课程文献中心 更多>>

关键词： 神经网络   深度学习   语义分割   肝脏分割   医学图像   注意力机制   空洞卷积  

摘要： 针对传统肝脏分割方法十分依赖医生的经验,并且分割过程耗时,易出错的现象,本文提出适用于临床情景中医学肝脏计算机断层扫描的分割方法。基于多尺度残差混合注意力U-Net将多尺度注意力机制模块引入U-Net网络。该模块可以抑制不相关的区域,从多个角度提取图像特征,并突出显示分割任务;在标准卷积层中添加残差结构可以有效地避免梯度爆炸并增加网络深度;使用混合空洞注意力常规层来替换“U”形网络的底部,以获得上下文信息,避免空间信息的丢失。试验结果表明:在LiTS17和SLiver07数据集上与其他方法相比,本文方法具有更好的性能和最高的分割精度。

关键词： 改进蚁群算法   电力供应链   优化调度   几何法   改进信息素  

摘要： 针对电力供应链中物资资源调度流程复杂、调度时间尺度长等问题,文中设计了一种以几何法为基础的改进蚁群调度优化算法。该算法在传统蚁群算法的基础上,引入几何法对初始信息素进行差异化设计,加快了算法的收敛速度,并融入以起始点和目标点为导向的启发式函数,避免了蚁群算法在寻优迭代过程中的锁死问题,改进后信息素的更新方式提高了算法在供应链自动调度过程中的收敛速度。在Matlab中进行的仿真实验结果表明,改进蚁群算法在4种仿真环境下的路径长度均在35以下,迭代次数约为35次,运行时间和长度方差均为8以下,提高了调度优化过程的收敛速度且降低了调度时间尺度。

关键词： 图像处理   可见光与红外光   深度学习   图像融合   多尺度   跨阶段密集连接  

摘要： 针对目前可见光与红外光图像融合过程中的关键细节信息丢失,目标对比度较低的问题,提出一种基于多尺度跨阶段密集连接网络的图像融合算法。通过多尺度卷积与跨阶段的密集连接网络实现双模态图像的特征提取工作,结合CA注意力机制提高模型的融合效果,并以L1范数作为特征融合规则来获取融合特征图,并最终通过解码网络实现图像的重构工作。实验结果表明,在公共数据集TNO中,文中提出的算法在结构相似度、信息熵以及差异相关系数三项指标中获得了最优值,相较于次优值分别提高了4.14%、2.66%、2.59%,在边缘信息度量上取得了次优值,与最优值相差3.3%。综合主客观评价,文中提出的方法可获取高质量的融合图像,具有明显的优势。

关键词： 坐标转换   专变采集终端   负载均衡   星型结构   重载节点   轻载节点  

摘要： 为避免专变采集终端因负载差异较大影响其运行稳定性,提出基于坐标动态转换算法的专变采集终端自适应负载均衡(ALB)算法。采用分布式采集信息方法采集专变采集终端负载信息,并通过集中迁移方法量化处理采集的负载信息;结合加权平均算法和双线内插处理专变采集终端节点残差,经坐标动态转换获取专变采集终端新坐标;依据专变采集终端坐标位置,建立各个专变采集终端节点的星型结构,结合采集负载信息,通过负载和负载转移阀值之间的关系,判断专变采集终端节点负载是否均衡。负载不均衡时,需结合识别重载节点和基于二叉树的备用节点表,将重载节点的负载转移至备用节点,实现专变采集终端自适应负载均衡。实验结果表明:该算法可有效缓解重载节点的压力,使专变采集终端负载达到均衡状态,且坐标转换误差值较小;能有效降低专变采集终端负载均衡的响应时间,增强吞吐量并提升负载均衡度,负载均衡效果较好。

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： 算法推荐技术   注意义务   “通知–删除”规则  

摘要： 短视频平台应用算法推荐技术,分析用户喜好,进行个性化推荐。平台用户粘性增强,平台收益进一步提升。而算法推荐技术下短视频领域著作权侵权问题也明显增加。“通知–删除”规则与“红旗”标准在应对新技术挑战时存在局限性。此外,司法裁判中对短视频平台承担注意义务的范围仍未统一。由短视频平台承担较高注意义务存在技术上的可行性,同时降低社会成本,提升侵权风险控制能力。可以规定有限的过滤审查义务,调整“通知–删除”规则,从而完善短视频平台承担的注意义务。

