课程文献中心 更多>>

关键词： 经验模态分解   自适应补充集合经验模态分解   模态混淆   端点效应   希尔伯特变换  

摘要： 针对经验模态分解(Empirical Mode Decomposition,EMD)固有的模态混淆及集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)能在一定程度上抑制模态混淆但由于添加的白噪声无法完全中和,原始信号的完备性无法保证。同时二者均无法免除端点效应的干扰,模态混淆和端点效应导致EMD和EEMD希尔伯特变换得到的时频分析结果失真。提出添加端点处理程序的自适应补充集合经验模态分解算法(Endpoint Processing-Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,EP-CEEMDAN),实施仿真实验对比EMD、EEMD、EP-CEEMDAN对仿真含噪非平稳振动信号的分解结果,并通过多尺度排列熵检测和边际谱分析验证EP-CEEMDAN对端点效应和模态混淆均具有良好的控制效果,从而证明相比EMD和EEMD,EP-CEEMDAN是一种更优良的自适应算法。最后将EP-CEEMDAN应用于实测非平稳振动信号处理中,发现其通过对端点处理后的振动信号在分解的每一阶段添加自适应白噪声,再通过计算唯一的余项信号获得各个固有模态函数(Intrinsic Mode Function,IMF)。EP-CEEMDAN算法得到的IMF端点发散和模态混淆都得到了有效抑制,经希尔伯特变换得到的时频谱在时域和频域均具有较高的分辨率。该结果可用于非平稳振动信号振动特征识别,对进一步分析工程振动危害提供依据。

关键词： 斑马优化算法   Tent混沌映射   莱维飞行   双曲线余弦增强因子   正余弦优化算法  

摘要： 为解决斑马优化算法易陷入局部寻优、收敛速度慢等一系列问题,提出一种多策略融合改进的斑马优化算法(MSI-ZOA)。首先,利用Tent混沌映射产生随机序列的方式初始化种群,提高初始化种群在搜索空间的分布质量,加强全局探索能力。其次,利用莱维飞行的重尾特性,产生较大步长,增加搜索空间的覆盖率,加强在斑马优化算法(ZOA)的觅食阶段的全局探索能力。接着,使用一种双曲线余弦增强因子的正余弦优化算法,将其应用在ZOA算法的抵御捕食者攻击阶段,以有效挑出局部最优解,提高收敛速度。最后,使用8个基准函数对MSI-ZOA算法、ZOA算法、秃鹰优化算法(AVOA)、人工蜂鸟算法(AHA)、大猩猩部队优化算法(GTO)、算术优化算法(AOA)和北方苍鹰优化算法(NGO)进行测试,结果表明MSI-ZOA算法相比其他6种算法在收敛速度和全局搜索能力上更具优势。

关键词： 信息隐藏   三维点云模型   预测误差扩展   贪心算法  

摘要： 在现代云计算环境中,对于医疗诊断和三维地质模型等应用场景,保证数据安全的同时实现数据的无损恢复尤为重要。针对这一挑战,提出了基于预测误差扩展的加密域点云模型可逆信息隐藏算法。利用新颖的混沌系统对点云模型进行加密,以确保模型内容在上传到云端存储时的安全性;通过贪心算法对模型顶点进行有效分类,并计算每个顶点的预测误差;利用预测误差模长的扩展技术,使秘密信息安全地嵌入到点云模型中;在接收端,通过对比预测误差模长实现秘密信息的准确提取,并无损恢复原始点云模型。实验验证显示,相比现有技术,提出的算法在嵌入性能上有着显著提升,平均嵌入率较对比算法分别提高了0.284和0.298 bit/vertex,明显优化了信息嵌入的效率和安全性;保证了点云模型的无损恢复能力,实现了对算法可逆性的要求;在确保模型内容安全的同时,有效提高了秘密信息的嵌入性能和提取精度。该算法对于医疗诊断、地质探索等需要高度数据安全和完整性恢复的应用场景,提供了新的解决方案。

关键词： 声音异常检测   无监督   深度学习  

摘要： 本文提出了一种用于异常检测的新方法,结合了ResNeXt神经网络、改进的损失函数SCAdaCos以及高斯混合模型(GMM)进行异常判断。我们在风扇、泵、滑块、阀门和玩具车五种机器类型上进行了评估,仅使用正常声音数据进行训练。该架构从音频信号中提取log-mel特征,通过ResNeXt模型的组卷积实现高效的特征学习,增强了模型在处理复杂模式上的表现力。SCAdaCos损失函数引入子簇自适应性,使得每个类可以由多个中心表示,克服了单一中心的局限性,进而提升表示学习的精度。GMM则用于对学到的嵌入进行分类,基于负对数似然函数计算异常分数,并设立90%分位数作为阈值进行判断。与当前最优算法相比,我们的算法在AUC平均值上提高了2.43%,在pAUC上提高了6.27%,展示了该方法在不同机器类型上的优越性能。

