课程文献中心 更多>>

关键词： 半监督学习   特征融合   场景三维重建   相机自定标   投影矩阵   特征点匹配  

摘要： 提出基于半监督特征融合算法的配电网施工场景非定标三维重建方法,重构配电网施工三维场景,辅助配电网施工相关工作顺利开展。通过消失点相机自定标方法构建线性方程组,获取相机内外参数,建立相机成像模型,获取配电网施工场景图像。采用半监督稀疏流形嵌入方法,通过获取施工场景图像的特征投影矩阵,提取施工场景图像低维特征。该特征经加权融合后,采用灰度协方差最大值确定像元阵列特征点的方法,匹配融合后的图像特征点,结合定标相机内外参数计算所有匹配特征点的重建三维坐标,实现配电网施工场景非定标三维重建。实验结果表明,所提方法可以精准地定标相机,清晰、逼真地呈现配电网施工三维场景。

关键词： 噪声标签回归   泛化误差估计   自适应高斯核估计   样本召回过滤  

摘要： 当回归数据中存在数值型标签噪声时,传统泛化误差估计方法不再适用,回归模型的泛化性能缺乏保障.本文提出一种面向标签噪声的回归模型泛化误差估计方法,并设计了自适应高斯核噪声估计与样本召回过滤(adaptive Gaussian kernel noise estimator and sample recall filtering, AGKSRF)算法.在所提Craven-Wahba(CW)泛化误差估计的基础上,提出一种CW样本选择框架.基于最大后验估计思想和自适应近邻方法,提出标签噪声的自适应高斯核(adaptive Gaussian kernel, AGK)估计方法.结合所提框架,AGKSRF首先过滤大噪声样本,同时考虑到初次过滤时可能有部分干净样本被误删,AGKSRF根据模型在过滤样本上的误差对样本进行召回再过滤.标准数据集上的实验结果表明,AGKSRF降低模型误差的能力提升了6~51个百分点.AGKSRF还可以识别年龄估计数据上的错误标签.因此,AGKSRF算法可以有效提升数据质量.

关键词： 转向架构架   磁粉探伤   缺陷检测   YOLO-CET   注意力机制  

摘要： 针对转向架构架磁粉探伤缺陷识别环节人工目测效率低的现状,提出一种基于YOLO-CET(You Only Look Once based on CoTNet-Efficient-Transformer blocks)的探伤图像缺陷自动识别算法,实现对构架表面真伪缺陷的智能识别。以YOLOv5(You Only Look Once version 5)为基础模型,在骨干特征提取网络引入轻量化CoTNet(Contextual Transformer Networks)网络层,实现缺陷特征的多尺度融合与提取。加入高效通道注意力机制,在不增加网络计算量的同时提高模型的鲁棒性和泛化性。增加一个小尺寸缺陷检测头用于减轻不同尺寸特征带来的尺度方差影响,同时引入视觉自注意力模块,增强小目标缺陷的抓取识别能力。利用自建的构架表面缺陷探伤数据集进行测试,结果表明,与YOLOv5相比,所提出的YOLO-CET使检测平均精度提升33.8%,F1-Score提升0.26,浮点运算量仅增加1.5 B,该模型可实现缺陷的自动检测,有效解决背景误判、细小缺陷漏检等问题。

关键词： 显性社交关系   图卷积神经网络   生成对抗网络   自动编码器  

摘要： 针对显性社交关系的嘈杂性问题以及大多数社会化推荐算法忽略好友之间动态变化的问题,提出一种融合生成对抗图卷积网络的社会化推荐算法(AGCN)。在评分信息和显性社交关系上构建用户的潜在好友关系;利用精简高效的图卷积神经网络学习信息的结构特征,以获取用户和产品的深层次特征;采用生成对抗网络动态地构建与用户具有相同喜好的可信好友,惩戒虚假好友,实现好友的动态变化。在Filmtrust与Ciao数据集上的结果表明,与BPR、SBPR、CUNE-BPR和LightGCN算法相比,无论是普通用户还是冷启动用户,该算法均实现了更好的推荐性能。

关键词： 自主可控   自动导引车(AGV)   跟踪控制   纯追踪算法  

摘要： 设计并实现了一种基于自主可控平台的自动导引车(AGV)。AGV满足核心硬件国产化、软件开源可控的要求,并可兼容多种自主导航算法。对传统纯追踪算法在跟踪精度和安全性上进行了改进:一是载具在直线路段偏离参考轨迹较远的情况下使用Dubins路径进行快速回归;二是在大曲率参考轨迹处使用预瞄点偏移算法纠正跟踪轨迹,减小跟踪误差;三是应用动态预瞄距离和动态速度进一步减小大曲率路段的跟踪误差和安全风险。改进的算法在设计的AGV上进行了实现。在完成AGV设计和改进算法实现后,在实际环境中进行了视觉循线实验。改进的算法在0.1 m/s的速度下在曲率较小路段的平均偏差相较改进前的两种纯追踪算法变体分别减少了3.3%、7.3%,在大曲率路段减少了8.34%、23.06%;在0.5 m/s的速度下在曲率较小路段的平均偏差相较改进前的两种纯追踪算法变体分别减少了9.08%、11.33%,在大曲率路段减少了2.97%、24.67%。改进算法实验的整体结果优于使用改进前两种算法变体的结果,且设计并实现的AGV能够满足一般环境下的视觉循线导航需求,可应用于多种实际场合。

