课程文献中心 更多>>

关键词： 水下光学图像识别   自动色彩均衡图像增强   轻量化YOLOv8   跨尺度特征融合模块   InnerMPDIoU  

摘要： 针对水下光学目标识别算法识别精度低、计算复杂度高的情况，提出一种自动色彩均衡（ACE）图像增强的轻量化YOLOv8水下光学识别算法。首先，使用ACE图像增强算法对图像进行预处理。其次，用改进的SENetV2骨干网络替换YOLOv8骨干网络，提高网络的特征提取能力，并用轻量级的跨尺度特征融合模块替换颈部网络，降低计算量。然后，用DySample替换传统上采样器，提升图像处理的效率，并在头部改进DyHead检测头，增强模型对目标的感知能力。最后，用基于最小点距离交并比（MPDIoU）的InnerMPDIoU替换YOLOv8的损失函数，提高边界框回归的准确率。实验结果表明，提出的SCDDI-YOLOv8算法在URPC2020数据集和UWG数据集上平均精度均值达到77.3%和71.5%，相比原YOLOv8n算法，所提算法的参数量下降～20.7%、浮点运算量减小6×108、模型大小减小1.2 MB。与其他先进算法相比，所提算法能满足边缘设备计算资源敏感的需求。

关键词： 遗传算法   强化学习   柔性作业车间   订单调度  

摘要： 随着制造业向数字化、智能化的发展，对个性化批量生产的模式及调度算法提出了更高的需求。为提高求解效率与质量，针对传统的遗传算法求解质量和效率无法满足实际生产需求的问题，本文提出一种基于强化学习增强遗传算法(RLEGA),对其关键参数进行动态调整，并进行试验验证。结果表明：该方法能解决柔性作业车间的订单调度问题，具有有效性和可靠性。

关键词： 目标跟踪   外观融合模型   正则化   通道可靠性   目标恢复  

摘要： 针对无人机跟踪地面运动目标过程中目标场景发生遮挡、光照变化等复杂情况下，相关滤波模型易退化进而导致跟踪精度降低等问题，提出了一种针对无人机对地面目标的稳定实时跟踪算法.首先，利用FHOG,CN和灰度等特征构建外观融合模型，提高对复杂场景的适应性；然后，在相关滤波跟踪的基础上，设计自适应局部时空正则化策略，在跟踪器中引入空间正则化来实现像素级的滤波器限制，同时设计时间正则化来优化滤波器的更新；其次，对滤波器进行通道可靠性融合，设计了自适应模型更新策略，防止滤波器退化，提高目标定位的精确度；最后，设计目标恢复模块来提高跟踪器强度，能更好地应对复杂环境.实验结果表明，提出的算法与同类文献算法相比，能更好地适应无人机对地面目标复杂场景的跟踪任务并满足实时性.

关键词： 算法治理   未成年人   网络欺凌   犯罪治理  

摘要： 网络欺凌以其隐蔽性强、频发率高等特性，成为当前社会治理中的一大难题，传统的校园欺凌治理模式在面对这一新兴问题时显得力不从心。算法治理作为情境犯罪预防理论在网络空间的创新应用，凭借着高效运作机制、精准识别能力以及前瞻性的预测优势，为有效解决网络欺凌问题提供了全新的视角和路径。鉴于此，构建一套科学完善的未成年人网络欺凌算法治理体系显得尤为迫切。在构建这一体系的过程中，我们应当坚持最有利于未成年人原则，从三个方面入手：一是要严格落实《未成年人网络保护条例》，二是要探索建立多元主体共同参与的治理模式，三是要切实防范算法应用过程中可能产生的风险。通过运用互联网算法治理模式，切实保障未成年人的合法权益，塑造一个绿色、健康的网络环境，让未成年人在阳光下健康成长。

关键词： 新能源   清洁能源   碱性电解水制氢   能耗   智能算法   制氢效率   优化模型  

摘要： 为解决工业电解水制氢过程中能源消耗大、制氢效率低的问题，提出一种双目标能效优化模型。通过构建电解槽电压模型，分析反应温度、工作压力及电流密度对电解槽电压的影响。建立碱性电解水制氢效率优化模型，结合遗传算法的广泛搜索与全局搜索算法的精细调整，提出全局遗传搜索算法实现模型的优化求解。结果表明：在最优参数（电流密度1 492.00 A/m2、压力10.00 bar、温度95.00℃）下，制氢效率达93.75%。所提算法展现出高效性与合理性，模型稳定性经灵敏度分析验证良好。实际应用中，模型仿真值与实测值高度吻合，验证了其实用性和可行性，为制氢系统优化提供了有力支持。

