课程文献中心 更多>>

关键词： 白冠覆盖率   阈值分割   同态滤波   光照校正   风速  

摘要： 白冠是一种常见的海洋自然现象,海面白冠的精确识别和提取对海气相互作用、海洋遥感等研究和应用有重要的科学意义和实用价值。基于数字图像处理的白冠自动提取技术具有处理效率高、准确性好、成本低等特点,但在实际海况下拍摄的图像受太阳光照的影响会存在光照不均现象,容易造成白冠误提取,使得准确提取白冠覆盖率(WC)的难度大大增加,并对后期白冠覆盖率参数化研究产生不可忽视的影响。为了解决这一难题,本文在传统自适应阈值分割算法基础上,针对光照不均的海浪图像提出了应用同态滤波和图像增强的光照校正改进算法,以消除光照不均对白冠识别提取的影响。使用立体摄影测量系统拍摄的海浪图像进行了提取实验,并与传统白冠提取算法的结果进行了对比。结果表明改进算法大幅提高了光照不均情况下白冠提取的精度,验证了该算法的可靠性,有效提高了白冠覆盖率的计算正确率,进而提高了白冠覆盖率与海面10 m风速拟合关系式的准确度和可靠性。

关键词： 肺肿瘤   激光诱导击穿光谱技术   机器学习   反向传播神经网络  

摘要： 肺癌是我国乃至全世界发病率和死亡率较高的恶性肿瘤之一,其早发现、早诊断、早治疗可以显著提高肺癌患者的预后,有效降低死亡率。本文采用激光诱导击穿光谱技术(laser-induced breakdown spectroscopy,LIBS)结合机器学习算法用于诊断和鉴别裸鼠肺肿瘤和肌肉组织。实验过程使用波长532 nm、能量40 mJ的激光器对200个裸鼠切片样本(100个肺肿瘤、100个肌肉组织)进行光谱差异性探究,并采用适合数据特征的机器学习算法,用于肺肿瘤和肌肉组织的分类诊断。通过样本的光谱波峰特征选取16条强元素谱线作为机器学习算法的特征向量,比较K-最近邻(k-nearest neighbor,KNN)、支持向量机(support vector machine,SVM)、反向传播神经网络(back propagation neural network,BPNN)算法的分类精度,并选出最优分类算法;然后基于变量重要性排序,采用随机森林(random forest,RF)算法,选取高于可变重要性平均值的变量作为最优分类算法新的特征向量。通过五折交叉验证,指标包括准确率、灵敏度、特异性、受试者工作ROC曲线(receiver operating curve)以及曲线下面积AUC值(area under curve)来对模型进行评价。结果表明:(1)对比LIBS光谱图发现肺肿瘤组织和正常肌肉组织光谱种类相似,均包含有金属元素、非金属元素和分子键的特征信息。(2)在KNN、SVM、BPNN 3种算法的比较中,BPNN模型为最优分类器,其准确率、灵敏度、特异性分别达到91.67%、97.1%、84.6%,AUC值为0.924。(3)RF重要性选择后的变量由16个减少到了7个,解决了高维数据特征冗余的问题。(4)将RF算法与BPNN分类器结合后,RF-BPNN的分类准确率、灵敏度、特异性分别提高到了96.7%、100%、94.1%,AUC值为0.964。

关键词： 波长调制光谱   光谱拟合   鲸鱼优化算法  

摘要： 为提高光谱特征提取的精度和效率,文章提出了一种基于改进鲸鱼优化算法(WOA)的波长调制光谱(WMS)拟合技术。通过引入非线性时变自适应权重和差分变异微扰因子,对传统鲸鱼优化算法进行优化,使其全局搜索能力和收敛速度得到显著提升。以乙炔在1 532.82 nm处的P13吸收线为例,文章对比了改进鲸鱼算法、传统鲸鱼算法以及Levenberg-Marquardt(LM)算法在气体体积分数和激光调谐参数检索中的性能。研究结果表明,改进后的鲸鱼算法能够稳定且高效地提取WMS-2 f/1 f光谱特征,拟合精度更高,残差可降至10-5数量级,拟合时间缩短至20 s,自由参数的相对误差均控制在0.3%以内,显著优于其他拟合算法。

关键词： 重要节点   LeaderRank   adaptive GraphRank   背景图   H指数  

摘要： 社交网络中的重要节点对网络结构和功能具有决定性影响,开发精度更高的重要节点排序算法成为当前的研究热点之一。其中,LR(LeaderRank)引入一个背景节点明显提升了经典PageRank排序算法的性能,但仍面临着网络中小出度用户的投票权偏见问题。因此,提出背景图增强的社交网络重要节点自适应排序算法AGR(adaptive GraphRank),构建多节点背景图替代LR的单一背景节点,基于H指数设计有偏向的随机游走,缓解投票权偏见。调参实验初步确定了背景图的最优规模和结构;与K-TOPSIS等现有优秀算法进行对比实验,验证了AGR在传播、瓦解、鲁棒性三个关键维度上的性能提升;实际案例检验了算法在真实场景下的有效性。综上,AGR有效缓解了投票权偏见,提高了排序精度,展示出较优的性能和应用潜力。

