课程文献中心 更多>>

关键词： 粮食产量   反向传播神经网络   鲸鱼优化算法   非线性惯性权重   随机扰动策略  

摘要： 为了给农业及其相关部门制定粮食策略提供理论依据,提出一种基于改进鲸鱼优化算法(improved whale optimization algorithm,IWOA)的反向传播(back propagation,BP)神经网络混合算法(IWOA-BP)。该混合算法先通过引入改进收敛因子、非线性惯性权重和最优邻域扰动策略改进鲸鱼优化算法,再将其最优解赋值给BP神经网络的权值和阈值,最终提高IWOA-BP的收敛速度和收敛精度。选取全国近45年粮食总产量和7种影响因素(有效灌溉面积、化肥施用量、农村用电量、农业机械总动力、粮食作物播种面积、受灾面积和农村人均消费支出)作为数据集,构建基于改进鲸鱼算法的反向传播神经网络粮食产量预测模型。多次实验表明,IWOA-BP模型在测试集上的表现均优于其他预测模型,包括长短期记忆网络(long short-term memory network,LSTM)预测模型、极限学习机(extreme learning machine,ELM)预测模型、基于鲸鱼优化算法的BP神经网络(WOA-BP)预测模型以及基于粒子群算法的BP神经网络(PSO-BP)预测模型。IWOA-BP模型和ELM模型相比,前者的均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)分别降低了77.12%、88.18%;和LSTM模型相比,前者的RMSE、MAPE分别降低了69.11%、47.36%;和WOA-BP模型相比,前者的平均绝对误差(mean absolute error,MAE)、RMSE和MAPE分别降低了43.78%、43.22%、45.96%。和PSO-BP模型相比,前者的MAE、RMSE、MAPE分别降低了89.67%、90.61%、90.82%。因此IWOA-BP预测模型的决定系数更高、预测误差更小且收敛速度更快,可有效地预测粮食产量,对于农业部门和相关政策制定者来说具有重要的技术参考价值。

关键词： 轨道交通列车   超温监测   机器视觉   测温贴片   多任务学习  

摘要： [目的]由于基于温度传感器的列车关键部件温度监测方案存在投资及运维成本高昂的问题,难以满足大型工程项目中对该类部件温度监测广泛推广的需求,因此,亟须研发一种低造价且运维成本低的温度监测方案。[方法]提出了一种融合测温贴片和计算机视觉的超温监测算法。该算法遵循“先定位、后分割、再计算”的识别逻辑。通过采用二分k-means聚类算法并引入注意力机制对YOLOV3算法网络进行优化,实现了图像中测温贴片的精确定位;在U-Net++算法网络架构中嵌入主体边界分离模块,并在损失函数中增加相应的边界监督项,以增强边界分割效果,提高测温贴片在图像中的分割精度;对分割后的图像进行计算,根据测温贴片变色的相对体积质量来判定超温结果。[结果及结论]通过对SSD算法、Retina-Net算法、YOLOV3算法、YOLV4算法及改进后的YOLOV3算法等5种算法的定位精度进行试验对比,其定位准确率分别为95.32%、97.15%、98.09%、98.36%及99.21%,其中改进后的YOLOV3算法准确率接近100%。同时,对DeepLabV3+算法、U-Net++算法及改进后的U-Net++算法等3种算法的分割精度进行对比试验,结果显示分割精准度分别为95.97%、96.81%及98.36%,改进后的U-Net++算法表现最优。在真实测试集上进行的试验中,改进算法达到了99.30%的准确率。

关键词： 短视频平台   用户生成内容   算法推荐机制   传播效果  

摘要： 随着短视频平台在中国的迅猛发展,用户生成内容与算法推荐机制已成为影响传播效果的关键因素。本文以抖音、快手等主要短视频平台为例,分析用户生成内容与算法推荐机制对传播效果的影响。研究结果表明,用户生成内容的多样性和趣味性提升了用户的创作意愿,而算法推荐机制则通过优化用户体验强化了信息的精准传播。本文通过定性与定量分析,对用户生成内容与算法推荐机制的互动关系进行了详尽探讨,为未来短视频平台运营与内容创作者提供理论依据和实践指导。

关键词： KNN算法   文本自动分类   数据挖掘  

摘要： 文章深入探讨文本自动分类的领域,聚焦于一种广泛应用的基于内容的分类技术——KNN(K-Nearest Neighbors)算法,对其原理和应用进行重点介绍。采用KNN算法结合优化的词特征权重评估与文本相似性计算技术,实现文本的自动分类。经过KNN分类处理后,分类结果的准确率和召回率均显著提升。

