课程文献中心 更多>>

关键词： 虹膜分割   集成学习   学习器   U^(2)-Net   DeepLabv3+   PSPNet   皮尔森系数法   图像处理  

摘要： 针对虹膜图像在分割过程中细节分割不准确、边界分割不圆滑以及易受噪声影响等问题,文中提出了一种基于集成学习的虹膜分割算法。相较于传统集成学习算法,文中算法基于皮尔森系数法选择合适的模型作为基学习器,从而提高了集成学习的性能。选用U^(2)-Net、DeepLabv3+以及PSPNet作为同质个体学习器在CASIA-Iris-Interval数据集上进行训练,并预测得到对应的虹膜分割预测结果。对预测结果进行CLAHE和Gamma校正等图像增强操作得到新的预测结果图,选取加权平均法作为集成算法将基学习器的预测结果进行集成学习,从而得到最终的虹膜分割预测结果。测试结果表明,在3个不同的评估指标下,相较于基学习器,所提算法的准确率提升了1%,平均交并比提升了3.8%,宏平均分数提升了2.4%,视觉效果和客观评价指标均有所提升。

关键词： 农机航空   植保无人机   路径规划   元启发式算法   乡村振兴   农业现代化  

摘要： 随着无人机系统技术、传感器技术和人工智能算法等相关技术的不断发展,植保无人机路径规划技术在农业生产中备受重视,并被广泛应用。作为航空植保的关键技术之一,植保无人机路径规划面临的是一个复杂且多约束的组合优化问题。传统算法往往难以得到理想的结果,而元启发式算法则因其高效率成为解决该类优化问题的有效手段。为此,首先介绍了农业航空中的路径规划,随后总结出了植保无人机路径规划的关键要素,并使用更为合理的分类方式进行归纳;其次,从算法层面对相关研究所采用的元启发式算法进行分类和梳理,并阐述了其在实际应用中的现状,且根据提出的分类方法和研究特点,全面地归纳了当前的研究成果;最后,针对目前植保无人机路径规划研究存在的问题提出了几条可行的发展思路。

关键词： 群集智能算法   工业互联网   防御脆弱点识别   改进蚂蚁算法   信息素  

摘要： 基于工业互联网防御脆弱点多且识别结果不精准的目的,采用了基于群集智能算法的工业互联网防御脆弱点识别方法。结合群集智能算法的脆弱点的识别流程,并将群集智能视为一种改进的蚂蚁算法,通过计算蚂蚁转移的概率和信息素浓度,循环遍历直至达到最大周期数,获取最短识别路径,并设计判决门限确定脆弱点。由实验结果可知,该方法在攻击方式一、二下识别到的防御脆弱点分别为16个和21个,与真实情况一致,精准识别效果较好,具有较强的实用性。

关键词： 花型图案生成   风格特征提取   风格分类   特征融合  

摘要： 丝巾作为传统配饰享誉世界。对丝巾花型图案的风格进行分类,可以揭示丝巾花型之间的共性或差异,帮助企业和设计师有针对性地生产和设计产品。文章以丝巾为研究对象,提出了一种基于特征融合的丝巾花型艺术风格分类算法。首先,该算法使用风格迁移模型提取丝巾全局风格特征;其次,使用SIFT(Scale-Invariant Feature Transform)算法提取丝巾局部特征;最后,使用特征融合算法对丝巾进行风格分类。实验结果显示,该算法在丝巾花型生成数据集上的分类总准确率高达91.90%,在实际丝巾产品数据集上的分类总准确率也达到89.06%。实验结果表明,该算法从多个角度对丝巾花型图案风格进行有效评估,并成功完成丝巾花型图案风格分类任务。

关键词： 联邦学习   非独立同分布   分布提取   社区检测   Louvain算法  

摘要： 将客户端聚类并在簇内进行联邦学习是缓解传统联邦学习算法在非独立同分布(Non-IID)数据场景下表现不佳的一类有效方法。这类方法大多使用客户端本地模型的参数来表征数据特性,并利用参数间的“距离”来评估相似性,从而实现客户端的聚类,但由于神经网络神经元的置换不变性,聚类效果可能会不准确。此外,这类方法通常需要预设聚类数量,可能产生不合理的聚类,或者需要在算法迭代过程中进行聚类,这将带来过大的通信开销。在深入分析了现有方法的缺点之后,提出了一种新颖的联邦学习算法FedRCD。该算法结合了自编码器和K-Means算法,直接从客户端提取数据集的分布信息来描述其特性,从而降低了对模型参数的依赖;FedRCD还将客户端关系组织成图结构,并通过Louvain算法完成客户端聚类关系的构建,这个过程无需预设聚类数量,因此聚类结果更加合理。实验结果表明,FedRCD能更有效地挖掘客户端间的潜在聚类关系,在多种非独立同分布数据场景下,与其他联邦学习算法相比,显著提升了神经网络的训练效果。在CIFAR10数据集上,FedRCD的准确率比经典的FedAvg算法提高了37.08%,比最新发布的FeSEM算法也提高了1.89%,同时展现出更优秀的公平性表现。