关键词： RSA加密算法   物联网   数据传输   安全   算法应用  

摘要： 由于现有的方法受到攻击次数较多，数据包丢失数量超过40个，因此，本文研究RSA加密算法在物联网数据安全传输中的应用。在物联网环境中，SSL协议适用于轻量级高性能数据安全传输。在加密前对物联网中的传输数据进行预处理，运用RSA算法来设定数据加密传输的子密钥。根据认证报文获取数字签名交换的位置，通过加密并经过私钥解密完成传输。试验结果表明，第一组受到的攻击次数保持在1次，为3个小组受到攻击次数最少的小组；第一组的数据包丢失数量在0～10个，具有相对较好的加密能力，确保网络始终保持在最佳状态。

关键词： BIM技术   群智能算法   建筑施工组织管理   优化策略  

摘要： 文章旨在探讨建筑施工组织管理中的优化策略，特别是针对信息不对称与协作不紧密的问题提出了一种创新的解决方案，融合了BIM（建筑信息模型）技术与群智能算法，通过BIM构建详尽的数字建筑模型，为优化过程奠定坚实基础。利用群智能算法对施工过程进行深度优化，实现对施工时间、成本及质量的全面管理。该方法显著提高了施工效率与工程质量，为建筑行业的数字化转型注入了新的活力，展现了在提升行业竞争力与可持续发展方面的巨大潜力。

关键词： 高维数据   特征降维   异常识别  

摘要： 阐述结合统计分析和特征降维技术，提出一种基于主成分分析（PCA）和孤立森林（Isolation Forest）的异常检测算法，并构建高效、精准的异常识别框架。该方法具备良好的鲁棒性和适用性。

关键词： 路侧目标检测   多尺度序列   特征融合   轻量级   YOLOv8n  

摘要： 针对现有模型在城市交通场景下的路侧目标检测任务中，对小目标和受遮挡目标的检测精度低以及模型参数量多等问题，提出基于多尺度序列融合的轻量级路侧目标检测算法MQ-YOLO。该算法为了在增强算法特征表达能力的同时保持检测速度，设计了多分支特征提取D-C2f模块；为了促进多尺度序列的特征图信息的融合，提高对小目标的特征提取能力，构造了多尺度序列融合（PSF）模块对特征融合层进行重构；为了加强对受遮挡目标的显著语义信息的关注，引入多重注意力机制的检测头；此外，还引入基于归一化Wasserstein距离的损失函数，增强模型的检测性能。在DAIRV2X-I路侧数据集上的实验表明，MQ-YOLO与基准YOLOv8n算法相比，平均均值精度（mAP@50）提高3.9百分点，mAP@(50～95)提高6.0百分点，参数量为3.96 Mbit。在DAIR-V2X-SPD-I数据集上的实验表明，该算法具有良好的泛化性。在路侧端部署时，检测速度可以达到62.5 frame/s，满足城市交通场景下的路侧目标检测和边缘部署需求。

关键词： 井下钻探   钻进工况   钻进参数   工况智能识别算法   机器学习  

摘要： 从钻进过程参数采集、数据处理、异常工况识别3方面对煤矿井下钻进工况识别方法进行了分析，提出了由数据采集层、处理层、工况识别层组成的煤矿井下常见钻进工况识别算法架构。其中，数据采集层能对钻进参数进行采集；数据处理层包含异常点的数据清洗、特征参数的提取以及传感器多源信息的融合；工况识别层采用机器学习中的分类算法与优化算法，通过结合2种及以上识别算法形成混合智能工况识别算法，对带有工况分类标记的钻进参数进行数据学习和模型训练，最终实现对钻进工况的智能识别。根据安徽淮南某煤矿井下典型钻进工况现场扭矩、泵压、钻速等钻进参数，构建了基于鲸鱼算法（WOA）优化后的核极限学习机（KELM）识别模型识别典型工况，通过对训练集样本进行学习，采用识别准确率优于SVM、KNN等识别模型的WOA-KELM模型，实现了对典型工况的智能识别。