课程文献中心 更多>>

关键词： 轨道交通   全自动无人驾驶   障碍物检测   轨道区域分割   机器视觉  

摘要： 针对轨道交通全自动无人驾驶列车轨道障碍物检测领域中的轨道区域分割问题,提出一种基于视觉传感器的非接触式轨道区域检测算法。算法使用帧间差分阈值和灰度分布特征提取方法完成对视频图像数据的场景识别和标记;基于图像场景识别结果能够自适应调整参数输入的自适应边缘检测模块完成对图像的预处理和轨道轮廓的边缘检测;基于类滑动窗格的轨道区域边界搜寻模块构建滑动窗格搜索子模块和通带搜索子模块完成对轨道轮廓曲线的提取,最后使用卡尔曼滤波器提升检测结果的准确性和鲁棒性。实验结果表明该算法具备良好的检测性能。

关键词： 机器翻译   跨语言模型   深度学习   数据对齐   Transformer  

摘要： 针对目前跨语言机器翻译存在性能较低的问题,提出了一种基于深度学习和上下文感知算法的跨语言翻译模型。还提出了一个具有12层的跨语言Transformer编码器-解码器结构,充分学习不同语言表达特征。再提出了一种数据对齐方法,可有效扩充数据样本数量,增加数据多样性和数据量,减少数据和模型之间复杂度的相对差异,缓解过拟合问题。实验阶段,通过有监督、无监督、零样本数据集测试,证明所提模型具备较优性能。实验充分验证了所提模型可有效表达未知语种。与m-Transformer和mRASP等主流模型相比,所提模型BLEU分数较优。实验结果证明了所提出跨语言翻译模型的有效性及实用性,该模型可为跨语言机器翻译领域的发展提供一定借鉴作用。

关键词： 哈里斯鹰优化算法   迭代混沌   精英反向学习   黄金正弦算法   栅格法   路径规划  

摘要： 为提升哈里斯鹰优化算法收敛精度,解决易陷入局部最优等问题,提出了一种基于迭代混沌精英反向学习和黄金正弦策略的哈里斯鹰优化算法(gold sine HHO,GSHHO)。利用无限迭代混沌映射初始化种群,运用精英反向学习策略筛选优质种群,提高种群质量,增强算法的全局搜索能力;使用一种收敛因子调整策略重新计算猎物能量,平衡算法的全局探索和局部开发能力;在哈里斯鹰的开发阶段引入黄金正弦策略,替换原有的位置更新方法,提升算法的局部开发能力;在9个测试函数和不同规模的栅格地图上评估GSHHO的有效性。实验结果表明:GSHHO在不同测试函数中具有较好的寻优精度和稳定性能,在2次机器人路径规划中路径长度较原始HHO算法分别减少4.4%、3.17%,稳定性分别提升52.98%、63.12%。

关键词： 图像去雨   混合特征补偿   注意力机制   双注意力密集残差收缩网络  

摘要： 针对现有算法对雨纹的清除不彻底并存在背景信息丢失的问题,提出一种双注意力密集残差收缩网络的图像去雨算法。该网络首先通过混合特征补偿模块收集多种尺度信息;在编码阶段使用双注意力密集残差收缩块作为编码器基础编码块,利用软阈值网络将收集的特征信息中的无用信息置零并添加空间,利用通道双注意力标注雨纹的位置信息;在解码阶段将前面不同阶段的特征信息进行聚合,通过scSE注意力机制进行空间、通道两方面激励,压缩特征信息传入解码器进行解码,最终输出去雨图像。在公开数据集Rain100H、Rain100L、Rain800和Rain12上进行实验,以Rain100H为例与其他算法相比,峰值信噪比(PSNR)提高了1.07~7.45 dB,结构相似度提高了0.021~0.139。

关键词： 模拟退火算法   车辆运输   车辆路径  

摘要： 同时取货的车辆路径问题(VRPSDP)是在经典的容量约束车辆路径问题(CVRP)基础上增加了额外任务。货车的装载量不仅要满足配送需求,还需考虑回收货物的容量限制,这使得优化车辆行驶路线和装载量分配变得更加具有挑战性。为了避免传统智能算法可能遇到的局部最优问题,与依赖群体协作的算法不同,模拟退火算法(SA)通过逐步优化单一解来解决问题。具体而言,SA在每一步迭代中,对当前解进行多次邻域操作,不断改进解的质量,从而最终获得该算法能够搜索到的最优解。这种方法通过控制接受较差解的概率,使搜索过程能够跳出局部最优解,朝着全局最优解的方向不断推进。通过仿真实验和分析证明改进后的SA有效解决了VRPSDP问题。

