课程文献中心 更多>>

关键词： 直流微电网   下垂控制   改进麻雀算法   均流控制   母线电压调节  

摘要： 针对直流微电网下垂控制中,线缆阻抗、工况变化带来的功率分配不均及母线电压跌落的问题,提出一种基于改进麻雀搜索算法整定下垂系数和分级下垂控制的结合控制策略。首先,改进算法将动态发现者与自适应螺旋因子相结合,提高了原算法的寻优精度和收敛速度。在整定下垂系数过程中,以下垂系数和电压补偿截距作为搜索维度,采样直流母线电压和各微源输出电压、电流,分别计算其与目标值的偏差量,并将偏差量的和作为目标函数,通过迭代更新收索最优下垂参数。然后,实时检测直流微电网输出电压、电流,以此诊断直流微电网工况变化,同时调整最优下垂参数进行分级控制。最后,通过仿真分析,验证了所提方法在微源故障断开、母线负荷投切及本地负载投切的工况下均可以获得良好的控制效果。

关键词： 布谷鸟算法   动态发现   优化  

摘要： 基本布谷鸟算法(CS)存在一些问题,例如,易陷入局部最优解、整体收敛精度需要进一步提高,因此提出了一种动态发现因子的改进布谷鸟算法。该算法根据鸟巢位置的优劣,选择不同的发现因子,对于被发现的较差位置的鸟巢采用最优解加随机向量差分法的方法来更新其位置。高维函数的求解问题能够很好地说明算法的优劣性,通过4个典型的基准函数在高维情况下进行优化实验测试,结果表明该算法具有较好的全局收敛能力,提高了优化精度。

关键词： 鱼类检测   YOLOv8n   轻量化   极区   声呐探测   EMA注意力机制  

摘要： 目前极区是通过声呐探测结合人工捕捞统计的方法对鱼类进行监测考察,该方法受经济成本和作业区域、时间的限制。基于深度学习的目标检测算法可在满足经济性要求的同时对鱼类进行识别检测,然而传统的目标检测算法往往参数量、计算量较大,无法适应极区能耗、存储受限的严苛条件。针对这一问题,文中提出一种改进YOLOv8n的轻量化鱼类检测算法,在骨干和颈部网络中使用GhostC2f代替C2f,用GhostConv代替网络中部分Conv;在骨干网络中引入EMA注意力机制,以提高特征提取能力;最后,使用计算过程更简单的MPDIoU损失函数代替CIoU,提高检测速度。在自制的鱼类数据集上实验表明:改进后的算法参数量和计算量分别变为1.49×10^(6)和4.7×10^(9),仅用了原YOLOv8n算法49.67%的参数实现了略优于YOLOv8n的检测精度;部署到嵌入式设备Jetson Xavier NX中检测速度能达到47 f/s,可以为硬件条件受限情况下的鱼类检测提供技术支撑。

关键词： 图像水印   二维离散哈尔小波变换   奇异值分解   海森堡矩阵分解   Arnold置乱  

摘要： 针对传统的水印算法在面对不同类型的攻击时所表现出的鲁棒性不强和透明性不足,提出一种基于改进奇异值分解(SVD)和二维离散哈尔小波变换的图像水印算法。首先,采用最大分割Arnold变换对水印图像进行置乱,以确保图像能量的均匀分布,从而提高水印的稳定性和抗攻击性,并使水印对潜在威胁具有强大的鲁棒性;其次,为增强加密过程,引入哈尔小波变换对图像进行多尺度分析,并提出改进的经济型SVD方法,以进一步提高算法的安全性和稳定性;最后,通过逆变换来还原生成图像水印。所提算法具有可逆性和易操作性,能保证图像的视觉质量。数值仿真实验结果表明:加水印后的5张经典宿主图像在未受攻击时的峰值信噪比(PSNR)和结构相似性(SSIM)均分别大于42.4481 dB和0.9994,展示了良好的透明性。当面临高斯噪声、椒盐噪声和JPEG压缩等攻击时,所提算法的归一化相关系数(NC)值超过0.99,优于离散小波变换(DWT)+SVD(DWT+SVD)、整数小波变换+海森堡矩阵分解(HMD)+SVD(IWT+HMD+SVD)、整数小波变换+SVD(IWT+SVD)图像水印算法;即使在其他攻击,如锐化、运动模糊以及斑点噪声等面前,在相同条件下所提算法的NC值仍保持在0.968以上,验证了在抵抗各种攻击方面的鲁棒性和透明性。

关键词： InsightFace   嵌入式人工智能   端云协同   人脸识别   智能考勤  

摘要： 传统的高校考勤方式,如点名、RFID刷卡等,存在效率低下、容易代签、漏签等问题;现有的人脸考勤系统大多使用学生终端设备参与考勤活动虽然提高了身份验证的准确性,但无法确认其是否在规定的场景下进行,给造成师生不便。鉴于此,采取一种基于InsightFace算法高校课堂智能考勤系统。通过布设在考勤情景下具体位置的多组人脸图像采集终端捕捉每位学生的面部信息,在云服务器上集中识别处理。该系统快速、准确地实现考勤记录且有效地减少错签,漏签,代签等行为发生。同时,使用该系统无须师生对考勤做出额外工作,进而提升课堂效率。

