据集和8个UCI公共数据集上算法进行测试。相较于均值漂移算法、带宽自适应均值漂移算法（Adaptive Bandwidth Mean Shift Algorithm,ABMS）以及核均值漂移算法（Kernel Mean Shift Algorithm,KMS），本文所提出的基于阴影集的三支核均值漂移聚类算法（Three-way Kernel Mean Shift Algorithm Based on Shadow Sets,TKMSSS）不仅可以对数据进行有效划分，而且可以很好地刻画类簇的边界域，在戴维森堡丁指数、轮廓系数、准确率、调整兰德系数、同质性等聚类评价指标方面均达到最优或与最优算法结果相近，表明TKMSSS综合聚类性能优于比较算法。

关键词： 结直肠癌   机器学习   炎症生物标志物   列线图   生存模型  

摘要： 目的 利用可解释性轻度提升机（LightGBM）算法及炎症生物标志物构建结直肠癌（CRC）患者术后的生存预测模型，为CRC患者的预后提供参考。方法 回顾性收集并分析了2016年1月-2023年1月克拉玛依市中心医院收治的437例CRC患者的相关实验室及临床资料，采用7:3的比例将研究对象分为训练集和验证集，其中训练集305例，验证集132例。采用LASSO回归算法进行初步变量筛选，使用LightGBM和Shapley加性解释（SHAP）进行进一步特征选取，并通过Cox回归模型构建列线图。最终通过区分度、校准度对模型效能进行评估，并绘制Kaplan-Meier风险分层曲线确定组间差异。结果 总生存期（OS）模型纳入变量为是否转移、年龄、格拉斯哥预后指数（GPS）、肠梗阻及血红蛋白（HB）；肿瘤特异性生存期（CSS）模型为是否转移、肠梗阻、GPS、癌胚抗原（CEA）及年龄。Cox回归结果显示，OS模型中是否转移（HR:4.71,P<0.01）、年龄（HR:1.82,P<0.01）、GPS(HR:1.64,P<0.01)、肠梗阻（HR:1.64,P<0.05）、HB(HR:0.45,P<0.01);CSS模型中是否转移（HR:8.16,P<0.01）、肠梗阻（HR:1.73,P<0.05）、CEA(HR:1.69,P=0.06)、GPS(HR:1.63,P<0.01)、年龄（HR:1.76,P<0.01）。一致性指数（C指数）、受试者工作特征（ROC）曲线和时间依赖性的曲线（ROC曲线下面积AUC）结果显示模型在不同时间下均具有较好的区分度。校准曲线显示不同时间模型曲线与理想预测线均接近，显示出较好的校准度。生存曲线显示高风险组的生存概率显著低于低风险组（P<0.001）。结论 本研究构建了方便、直观且高效的CRC生存列线图模型，在CRC患者生存预测方面表现出优秀的性能，有助于临床医生为CRC患者提供准确地个体化预后评估，辅助制定科学的康复随访计划。

关键词： 电学计量   量子电压标准   可编程约瑟夫森结阵   平衡三进制   非整数进制   时间复杂度  

摘要： 介绍了用于可编程约瑟夫森结阵电压输出的平衡三进制算法和非整数进制算法的原理。通过1个实际可编程约瑟夫森结阵的案例，从算法的执行流程、时间复杂度、结数偏移量、区段选取情况等方面对这2种算法进行了全面的比较分析。发现非整数进制算法拥有更简洁的执行流程，更高的运算速度，可以选择更少子结阵输出相同的电压。而在绝对结数的偏移量方面，2种算法的结果几乎是一致的。另外，非整数进制算法既可以用于二进制和三进制序列表达整数计算，也可以用于非整数制序列整数表达计算，这种性质充分表明了其具有非常高的优越性。