关键词： 特征匹配   图像增强   特征描述符   闭环检测  

摘要： 视觉同步定位与地图构建(SLAM)算法在低光照条件下容易出现跟踪丢失和特征匹配困难,造成闭环和定位精度降低。针对此问题,提出一种融合傅立叶特征增强网络(FFE-Net)的视觉SLAM算法。首先,通过对傅里叶频域和空间域进行跨域处理,设计傅里叶空间亮度增强和特征细节恢复模块,提高了系统在低光照条件下的特征匹配数量及定位精度。其次,提出一种基于局部超像素特征描述符的闭环检测方法,通过规划特征区域生成特征描述符并结合词袋,共同完成对候选回环帧的筛选,提高闭环准确率。最后,在TUM_VI、KITTI和EUROC公开数据集上进行实验验证。实验结果表明,所提算法在TUM_VI上的绝对轨迹误差比ORB-SLAM3算法平均降低了27.16%,闭环精度比VINS-FUSION算法提升了5.0%。根据实际场景下的实验结果,所提算法的运动轨迹比VINS-FUSION更接近真实轨迹,表现出良好的构图能力。

关键词： 多目标优化   设计变更   差分进化   强化学习  

摘要： 由于零部件之间复杂的关联关系,产品设计变更效应的传播在所难免.为降低产品设计变更带来的风险,以变更对产品综合性能影响、变更经济成本和变更工期作为优化目标,本文提出了一种强化学习引导的产品变更路径多目标差分进化算法.首先,建立问题的复杂产品网络模型,揭示产品零件变更的传播机制;接着,引入变更传播强度,间接评价零件变更对产品综合性能的影响;同时,考虑变更经济成本和变更工期指标,建立产品设计变更传播路径的多目标优化模型;进一步,利用双深度Q-网络帮助种群在不同阶段选择适合的进化策略,提出一种强化学习引导的差分进化算法,简称为DDQN-DE,并通过上述算法求解最佳的产品设计变更传播路径.最后,以创维公司某型号电视机的设计变更问题为例,并与已有算法进行对比,实验验证了所提算法的有效性.

关键词： 算法歧视   自动化决策   性别歧视   劳动者权益   平等就业权  

摘要： 算法自动化决策在招聘、绩效评估等用工决策中发挥着日益重要的作用。结合算法技术原理和算法应用实践对自动化决策进行风险分析,就业性别歧视可能沿着技术路径嵌入决策,其类型具体包括:算法无意识的就业性别歧视和决策者有意识的就业性别歧视。算法自动化决策情境下的就业性别歧视与传统非数字化情景下的就业性别歧视相比,二者在本体层与治理层两方面均存在区别,而我国关于算法自动化决策在就业性别歧视方面的立法还未展开。应针对算法自动化决策的隐蔽性、间接性、难以解释性,来构建“性别歧视发现、性别歧视应对”的算法规范路径,具体包括:企业的算法披露政策与解释政策;算法自动化决策的“申诉-响应”机制;特殊的举证责任分配制度。

关键词： 模糊神经网络   异常数据剔除   温度时序模型   电气火灾预警  

摘要： 由于电气火灾前出现的信号相对较弱,且受电气设备本身的复杂性和环境噪声等因素的影响,使得预警信号采集难度增大,从而导致预警效率与精度过低。为提高预警准确性,提出改进模糊神经网络下电气火灾预警算法。采用ICA-CEEMD小波阈值去噪算法对数据展开处理,利用3σ原则提取信号的细节信息,重构多源传感器数据;将传感器采集的数据转变为时间序列形式,通过N-TCD算法剔除数据中的异常值;将传感器采集的温度数据、烟雾浓度数据和一氧化碳浓度数据输入模糊神经网络中,输出孤立火灾概率,建立温度时序模型,计算时序火灾概率,加权融合处理孤立火灾概率和时序火灾概率获得最终的电气火灾概率,完成电气火灾的预警。仿真结果表明,所提算法具有较高的预警精度和预警效率。

关键词： 车辆   协同驾驶   油门动作曲线   一致性评价   分段式DTW  

摘要： 时间序列匹配技术广泛应用于车辆操纵一致性评价。针对某型教练车在协同驾驶过程中的动作匹配度评判问题,提出一种基于分段式动态时间弯曲距离的车辆油门操纵动作一致性评估方法。在有效解决教练车协同操控试验过程中样本数据点数量不一致问题的基础上,根据动态弯曲路径的斜率约束条件,将传统的动态时间弯曲距离(Dynamic Time Warping,DTW)矩形搜索区域通过改变路径搜索斜率方式转变为平行四边形搜索区域,以缩小搜索区域面积,从而极大程度地减小计算量。选取4组典型的油门动作曲线组进行50轮迭代实验进行验证,通过分段式DTW方法计算得到实车A、教练车B动作曲线之间的DTW距离矩阵,利用最小离差平方法对A、B两车动作进行聚类对象合并,从而完成油门动作数据的一致性评判。实验结果表明,改进后的动态时间弯曲算法在各油门动作的平均匹配精度可达89.2%,相较于单一的DTW算法提升约3.2%,平均匹配时间约为92.45 s,降低约12.6%,从而验证了分段式DTW算法在油门动作一致性评判的可行性和优越性。