关键词： 图像修复   即插即用   扩散模型   非线性修复   深度学习  

摘要： 针对现行即插即用图像修复方法无法处理弱光图像增强等盲图像修复任务中图像退化模型难以精确建模的问题,本文构造了一种将即插即用分裂算法与引导扩散模型相结合的求解方案.该方案巧妙地避免了直接求解由复杂退化模型导致的复杂数据子问题,转而使用真实退化图像来解决数据子问题,并利用数据子问题的解作为“锚点”间接约束并优化先验子问题的求解过程.从而确保了图像修复结果能够更紧密地贴近真实的图像恢复目标.本方法在多个公开数据集上进行验证,结果表明,所提算法与现行具有代表性的方法相比,PSNR和SSIM分别平均提升4.89%和9.48%.实验证明,所提方法在修复指标上表现更好,验证了本方法的有效性.

关键词： 大数据与人工智能   新媒体出版物   个性化推荐算法  

摘要： 本文聚焦于大数据与人工智能技术在新媒体出版物个性化推荐领域的应用,首先概述新媒体出版物及其发展现状,其次分析相关的技术基础和现有新媒体出版物个性化推荐算法,再次阐述基于大数据与人工智能的个性化推荐算法创新设计,最后探讨算法实现与性能评估以及算法应用面临的挑战与应对策略,以期为新媒体出版物个性化推荐提供更精准、高效且具创新性的算法支持,推动新媒体出版业的蓬勃发展。

关键词： 移动边缘计算   任务缓存   计算卸载   深度强化学习  

摘要： 近年来,移动边缘计算(Mobile Edge Computing,MEC)技术的持续发展和应用成功地应对了随着终端用户数量急剧增加而导致网络边缘数据量爆炸性增长的用户服务需求.然而,如何实时优化分配这些服务器给不同用户仍然是一个亟待解决的紧迫问题.本文专注于多用户多MEC服务器场景中任务缓存和计算卸载策略的联合优化问题,借助于强化学习算法分别解决这两个子问题.在任务缓存方面,本文以最大化系统缓存命中率为目标,引入了基于Gomory割平面的多臂选择算法(Gomory Based Multi-Arm Selection,GMAS)来适应不同任务数据量的差异,并通过理论证明了算法遗憾上界的对数性.而在任务卸载方面,提出了Dueling架构的双重Q网络(Double DQN with Dueling architecture,D3QN)算法以应对多用户多MEC服务器中的任务卸载问题,该算法在保证任务性能的同时有效规避了DQN算法中Q值过估计的问题.仿真结果表明,本文所提出的算法在时延和能耗等方面相较A3C和DQN算法表现出明显的优势.

关键词： 甲板作业调度   黏菌算法   一站式保障   任务分配  

摘要： 为提高舰载机出动效率,开展一站式保障模式下航母甲板保障作业资源调度的优化设计研究。建立以最小化保障时间为目标的舰载机甲板作业调度模型,将航母舰面保障资源视为相关约束的自变量,构建优化模型;采用黏菌优化算法求解甲板保障资源和保障工序调度问题。通过“福特”级航母典型甲板保障作业调度的算例仿真,得到了保障员的配置方案与舰载机的保障作业调度方案,验证了求解算法的有效性。利用所提出的方法可以有效求解一站式甲板保障作业调度的优化问题,为一站式保障资源的配置优化提供了一定的理论支撑。

关键词： 深度估计   深度补全   稠密深度图   多尺度特征融合   自适应采样  

摘要： 深度估计旨在通过少量稀疏深度样本点预测场景的稠密深度图,现有方法通常直接从稀疏深度样本生成最终的深度预测图,没有充分挖掘稀疏深度图包含的几何信息,导致深度估计算法的预测精度不够高。针对上述问题,提出一种融合自适应采样与全局感知的图像深度估计算法,由粗粒度到细粒度逐步预测深度图。通过引入预训练的深度补全网络预测粗粒度的稠密深度图,获取丰富的场景结构信息和语义信息。设计自适应深度采样方法,引导算法模型对远处的区域施加更多关注,缓解深度数据的长尾分布问题。同时通过新设计的全局感知模块,捕获并融合多尺度特征,从而获取更多的场景上下文信息。在NYU-Depth-v2数据集上的实验结果表明,算法在整体性能上超越了其他方法;消融实验的结果验证了提出的各个模块的有效性;Zero-shot实验的结果表明算法有较好的泛化性能,其中在ScanNet数据集上的阈值精度指标δ<1.25相比P3D方法提升了42个百分点,相比S2D方法则提升了3.8个百分点。