关键词： 多DAG   实时性   调度算法   路径分离  

摘要： 在嵌入式测试平台开发中,实时性是一个至关重要的特性,能够使平台系统快速响应任务事件。大多情况下平台运行的任务繁多且类型不一,因此针对任务众多且任务之间关系多样的情况下如何使实时的任务优先执行的问题,本文提出了一种多DAG实时调度算法MDRTPS,算法主要分为3个步骤:①对多个DAG进行实时任务分离,分离出来的实时任务集和普通任务集使用不同的优先级算法和资源分配。②维护3个调度队列,队列协调不同DAG任务之间的排序。③调度器基于最早完成时间来调度任务到处理器核。实验结果表明,MDRTPS算法的任务跨度和实时任务的响应速度均优于HEFT算法和CPOP算法。

关键词： 悬置系统   动力总成   遗传算法   隔振  

摘要： 在混合动力汽车的开发中,对某一特定车型的动力总成悬置系统进行了NVH性能对标测试。测试结果显示,在充电怠速工况下,该车型的悬置系统在X和Y方向上出现了剧烈振动,严重影响了乘坐舒适性。因此在ADAMS软件中对该动力总成悬置系统建立六自由度模型,并对其进行模态分析,发现该动力总成系统的固有频率与解耦率均未达到隔振效果的评价标准,需进行悬置参数优化。将悬置各方向解耦率和频率分布作为优化目标,采用MATLAB软件,结合遗传算法对各悬置的位置和刚度进行了优化设计。优化后的动力总成悬置系统在ADAMS软件中的仿真结果表明,该混合动力总成系统的解耦率得到明显提高,且固有频率分布也更符合隔振效果的评价标准;进一步的对比分析表明,优化后的动力总成悬置系统在Z方向的动反力幅值减少,隔振能力进一步加强,其NVH性能得到了提升。

关键词： 轮毂分类   X光轮毂图像   卷积神经网络   YOLOV8算法   Focal Loss函数  

摘要： 鉴于传统轮毂分类检测流程中存在的劳动重复度高、人力成本高企及生产效率低下等挑战,文章提出了一种应用YOLOv8网络的汽车轮毂自动分类系统。该系统的工作流程包括:首先,收集丰富的汽车轮毂X光图像,构建一个囊括多种轮毂类型的综合性数据集;接着,利用YOLOv8算法对该数据集实施训练,以生成一个能够精确分辨轮毂种类的模型。在模型训练阶段,针对轮毂分类的具体特性,对YOLOv8算法进行了改进,引入了Focal Loss作为损失函数,从而有效缓解了正负样本不均衡的问题,进一步提升了轮毂分类的精确度。在实验验证环节,文章在不同噪声干扰和光照条件下对轮毂图像进行了测试。实验结果显示,该系统能迅速且准确地识别出各类轮毂,平均识别准确率高达98.43%,展现出了卓越的分类精度和强大的鲁棒性。In response to the challenges of high labor repetition, escalating labor costs, and low production efficiency in traditional hub classification and inspection processes, this paper proposes an automatic automobile hub classification system using the YOLOv8 network. The workflow of this system includes: first, collecting extensive X-ray images of automobile hubs to construct a comprehensive dataset encompassing various hub types;next, utilizing the YOLOv8 algorithm to train this dataset to generate a model capable of accurately distinguishing hub types. During the model training phase, improvements were made to the YOLOv8 algorithm based on the specific characteristics of hub classification, with Focal Loss introduced as the loss function, effectively mitigating the issue of imbalance between positive and negative samples and further enhancing the accuracy of hub classification. In the experimental validation stage, hub images were tested under different noise interference and lighting conditions. The experimental results demonstrate that the system can swiftly and accurately identify various types of hubs, with an average recognition accuracy of 98.43%, showcasing excellent classification accuracy and robustness.

关键词： 无线传感器网络   接收信号强度指示   路径损耗因子   定位   樽海鞘群算法   引力搜索算法  

摘要： 通常基于接收信号强度指示(RSSI)的无线传感器网络定位需要提前对路径损耗因子n值进行测量,在不同环境下需要重新测量n值、校准,这将大大增加定位的复杂度。针对此情况,文中提出一种无需测n值的定位方法,即使用比值法消除路径损耗模型中参考节点的不确定影响,通过引力搜索改进樽海鞘群算法(SSA-GSA),同时寻找n值与信号源的坐标。相较于一般的定位方法,该方法不受环境条件的约束,在无线传感器网络监测现场可以即时进行系统定位,无需另外测量计算n值。仿真结果证明了该方法的可行性,不仅降低了定位成本,还具有较高的定位精度。

关键词： 轻梯度提升机算法   决策树   集成学习   机器学习  

摘要： 轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。LightGBM被广泛应用于医疗、自然语言处理、金融、工业制造等领域。然而,LightGBM在高维数据处理、类别特征处理、模型解释性等方面仍面临许多挑战。目前,解决这些问题的方法主要集中在特征工程、可视化、模型混合等方面,并取得了很好的效果。介绍了决策树家族的相关算法原理和变体研究;对LightGBM的原理、优缺点进行梳理,归纳出算法所面临的挑战,并指出LightGBM未来的研究热点和难点;对LightGBM的发展进行了总结和展望。