关键词： 改进RRT算法   机械臂避障   路径规划   预实验   分段式插值   轨迹优化  

摘要： 为解决复杂工况下的机械臂避障与路径规划问题,提出一种通过降维预实验预设分段式插值的改进RRT算法。该算法基于多次降维实验拟合,得到路径中间点,通过插值不断替换目标点,将长距离多障碍的目标路径分段求解,具有较好的时间与求解优势,并且能得到研究者所期望的路径走向。经过可视化结果对比:所提算法相比RRTConnect算法减少了约71%的收敛时间,减少了约58%的迭代计算量;而相对于传统RRT*算法减少了约45%的收敛时间,减少了83%的迭代运算量。最后通过Matlab仿真验证,实现轨迹优化与关节碰撞验证,并在真实工况下通过编程控制机器人复现算法得到的路径,验证了改进算法所求解的轨迹的收敛时间短且有效,具有良好的应用价值。

关键词： 物流配送中心   选址模型   启发式算法  

摘要： 文章针对城市物流配送中心选址问题,首先从降低物流配送过程中管理复杂度、节约日常运营成本的实际需求出发,在满足每个需求点需求不可拆分的情况,即只能由一个配送中心配送服务的前提下,提出了更加符合客观实际的建立城市物流配送中心选址模型的前提假设,构建了混合整数规划数学模型。然后为了解决大型混合整数规划模型的求解会受限于NP-hard问题,针对提出的数学模型设计了启发式算法,给出了求解的详细步骤。最后通过实际案例分析,验证了模型和算法的有效性,求解出了可行满意解。

关键词： 积灰检测   平均灰度值   图像融合   积灰程度  

摘要： 为了精确分析光伏板积灰情况,采用搭建的光伏积灰可视化实验台,引入平均灰度值参数,对光伏板图像进行数值化分析,验证了光伏板图像的平均灰度值与光伏板积灰密度之间存在明确的对应关系。基于此,采用5种融合方法对双光谱影像融合实验台采集的可见光图像与红外图像进行融合,将5类融合图像与可见光图像、红外图像汇总构成图像数据集,对这7类图像进行识别与分析。结果表明红外图像对光伏板积灰程度的识别效果受辐照度的影响最小,精度最高,反映出来的积灰程度变化最明显。该结论可以为积灰规律的研究提供理论基础,对光伏板积灰程度的识别具有重要意义。

关键词： 深度学习   联合特征提取   人脸活体检测   AlexNet   LBP   DCT  

摘要： 生物特征识别技术越来越多地应用于身份认证,随之不断出现伪造合法用户信息的欺骗手段,人脸识别系统容易受到欺骗攻击,严重威胁了系统的安全性。为了提高生物特征识别系统的安全性,文中提出一种基于深度学习和联合特征提取的人脸活体检测及决策融合攻击类型检测算法。基于改进的AlexNet模型,有效降低了训练过程中的过拟合等问题,显著降低了模型训练时间;采取手工特征和深度学习相结合的模式判断非活体攻击类型,手工特征提取采取LBP结合多层DCT变换的联合特征提取,深度学习特征采取四层CNN网络的全局图像特征提取;在攻击类型判别上,提取待测样本的局部和全局特征进行初步判定,再通过决策融合将两个SVM分类器的输出结果以加权方式进行整合。算法在公开的CASIA数据集和NUAA数据集上进行验证,实验结果表明,融合不用的信息可以获得更高的准确率,降低了计算的复杂度,提高了算法的效率。

关键词： 定量结构-性质关系   化学品安全   特征选择   机器学习   图神经网络  

摘要： 为满足大量化学品危险特性的评价需要,定量结构-性质关系(QSPR)在化学品安全领域的研究与应用得到了迅猛发展。QSPR研究的发展侧重模型预测能力或注重机理解释,都要依靠计算方法的不断优化来提高模型的拟合能力、预测能力、稳定性或处理复杂混合物的能力等。本文综述了QSPR研究在化学品危险特性评价中的发展,特别是特征描述符选择算法、建模算法和基于图神经网络的深度QSPR的技术原理与应用实践。

关键词： 目标跟踪   孪生网络   分类   回归   深浅层特征融合   分类与IoU联合训练  

摘要： 深度学习相关的目标跟踪算法在利用深浅层特征融合时,未考虑分类分支与回归分支的差异性,两分支均使用同一融合特征,不能同时满足各自分支的不同任务要求。依据分类分支与回归分支的不同任务要求与深浅层特征之间的关系,提出了一种新的特征融合方式用于视觉目标跟踪。将骨干网络中不同特征层的通道数按比例进行微调,分别形成适合分类分支与回归分支的融合特征。为验证所提特征融合方式的有效性,在基于SiamCAR算法的基础上进行优化,改变特征提取与融合方式,在UAV123、GOT-10K、LaSOT数据集上提高了2%~3%的精度。实验结果证明:所提特征融合方式是有效的,同时框架整体以75帧/s的实时运行速率实现了良好的跟踪性能。