课程文献中心 更多>>

关键词： 红外图像   配准算法   聚类分析   观测模型   角点特征   Harris角点检测   K⁃means聚类算法  

摘要： 为提高图像处理的精度和效率,并扩展红外图像在实际应用中的使用范围,提出一种基于聚类分析的红外图像配准算法。该算法先构建红外图像观测模型,利用该模型描述理想的红外图像与实际红外图像之间的关系,得到低分辨率的实际红外图像;然后使用最大后验估计方法对低分辨率红外图像进行超分辨率重建;接着以超分辨率重建后的红外图像为基础,利用Harris角点检测算法提取红外图像内角点特征并建立红外图像配准特征集,通过K⁃means聚类算法对红外图像角点特征之间距离、方向特征向量夹角进行计算;最后选择聚类中心,并依据角点特征距离与方向特征向量夹角对红外图像角点特征进行聚类处理,得到红外图像配准结果。实验结果表明:所提算法对低分辨率红外图像的超分辨率重建效果较好,可有效提取红外图像内的角点特征,并实现不同红外图像配准,应用效果较佳。

关键词： 毫米波雷达   行为识别   特征融合   注意力机制  

摘要： 基于毫米波雷达的人体行为识别方法以远程非接触的方式捕获人类活动的电磁波信号并进行识别,不受烟雾和光线等的干扰,具有一定的隐私保护性,是当前的一个研究热点。针对现有的算法存在特征输入单一、模型结构复杂、泛化能力验证性不够等问题,提出了基于双分支特征融合卷积神经网络(Two Steam Features Fusion Convolutional Neural Network,2S-FCNN),使用搭载注意力机制的残差神经网络作为骨干网络,并行输入时间距离图和时间速度图,采用特征加权分数融合的方式融合特征后进行分类识别,实现了较高的识别准确率。在公开数据集和自建数据集上与现有的其他算法进行了深入的对比实验,实验结果表明所提算法在识别率和泛化能力方面都具有良好的性能。

关键词： 人工智能   机器学习   神经网络   随机森林   最大干密度   最佳含水量   Proctor试验   土壤材料  

摘要： 最大干密度(ρd(max))和最佳含水量(wopt)是用于交通建设的填土材料的两个关键参数。传统的实验室测试如Proctor试验(ASTM D698/AASHTO)或改良Proctor试验(ASTM D1557/AASHTO T180)耗时且费用高昂,且其准确性受样品收集、测试者的专业知识及实验设备质量的影响。本研究提出了一种基于多层感知器神经网络(MLP)和随机森林(RF)的人工智能方法,用于高效、准确地预测土壤的ρd(max)和wopt。通过集成多源数据和优化算法,我们显著提升了模型的预测能力。实验部分基于武汉市江夏区的广泛数据集进行了深入分析,验证了模型的性能和稳健性。结果显示,MLP和RF模型在处理复杂非线性关系和高维数据方面表现优异,且集成模型的性能优于单一模型。

关键词： 内容标签   算法驯化   青年女性   扎根  

摘要： 算法时代,标签是个体捕捉社交平台算法痕迹的重要锚点。“宝宝辅食”原为母婴标签,却被女性错位使用,成为避免男性凝视,充分讨论各种“女性”话题的区隔标签。通过参与式观察、深度访谈以及扎根理论,生成算法驯化中的女性调适模型。研究发现,在算法技术的加持下,女性的凝视感知强化,女性在技术想象中借助“宝宝辅食”标签展开算法驯化;但由于算法黑箱与流量逻辑的存在,用户在算法的驯化与反驯化间循环拉锯,女性的真实境遇在循环实践中逐渐显现;最终,通过“调适”的方式女性达成与算法的“和解”。对女性算法实践的微观表达,旨在揭示“宝宝辅食”标签错位使用背后女性的社会期待,并进一步从性别维度探索人与算法的实践路径。

关键词： 反向学习   动态非线性递减   黏菌算法   算法优化  

摘要： 针对黏菌算法收敛精度较低、易陷入局部最优和收敛速度较慢的问题,提出了一种动态非线性参数的反向学习黏菌算法.利用反向学习策略丰富种群多样性,获得更好的种群作为初始种群,提高算法优化性能和收敛速度;提出动态非线性递减策略,动态调整黏菌搜索区域;平衡算法全局探索和局部开发能力,提高算法跳出局部最优解的能力,提高收敛精度.不同算法之间的实验对比是使用几个基准测试函数进行的,结果表明,改进算法具有更强的寻优特性和更快的收敛速度,并且收敛精度得到了不同程度的提高.最后通过2个工程设计问题验证了改进算法在实际应用问题中的可靠性和有效性.

