课程文献中心 更多>>

关键词： data reconstruction   fast iterative shrinkage thresholding   prior support set   weighted operator  

摘要： Data reconstruction is a crucial step in seismic data *** improve reconstruction speed and save memory,the commonly used three-dimensional(3D)seismic data reconstruction method divides the missing data into a series of time slices and independently reconstructs each time ***,when this strategy is employed,the potential correlations between two adjacent time slices are ignored,which degrades reconstruction ***,this study proposes the use of a two-dimensional curvelet transform and the fast iterative shrinkage thresholding algorithm for data *** on the signifi cant overlapping characteristics between the curvelet coeffi cient support sets of two adjacent time slices,a weighted operator is constructed in the curvelet domain using the prior support set provided by the previous reconstructed time slice to delineate the main energy distribution range,eff ectively providing prior information for reconstructing adjacent ***,the resulting weighted fast iterative shrinkage thresholding algorithm can be used to reconstruct 3D seismic *** processing of synthetic and fi eld data shows that the proposed method has higher reconstruction accuracy and faster computational speed than the conventional fast iterative shrinkage thresholding algorithm for handling missing 3D seismic data.

关键词： 星图识别   注意力机制   轻量化   星图仿真   卷积神经网络   噪声鲁棒性  

摘要： 星敏感器在航天任务中通过对恒星进行识别以实现姿态测量,而星图识别算法作为其核心部分决定着星敏感器姿态定位的性能.针对现有的基于神经网络的星图识别算法难以在保证识别准确率的同时限制计算成本的问题,提出了一种基于注意力机制端到端轻量化网络MobileCiT的星图识别算法,用于直接识别星敏感器中的含噪声星图.MobileCiT在卷积神经网络的基础上采用深度可分离卷积和改进前置倒残差结构以实现星图识别算法的轻量化,同时引入注意力机制以重点关注星点位置信息.此外,由于实拍星图的成本高,噪声不可控,采用基于小孔成像的坐标映射模型以生成含噪声的仿真星图训练集与测试集.实验结果表明,MobileCiT对含不同噪声星图的识别准确率为99.850%,高于现有的基于轻量化网络MobileNet和MobileViT的星图识别算法,对位置噪声、星等噪声、假星和缺失星均具有良好的鲁棒性,能够在无需背景去噪、连通域检测、星点质心提取等预处理操作的情况下实现高精度的星图识别.MobileCiT在提升识别精度的同时具有较低的计算成本,计算量仅为基于MobileViT网络算法的1/3.在此基础上,将MobileCiT与基于子图同构的星图识别算法和基于模式识别的星图识别算法进行对比.在相同的视场范围与噪声条件下,MobileCiT依旧表现出了更高的识别准确率与更强的鲁棒性,这进一步验证了MobileCiT相对于传统星图识别算法的先进性.

关键词： 销售最优化机制   可视化处理   时间序列模型   随机粒子群算法  

摘要： 在生鲜超市中,蔬菜类商品的新鲜程度会随着时间降低,因此文章对销售最优化机制进行了深入研究。对已收集数据进行可视化处理和相关性分析。利用随机森林算法建立各品类平均批发价格的时间序列模型,进行未来一周内的预测,并使用遗传算法求得最优解。选取随机粒子群算法求解订购量满足最小陈列量的动态规划问题。最后加入其余各类商品约343万条数据,增加了送货日期等4个新变量,表明所建模型较强的应用能力和泛化能力。

关键词： 抓斗式卸船机   语义分割   卷积网络  

摘要： 桥式抓斗卸船机是港口装卸过程中重要的作业工具。随着科技不断发展,卸船机正向着智能化、无人化、自动化的方向发展。为了实现桥式抓斗卸船机全自动抓取作业,提高卸船机工作效率,改善工人工作环境,对抓料过程中散料实时图像数据的准确性是实现抓取货物的重要环节,本文将基于深度学习语义分割算法的原理以及现场的应用进行检验和讨论。

关键词： CT图像   金属伪影   稀疏Transformer   注意力机制   细节还原  

摘要： 在CT成像中,若病人体内存在金属植入物时,CT重建图像中会出现严重的金属伪影,降低图像质量并影响医生诊断结果;对现有金属伪影去除算法进行了研究,分析了简单的神经网络模型去除金属伪影时存在伪影残留及组织细节模糊的问题,提出了稀疏Transformer联合细节还原网络;该网络由伪影去除网络和细节还原网络两个独立的子网络构成,伪影去除网络将标准Transformer中的自注意力替换为稀疏注意力机制,并且引入混合尺度前馈网络提取多尺度信息,以产生更好的图像去噪特征;细节还原网络同时提取全局和局部信息,在不损失图像分辨率的前提下清晰地恢复原始图像细节,然后通过加法运算将其整合到上述去除伪影的图像中;在Deeplesion数据集上验证了模型的有效性,实验结果表明,该方法在金属伪影去除效果上优于目前已有方法,在PSNR、SSIM指标上表现更优,能有效去除金属伪影,恢复出大部分精细的结构细节。