关键词： 电成像测井   空白条带填充   深度学习   生成对抗网络   有限元法   井壁裂缝  

摘要： 【目的】电成像测井仪器极板之间存在间隔,测得的井壁电阻率图像存在空白条带,对井壁附近裂缝参数评价影响较大。针对裂缝空白条带填充没有全井眼图像,填充质量评价难的问题,提出一种模拟数据与真实数据相结合构造数据集,基于生成对抗网络的电成像测井裂缝空白条带填充方法。【方法】首先,基于三维有限元法对裂缝地层的电阻率测井响应进行模拟。采用过渡边界条件代替实体裂缝的方法提升了多尺度模型的计算效率,满足了深度学习对样本的需求。其次,将模拟得到的裂缝与实际测井图像相结合构建了全井眼图像,用电成像测井图像制作的掩码作为空白条带。通过图像填充指标评价裂缝空白条带填充能力的方式优选超参数,获得最佳空白条带填充效果。最后,采用不同占比的掩码进行裂缝空白条带填充,并评价裂缝填充质量。【结果和结论】结果表明:模型能够在不同占比的空白条带情况下进行填充,对粗糙裂缝有较好的填充效果且裂缝形态平滑,能更准确地恢复边缘轮廓与细节。在真实测井数据上的填充进一步验证了其适用性,填充后的图像自然且能有效恢复裂缝特征,有助于裂缝提取及定量计算,为裂缝储层的精准评价提供基础,支撑油气产能的准确预测。

关键词： 蜣螂优化算法   黑寡妇优化算法   混沌映射   改进因子   工程优化问题   BWDBO  

摘要： 虽然蜣螂优化算法(Dung Beetle Optimization,DBO)具有寻优能力强,收敛速度快的特点,但是也不可避免的存在易陷入局部最优以及全局探索和局部开发不平衡的特点。针对以上问题,提出了一种融合了黑寡妇优化算法(Black Widow Optimization algorithm,BWO)思想的蜣螂优化算法,命名为黑寡妇-蜣螂优化算法(Black Widow-Dung Beetle Optimization,BWDBO)。在DBO的基础上BWDBO提出了3种改进:采用混沌映射扰动初始种群、采用黑寡妇算法更新部分蜣螂和采用自适应t分布因子改进蜣螂个体。相比于原始DBO,BWDBO增强了算法的全局搜索以及局部开发能力。为了验证BWDBO的性能,分别进行了改进策略有效性验证实验、群智能算法对比验证实验、并运用BWDBO算法优化了两个实际工程优化问题。实验结果表明,BWDBO具有良好的优化性能,并且能够有效的处理实际工程问题。

关键词： YOLOv5   车辆检测   样本匹配   空间金字塔池化   半监督学习  

摘要： 目前,交通场景中的车辆检测存在目标尺度差异显著以及遮挡重叠严重等问题,且对大规模数据进行完全标注需要较高的成本。针对以上情况,提出一种基于改进YOLOv5的半监督车辆检测算法。引入SimOTA样本匹配方法,优化次优匹配现象,改善目标尺度形状变化导致的检测困难;提出一种新的空间金字塔池化网络SPPFA,通过引入LSKA,在增大感受野的同时实现空间和通道的自适应性,缓解大尺度目标和遮挡问题产生的影响;将CIoU替换为SIoU,优化回归损失函数。在此基础上,提出一种改进的半监督深度学习算法,通过优化损失函数设计,增强算法学习未标注样本中有益信息的能力,有效提高模型对车辆的检测精度。实验结果表明,改进后的算法在自制车辆数据集上mAP@0.5指标达到了58.2%,相较YOLOv5n基线模型提升了11.1百分点,且模型体积远小于主流目标检测算法,具有良好的工程应用前景。

关键词： 低轨卫星网络   路由算法   深度Q网络  

摘要： 近年来,低轨卫星网络发展迅速,被广泛应用于全球通信、互联网接入等领域。首先,对当前低轨卫星网络发展现状与主流的低轨网络路由算法进行总结。然后,针对星上路由算法设计面临的优化目标单一、收敛速度慢以及时延和丢包率等指标优化难度大等挑战,提出基于深度Q网络(DQN)的多目标智能路由算法,通过设计多目标奖励函数,实现了时延、丢包率、负载均衡多目标的性能优化。在时延方面,本算法优于最短通路优先算法;在流量分布指数和丢包率方面,本算法相较于最短通路优先算法与Dijkstra算法分别提高14%和10%以上。最后,阐述所提智能路由算法在多种应用场景中的使用方法。

关键词： 大坝变形   预测模型   遗传算法   长短时记忆网络   实例数据验证  

摘要： 精确预测大坝的变形情况对于保障大坝结构的稳固至关重要。该研究旨在将遗传算法(GA)与长短时记忆网络(LSTM)相结合,建立针对长期水力作用导致的大坝变形的预测模型。首先,采用LSTM算法构建大坝变形的预测模型,然后将预测问题转化为一个优化任务。通过遗传算法的交叉、变异和选择等操作,对LSTM预测模型的超参数进行迭代优化,以最小化预测模型与实际观测数据之间的误差,从而确保对大坝变形程度的准确评估。最后,通过某水电大坝的实例数据验证。相较于传统的LSTM模型,提出的GA-LSTM算法的预测精度更高,预测偏差更小。

关键词： 泵控液压马达   PID调速系统   改进浣熊优化算法   控制性能  

摘要： 为了提高泵控液压马达PID调速系统的速度和精度,通过建立数学模型和Simulink仿真系统,确定了变量泵控定量液压马达系统以液压泵摆角为输入的调速控制回路的传递函数;针对传统PID调速系统在速度和精度方面的局限性,引入一种改进的长鼻浣熊优化算法(ICOA),该算法结合了反向学习差分进化和萤火虫扰动策略以提高系统性能。在CEC2022函数的性能测试中,相比长鼻浣熊优化算法等5种算法,ICOA算法表现优异,它在单峰、多峰、复合且多模态的函数上均表现出较好的收敛速度、寻优精度和鲁棒性。最后,通过仿真验证,ICOA算法在泵控液压马达PID调速性能优化方面具有更好的效果,能够更有效地使系统响应达到期望的状态。