关键词： 数据结构与算法   教学改革   小组合作学习模式   新型教学模式  

摘要： “数据结构与算法”课程旨在将现实世界的问题转化为计算机世界中的抽象数据描述。然而,该课程的理论知识较为复杂,且学生在实践环节中的参与度较低,导致其接受度不高,学习效果欠佳。在此情况下,小组合作学习(Team-BasedLearning,TBL)教学模式应运而生。该模式突破了传统以教师为主导的讲授式教学,强调学生的主动参与和合作学习,能够有效提升学生的学习积极性、参与度及整体教学质量。此外,小组合作学习模式包含丰富的实践应用经验和在线学习资源,不仅为课程提供了有力的学习支持,而且为后续相关课程的建设提供了可借鉴的应用示范,具有较高的应用价值和推广价值。

关键词： 蜣螂优化算法   逆向学习   自适应步长   凸透镜成像   t分布  

摘要： 为了改善标准蜣螂优化算法(dung beetle optimization,DBO)的收敛精度低、稳定性不足和易陷入局部最优等问题,提出了多策略改进蜣螂优化(multi-strategy improved dung beetle optimization,MSIDBO)算法。首先,使用融合Fun混沌与逆向学习策略初始化蜣螂种群,增加种群多样性和随机性;其次,引进鱼鹰算法的第一阶段的全局勘探策略替换蜣螂滚球阶段的位置更新,弥补蜣螂算法在滚球阶段依赖最差值,加快算法的求解速度和求解精度;再次,根据小蜣螂觅食位置更新引入自适应步长策略与凸透镜成像策略的集成,提高了算法全局开发和局部探索的能力;最后,对偷窃蜣螂的觅食行为进行自适应t分布扰动,使得算法更快跳出局部最优。将MSIDBO和其他算法在14个函数上进行测试,结果表明相对于其他群智能优化算法,MSIDBO的寻优能力、收敛能力等明显高于其他算法。将改进的算法用于压力弹簧设计优化问题,进一步证明改进后的算法具有较好的优化性能。

关键词： 机械臂   快速搜索随机树算法   路径规划   全局自适应步长   节点拒绝  

摘要： 为了解决面向快速扩展随机树(RRT)方法的路径规划存在环境探索能力不足、收敛速度慢、路径质量差的问题,提出一种适用于机械臂的全局自适应步长与节点拒绝RRT路径规划算法,首先提出一种全局自适应步长的方法,根据地图中障碍物的空间大小自适应地计算初始步长,同时在扩展过程中,利用收集到的环境信息,自适应调整当前步长,实现路径规划的全局自适应步长方法,增强了对地图的探索能力;然后使用一种节点拒绝的方法,避免探索重复区域,加快了算法的收敛速度;最后对路径进行冗余节点的去除操作,缩短了路径长度,并使用三次B样条曲线对路径进行平滑处理,使得机械臂的路径更加平滑。在机械臂上进行仿真实验,结果表明:改进RRT算法的探索能力高于标准RRT、GB-RRT、RRT-Connect算法,对环境的适应性强,提高了路径搜索效率,从而验证了该算法的优越性和可行性。

关键词： 灰色模型   分数线   预测  

摘要： 高校的录取分数线受到多种因素的共同影响,预测难度较大,且志愿填报存在一定的盲目性和风险。为了帮助考生科学合理地选择院校和专业,增加录取机会,基于各高校历年的录取数据,提出了一种基于灰色Verhulst预测模型的录取分数线预测算法。通过该算法,生成了3种预测序列:录取分数线、录取位次和批次线差,并选取平均相对误差最小的序列来预测院校的录取分数线。同时,对预测模型进行了验证与误差分析。结果表明,预测分数线的最大误差为-0.51%,最小误差为0%,平均误差为0.16%,模型精度较高,能够有效为考生志愿填报提供指导。

关键词： YOLOv8   行为检测   课堂场景   注意力机制   多尺度特征融合  

摘要： 针对在课堂行为检测任务中目标分布密集、存在遮挡导致的漏检、误检等问题,提出了一种基于YOLOv8n改进的学生课堂行为检测算法SCB-YOLOv8。首先在C2f模块中融入注意力机制模块,提高模型的特征提取能力。然后将FPN结构改为BiFPN,高效提取上下文信息,实现多尺度特征融合。最后在模型头部增加较浅特征层P2的检测头,提升对小目标的检测效果。实验结果表明,该算法适用于课堂场景目标检测任务,能有效提升课堂行为识别的检测精度。