关键词： 云计算   学生就业   信息分析   匹配算法   信息共享  

摘要： 文中提出基于云计算的学生就业信息分析与匹配算法研究。利用云计算技术构建学生就业信息共享支撑体系,该系统以层次云服务为基础,辅以元数据支撑和目录支撑,实现信息实时共享和检索,采集检索到的多源信息,对其进行整合处理并统一标准,在后台对整合后的信息展开分析,筛选出关键信息建立学生就业信息数据库。同时,将关键信息作为匹配算子,依据匹配规则实现学生就业信息匹配。实验结果表明:在条件相同的情况下,提出的基于云计算的信息匹配算法信息传输延迟小,计算节点可信度较高,该算法的容错性得到了提高。

关键词： YOLOv5s   细粒化卷积模块   C3TR   损失函数   软非极大值抑制算法   解耦合头  

摘要： 航拍图像中普遍存在目标尺寸微小、尺度多变以及背景繁杂等问题,从而导致YOLO系列算法的检测精度较低。为此,基于YOLOv5s提出YOLO-SC2算法。首先,在YOLOv5s的网络结构基础上添加细粒化卷积模块、融合基于Transformer架构的C3TR层,并采用C2F模块替换C3模块以增强目标特征信息提取能力;其次,通过替换Focal-EIoU损失函数,使用软非极大值抑制算法增强小目标检测准确性;最后,融合解耦合头,提高多目标下的检测精度。实验数据表明,在VisDrone2019公开数据集上进行实验,相较于原始模型,改进后的模型在P、mAP_0.5、mAP_0.5:0.95指标上分别实现了6.2%、8.2%和8.4%的提升。通过与其他算法对比,验证了该改进算法的有效性。

关键词： 声学层析成像   温度场重建   均衡优化器   元胞自动机   数值模拟  

摘要： 精确的温度场测量在工业领域十分重要,而超声温度层析成像具有广阔的应用前景和意义。为了提高重建温度场分布的精度,采用了两步温度场重建方法。首先,通过将元胞自动机(CA)与均衡优化器(EO)结合的方法求解低分辨率温度场。然后,采用双三次插值法来提高温度场分辨率,并通过一系列对比试验验证算法的性能。最后,利用数值仿真进行模拟,来验证算法实际的可行性。结果表明CAEO插值算法能够有效提高温度场重建精度,为温度场层析求解提供了一种新的解决方案。

关键词： 联邦学习   多目标寻优   佳点集   NSGA-Ⅲ算法   参数优化  

摘要： 联邦学习是一种新型的分布式机器学习方法,可以在不共享原始数据的前提下训练模型。当前,联邦学习方法存在针对模型准确率最优化、通信成本最优化、参与者性能分布均衡等多个目标同时优化难的问题,难以做到多目标的同步均衡。针对该问题,提出联邦学习四目标优化模型及求解算法。将全局模型错误率、模型准确率分布方差、通信成本、数据成本作为优化目标,构建优化模型。同时,针对该模型的求解搜索空间大,传统NSGA-Ⅲ算法难以寻优的问题,提出基于佳点集初始化策略的改进NSGA-Ⅲ联邦学习多目标优化算法GPNSGA-Ⅲ(Good Point Set Initialization NSGA-Ⅲ),以求取Pareto最优解。该算法通过佳点集初始化策略将有限的初始化种群以均匀的方式分布在目标求解空间中,相较于原始算法,使第一代解最大限度地接近最优值,提升寻优能力。实验结果证明,GPNSGA-Ⅲ算法得到的Pareto解的超体积值相较于NSGA-Ⅲ算法平均提升107%;Spacing值相较于NSGA-Ⅲ算法平均下降32.3%;对比其他多目标优化算法,GPNSGA-Ⅲ算法能在保证模型准确率的情况下,更有效地实现模型分布方差、通信成本和数据成本的均衡。

关键词： 机器人   快速扩展随机树   路径规划   高斯概率模型  

摘要： 快速扩展随机树算法(RRT)在机器人路径规划中应用广泛,但该算法存在随机性强、复杂环境适应能力弱等问题。针对上述问题,提出了一种结合高斯概率偏置策略和摇摆搜索扩展策略的改进RRT算法。将概率技术引入RRT算法,使用目标导向的高斯概率模型来代替传统的固定概率目标偏置,引导随机树更多地向目标点靠拢,从而降低算法的随机性;同时在扩展阶段利用负面的碰撞信息摇摆搜索可行路径以提高绕过障碍物的效率和狭窄环境下的扩展成功率。仿真实验结果表明,改进算法的综合性能优于传统算法。特别是在复杂环境下其规划时间和迭代次数分别比Bias-RRT算法减少了43%和87.5%,成功率提高了74.3%,为机器人的实际应用奠定了基础。