关键词： 推荐算法   图神经网络   深度强化学习   知识图谱  

摘要： 在信息爆炸的时代,推荐算法成为应对信息过载的有效手段。近年来,图神经网络(GNN)以其强大的建模能力和应对冷启动的优势被广泛应用于推荐算法。本文提出了一种基于深度强化学习与GNN-R的联合训练框架,解决GNN-R中固定层数和聚合策略的问题,通过间隔经验回放和延后奖励机制,优化了推荐模型的学习过程。在此基础上,提出了自适应优化GNN-R聚合层数和虚拟关系数量的两个优化算法,改进了VRKG4Rec模型的性能。实验结果表明,两个优化算法对比VRKG4Rec模型都有较好的性能提升。

关键词： 机器学习   腹腔镜手术   结直肠癌   肠梗阻   预测模型  

摘要： 目的:探讨结直肠癌患者在接受腹腔镜手术后出现肠梗阻的风险因素,并开发一个预测肠梗阻的AI模型。方法:回顾性分析2020年1月—2023年12月于贵州省人民医院行腹腔镜结直肠癌根治术的330例患者的临床资料,根据术后是否发生肠梗阻为依据,将出现术后肠梗阻的26例患者纳入肠梗阻组,未发生肠梗阻的304例患者纳入非肠梗阻组。分别建立随机森林(RF)、梯度提升决策树模型(GBDT)、轻量梯度提升模型(LGBM)、极端梯度提升模型(XGBoost)、类别型特征梯度提升模型(CatBoost)五种机器学习模型,以受试者工作特征曲线下面积(AUC)、特异性、敏感性来评价模型的性能,选择最优模型。通过递归特征消除(RFE)筛选最佳的特征集合,作为腹腔镜手术治疗结直肠癌患者术后并发肠梗阻风险预测因子。结果:研究共纳入330例患者,肠梗阻的发生率为7.88%。Catboost模型验证集的AUC为0.862,特异性值为0.766,整体性能优于其他模型;术前肠梗阻、手术时间、病灶部位、性别等是影响结直肠癌腹腔镜根治术后合并肠梗阻的高危因素。结论:与目前国内外其他的机器学习方法相比,CatBoost可建立更有效的腹腔镜结直肠癌根治术患者术后并发肠梗阻预测模型,具有潜在的应用价值;术前肠梗阻、手术时间、病灶部位是术后并发肠梗阻的主要影响因素。

关键词： 深度学习   数据分析   智能算法  

摘要： 随着数值技术和信息技术的迅速发展,深度学习成为一种重要的计算机智能算法,在各种数据分析任务中展现了广阔的应用前景。本文全面研究了深度学习在处理复杂数据分析问题中的应用,包括预处理、特征提取、分类等领域。基于深度学习算法,构建了一个智能数据分析系统,该系统能够对海量数据进行自动处理和分析,以挖掘出有用的信息和知识。实验结果表明,与传统的数据分析算法相比,深度学习算法具有更强的数据处理能力和更好的性能,其分类准确率、召回率和F1得分均有显著提高。此外,深度学习还具有自我学习和自我适应的能力,能根据数据变化动态调整策略,大大提高了数据分析的效率和质量。这项研究结果不仅加深了我们对深度学习在数据分析中应用的理解,而且为解决实际应用中的数据分析问题提供了新的思路和方法。

关键词： 天然气场站   设备问题   安全措施  

摘要： 天然气场站工作内容有接收、储存、输送等,在运行过程中,由于长时间的使用,设备会逐渐产生各种隐患,隐患不仅会导致事故,还会给天然气场站带来一定经济损失。对某地区的天然气场站设备在使用过程中遇到的问题进行分析,针对问题提出相应优化措施,如加强设备维护、制定应急预案等,并对采取措施后与措施前的数据进行对比,从数据中可见,优化措施对降低故障发生概率具有积极促进作用,天然气场站稳定运行得到提升。

关键词： 粮油温度预测   鲸鱼优化算法(WOA)   长短时记忆神经网络(LSTM)  

摘要： 针对粮油温度预测问题,提出一种基于改进鲸鱼优化算法(IWOA)优化长短时记忆神经网络(LSTM)的粮油温度预测模型.针对传统WOA算法收敛速度慢和容易陷入局部最优等问题,提出了应用Logistic混沌映射、Levy飞行策略等方法来提升WOA算法的种群丰富度和搜索能力的方法.采用真实粮油温度值与多种模型预测值对比,IWOA-LSTM的MAE、RMSE比其他模型分别降低了13.64%~68.33%、6.06%~60.39%,R^(2)提高了1.65%~14.27%.结果表明,本文所提模型可以准确预测未来粮油温度变化趋势.