关键词： 腺样体肥大   大螺距CT   低管电压   多模型迭代重建算法  

摘要： 目的探讨低管电压大螺距CT超低剂量扫描结合多模型迭代算法(ASiR-V,以下简称为大螺距CT检查)在小儿腺样体肥大中诊断中的诊断价值。方法选取浙江省温州市中心医院2019年6月至2020年6月间收治的疑似腺样体肥大患儿38例。均同时予X线检查与大螺距CT检查,并行喉镜进行临床诊断,以喉镜结果作为“金标准”,分别计算CT与X线诊断小儿腺样体肥大的敏感度、特异度、阳性预测值、阴性预测值及诊断符合率,比较CT和X线诊断效能及有效辐射剂量差异。结果X线发现腺样体中度肥大患儿10例(26.3%),重度肥大5例(13.2%);大螺距CT检查发现腺样体中度肥大患儿6例(15.8%),重度肥大11例(28.9%)。大螺距CT检查诊断小儿腺样体肥大的敏感度(16/18),特异度(95.0%),阳性预测值(16/17),阴性预测值(90.5%)及诊断符合率(92.1%)高于X线检查的敏感度(11/18)、特异度(80.0%)、阳性预测值(11/15)、阴性预测值(69.6%)及诊断符合率(71.1%)。大螺距CT检查过程中平均有效辐射剂量为(0.7±0.1)mSv,略高于X线检查的(0.5±0.1)mSv,差异有统计学意义(t=2.42,P<0.01)。结论低管电压大螺距CT超低剂量扫描结合AsiR-V算法在小儿腺样体肥大中的诊断效能显著优于X线,且辐射剂量基本可满足超低剂量检查要求,具有较高的应用价值。

关键词： 绝缘子多缺陷检测   注意力机制   增强特征金字塔网络   多尺度特征融合   轻量化  

摘要： 针对绝缘子多缺陷检测精度低、检测速度慢的问题,提出一种改进YOLOv5准确判别绝缘子多缺陷检测算法(YOLOv5⁃GSEM)。首先通过引入GhostNet结构替换原始网络YOLOv5主干网络C3模块,提升网络运算速度;并在SPPF后引入无参注意力模块SimAM,增强有效特征,抑制干扰特征;其次引入增强特征金字塔网络(EFPN)和多尺度特征融合网络(multiscale feature fusion network,MFFN),充分融合多尺度特征,提升网络对绝缘子多缺陷的检测精度。实验结果表明,文中提出的模型平均精度均值(mAP0.5)达到87.8%,较YOLOv5算法提升了2.7%,检测速度提升了4.6%,该网络的提出为绝缘子多种缺陷检测问题提供一种更有效的方法。

关键词： 多效蒸发   数学模型   模糊PID  

摘要： 多效蒸发系统的控制问题较为复杂,末效出料浓度是检测产品质量的重要指标,必须确保稳定在一定范围内才能满足要求。以高蛋白饲料生产过程中的七效错流蒸发系统为例,为避免停工造成的损失及原料液浪费,针对该系统实际工况和现场数据建立其相应数学模型。在该模型基础上使用MATLAB/SIMULINK设计常规PID控制器和模糊PID控制器,对比两种算法的控制效果,验证了模糊PID控制器能够在线实时调节PID参数,更适合该多效蒸发复杂控制系统。

关键词： CNN   深度学习   信息隐藏   大容量  

摘要： 传统的图像隐写往往倾向于将隐藏信息安全地嵌入到封面图像中,而几乎忽略了有效负载容量。为解决传统隐写容量低的问题,本文采用深度学习与图像信息隐藏相结合的方法。实验结果表明,在嵌入容量上,所提算法达到了24 bpp,是目前容量最大的图像隐写算法之一。在此大容量嵌入的前提下,所提算法生成的载密图像和提取的秘密图像,无论在主观视觉质量还是客观视觉指标峰值信噪比(PSNR)上都高于其他同类算法,说明了设计的端到端隐写网络的整体优越性。Traditional image steganography methods often focus on securely embedding hidden information into cover images, while paying little attention to the payload capacity. To address the issue of low embedding capacity in conventional steganography, this paper combines deep learning with image information hiding techniques. Experimental results show that the proposed algorithm achieves an embedding capacity of 24 bpp, making it one of the highest-capacity image steganography algorithms to date. Despite the large embedding capacity, the stego-images generated by the algorithm and the extracted secret images outperform other similar algorithms in both subjective visual quality and objective visual metrics such as Peak Signal-to-Noise Ratio (PSNR). This demonstrates the overall superiority of the designed end-to-end steganography network.

关键词： 粒子群算法   莱维飞行   混沌策略   超定方程组  

摘要： 针对粒子群算法易陷入局部最优和全局搜索能力差等问题,将整个粒子群按照一定比例分为三个子种群,并根据每个子群中粒子的性质,按照不同的位置更新方式分别对粒子进化,以保证种群的多样性,平衡算法的全局和局部搜索能力。并且为了平衡算法局部和全局搜索的矛盾,自适应地更新算法的学习因子,并引入了莱维飞行和混沌搜索策略。新算法在4个测试函数上与其它3种算法进行了比较,结果表明新算法具有更好的性能。并将算法用于求解线性超定方程组,结果表明算法求出的解非常理想。

关键词： 矢量地图   零水印   ResNet50   版权保护   地理信息安全  

摘要： 针对传统矢量地图零水印算法存在的抗几何攻击和要素增删攻击能力不足等问题,该文提出一种基于ResNet50模型的矢量地图零水印算法,在不改变矢量地图数据的情况下保护地图版权。该算法通过采用道格拉斯—普克算法提取矢量地图的复杂特征信息,将坐标集合映射为适合ResNet50模型处理的序列,通过ResNet50模型自动提取矢量地图数据中的特征,以实现零水印的构建。选择西安市餐饮、村庄、乡镇村道矢量地图数据集作为实验数据进行算法验证,结果表明,该算法在抗几何攻击和要素增删攻击方面均表现出色,在无损版权保护方面具有广阔的应用前景。