关键词： 无源光网络(PON)   偏振复用(PDM)   零差相干检测   盲相位搜索(BPS)算法  

摘要： 随着接入网带宽需求的增加,100 Gb/s/λ的相干无源光网络(passive optical network,PON)成为未来PON的关键。本文提出一种基于盲相位搜索(blind phase search,BPS)算法的100 Gb/s/λ零差相干DP-16QAM(dual polarization-16 quadrature amplitude modulation)PON系统。该系统在光线路终端(optical line terminal,OLT)一侧采用经过脉冲整形的偏振复用(polarization division multiplexing,PDM)16QAM信号,以降低符号速率。在光网络单元(optical network unit,ONU)一侧,采用零差相干检测技术接收信号,并在数字信号处理(digital signal processing,DSP)过程中使用BPS算法对系统相位噪声进行处理。仿真结果显示,该系统在经过20 km标准单模光纤(standard single-mode fiber,SSMF)传输后,可以实现32.2 dB的功率预算。同时,通过使用具有较大线宽容忍度的BPS算法,当误码率(bit error rate,BER)为10^(-4)时,经过20 km光纤传输后,10 MHz的激光器线宽仅比0.1 MHz多0.6 dB的灵敏度损失,使得相干PON系统可以在OLT一侧使用大线宽激光器来降低系统成本。

关键词： 深度学习   缺陷检测   YOLOv8   Inner-SIoU  

摘要： 针对复杂背景下焊接缺陷特征不明显、背景信息复杂,导致传统缺陷检测算法在实际应用中精度不佳,特征丢失等问题,本文提出一种改进自YOLOv8的焊缝表面缺陷检测算法(GD-YOLO)。模型首先引进特征提取模块与卷积模块融合,增强模型信息的提取能力;然后在颈部网络中嵌入Slim-Neck结构并在特征融合阶段引用上采样算子CAFARE,辅助增强模型性能;其次,改进注意力机制模块,使之在不显著增加计算负担的情况下,优化整体性能;最后,改用损失函数Inner-SIoU,解决边界框不匹配的问题。实验结果表明,本文模型mAP0.5检测指标比基线模型高7.8%,参数量和计算量分别减少了0.12M、0.7G。

关键词： 不平衡数据   类别不平衡学习   集成算法   权重采样   随机数据块  

摘要： 在大量的真实问题中,数据集往往是类别不平衡的,很可能会削弱学习算法的性能。为了处理不平衡数据集,业界提出了各种类别不平衡学习算法,其中包括不少集成算法。然而,这些集成算法主要考虑在样本层面进行集成而忽视了特征层面,且常规的随机采样算法未能重点关注边界区域,此区域通常是分类困难样本。鉴于此,提出一种名为BRPE的集成采样算法进行优化。首先,对特征集进行采样;其次,以多数类样本距离少数类样本的最近距离作为权重对多数类样本进行下采样,得到一个平衡的随机数据块并将其作为训练子集;再次,在训练子集上训练一个基学习器;最后,将所有基学习器的输出组合成预测结果。在10个合成数据集和8个真实数据集上均进行了详细实验。结果表明,相比其他4种不平衡集成分类算法,BRPE能够取得更高的F1和AUC值。

关键词： 医疗数据分析   岭回归   卷积神经网络   识别预测   数据映射  

摘要： 为了对医疗财务领域产生的海量数据进行识别和趋势预测,文中提出了一种基于改进岭回归的数据识别与预测算法。模型利用具有自注意力机制的卷积神经网络对数据的特征进行提取,并分配相应的权重,然后通过改进的岭回归算法进行风险预测。在岭回归算法中引入核函数,将非线性数据映射到高维空间实现数据的精准回归预测。以6家大型医疗机构的数据集为样本进行实验,结果表明,所提模型算法的预测精确率达95.4%,召回率为94.6%,F1分数为94.8%,高于传统的主流机器学习算法模型,证明了该算法模型的有效性,能够对数据进行风险预测。