关键词： 输电线异物检测   Mosaic数据增强   SSD目标检测   注意力机制   SE网络  

摘要： 输电线异物检测模型的训练数据集存在种类多和数据少的特点，而现有的方法在深度网络特征学习过程中存在细节特征丢失的情况，对此，提出了使用数据增强和增加注意力机制的单框多次检测器(SSD)框架对输电线异物进行检测。对采集的输电线异物图像进行预处理，主要包括对图像的颗粒噪声进行高斯去噪，然后进行直方图均衡化；使用Mosaic方式对输电线异物检测模型的训练数据集进行扩充，提高异物检测模型的鲁棒性和泛化能力；将注意力机制挤压—激励(SE)网络模块引入SSD检测框架，能够高效地学习不同Channel之间的特征，并进行特征融合，从而能够快速和精准提取关键的特征信息。试验结果表明，基于数据增强和注意力机制的输电线异物检测算法能够对输电线异物进行更加准确的检测，所提算法相较于Faster RCNN、SSD和YOLOv3检测算法提高了5个百分点、3个百分点和6个百分点，模型平均检测速度减小了0.021 s、0.007 s和0.003 s。

关键词： 小目标检测   YOLOv8s   可变形卷积网络  

摘要： 针对无人机视觉中小目标检测精度低的问题，文章提出一种改进YOLOv8s(You Only Look Once version 8 small)的目标检测算法。首先，采用Slim-Neck替换特征融合层，以加快图像预测的计算速度并增强网络处理特征能力。其次，将损失函数由CIoU(Complete-IoU)替换为Wise-IoU(Wise Intersection over Union)，以抑制低质量样本在训练过程中对模型性能的负面影响。最后，在算法的Backbone中嵌入可变形卷积网络，以增强多尺度特征的提取能力，从而提升小目标的检测能力。在VisDrone2019数据集上的验证结果显示，改进后的算法浮点运算量降低了0.7 GFLOPs，同时mAP@0.5指标提升了1.1%，实现了模型的轻量化并保持了较高的检测精度，更适用于无人机视觉场景下的小目标检测。

关键词： 相干激光测风雷达   相干合成   单探测器电频标记法   主动相位控制  

摘要： 单探测器电频标记算法是一种基于正交解调确定误差信号的相位控制方法，在相干合成主动相位控制方面具有明显的优势。该算法主要包含调制信号频率、调制信号幅度、积分时间、反馈系数等可变参数，参数的选取对主动相位控制的精度和速度有很大的影响。首先分析了单探测器电频标记算法实现相干合成的基本原理，然后搭建了两路光纤相干合成系统，对单探测器电频标记算法参数的取值准则进行了实验研究，在实验中通过改变积分时间、调制信号幅值、调制信号频率、反馈系数及控制环路延时5项参数，总结了单探测器电频标记算法的参数选取准则。实验研究结果表明：为减小非整数倍积分时间对合成效果的影响，积分时间须为调制信号周期的10倍左右；调制信号幅值需要设置在一定范围内，才能够实现目标合成效率，并且积分时间越长，可取幅值的下限越低；调制信号频率越大，环路延时误差补偿的精度要求就越高，系统控制带宽也越大。反馈系数的选取需要考虑系统的阵列规模和相位噪声水平，平衡控制带宽和控相精度的矛盾，且正交解调信号和调制信号之间的延时应小于90°以避免控制系统失锁。

关键词： 目标复原   湍流成像   正则化   低秩分解  

摘要： 针对远距离光电探测系统受大气湍流、光线散射等成像条件影响导致目标图像信噪比低、模糊和几何畸变等退化降质问题，提出一种非凸正则化约束的湍流模糊目标复原算法。首先，利用潜在低秩空间分解（LatLRSD）获得目标低秩分量、纹理分量和高频噪声分量。接着，在小波变换域中对LatLRSD模型去噪后获得的两个结构分量进行加权重建，并在所构建的目标重建函数中加入非凸正则化约束条件以改善传统lp范数（p=0,1,2）作为约束项产生的重建模糊和尺度敏感问题。在远距离湍流成像场景中的目标复原实验表明：和传统算法相比，所提算法能够有效去除湍流目标模糊和噪声，复原后的目标信噪比平均提高约9 dB，且其适用于多帧或单帧的湍流模糊目标复原场景。