课程文献中心 更多>>

关键词： 密集人群计数   多尺度融合   背景抑制   密度图  

摘要： 针对复杂场景中的密集人群尺度变化、分布不均匀、背景遮挡等问题,提出一种基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法。以视觉几何组网络VGG-16的前13层作为网络前端部分,引入空洞空间卷积池化金字塔(ASPP)和基于轻量级金字塔切分注意力机制(PSA)构建多尺度特征融合模块,以解决密集人群尺度变化问题;在网络的中间部分加入空间注意力机制以及通道注意力机制对特征图进行校准,突出图像人头区域;网络后端部分使用可加大感受野且不丢失图像分辨率的空洞卷积生成背景分割注意力图,抑制图像中背景噪声,提升人群分布密度图的质量。在ShanghaiTech、UCF_CC_50及NWPU-Crowd 3个公开数据集上的实验结果表明,相较于MCNN、SwitchCNN、CSRNet等算法,提出的基于MFFBSNet的人群计数算法的计数准确度较高。

关键词： 概念格   形式概念分析   外延生成算法   数据挖掘  

摘要： 形式概念包括外延和内涵两部分,确定其外延,就可以方便地生成形式概念。研究提出一种基于粒概念的外延生成算法,该算法基于粒概念的定义,每次针对一个属性计算其对应的对象集合,再将该对象与已有的概念进行比对,以确定其是否为新的外延,直到所有的属性都处理完毕。所提算法具有较好的时间效率,可以为后续研究提供理论基础。

关键词： 算法合谋   自主学习算法   默示合谋   人工智能  

摘要： 随着人工智能技术逐渐在商业领域的广泛运用,算法对于市场竞争的影响也在日益显著。根据算法在价格协议中的作用不同,可将其分为监控算法、平行算法、信号算法和自主学习算法,由此形成了四种算法合谋类型。这四类算法合谋为执法机关对垄断协议的违法性认定以及归责原则带来挑战。针对算法合谋所造成的反竞争效果和反垄断困境,执法机构应当基于算法的技术原理,对事前监管、事后归责以及违法认定三个方面的体系进行完善或构建,从而为算法合谋的反垄断规制选择一条行之有效的路径。With the gradual and extensive use of artificial intelligence technology in business, the impact of algorithms on market competition is becoming increasingly significant. According to the different roles of algorithms in price agreements, they can be categorized into monitoring algorithms, parallel algorithms, signaling algorithms, and self-learning algorithms, which results in four types of algorithmic collusion. These four types of algorithmic collusion bring challenges for law enforcement agencies to determine the illegality of monopoly agreements and the principle of attribution. In view of the anti-competitive effect and antitrust dilemma caused by algorithmic collusion, law enforcement agencies should improve or construct the system of ex ante supervision, ex post attribution of responsibility, and determination of violation of law based on the technical principle of algorithmic collusion, so as to choose an effective path for the antitrust regulation of algorithmic collusion.

关键词： 可视化信息系统   数据管理   实验室数据   BIM服务  

摘要： 介绍了为铁路协同创新共享实验室而设计的可视化信息系统,目的是提高实验室的试验管理水平和数据应用能力,为试验基地的科研、技术升级和产品能力验证等提供信息化支持。该系统包括实景看板、智慧管理、试验能力和智慧楼宇四个部分,覆盖了实验室管理的各个方面,为用户提供了丰富的信息和数据展示方式。其中,重点实验成果可视化功能可以对试验数据价值进行深入挖掘,实验室管理可视化、实验数据、科研过程动态模拟和沉浸式场景漫游等功能为实验室管理和科研工作提供可视化技术支持。

关键词： 恶意流量   物联网安全   随机森林   轻量化算法   流量分类   多分类   入侵检测  

摘要： 为解决物联网设备资源受限、平衡流量检测精度与时间开销等问题,提出一种FastSplit-RF(random forest with fast split)的轻量化分类算法。针对物联网流量设计一个通用的特征提取流程,在随机森林算法基础上,使用多臂赌博机策略代替节点分裂的遍历过程,实现对节点的快速分割,完成高效、轻量化的物联网流量分类。实验验证,FastSplit-RF相较随机森林算法,在准确率提升了2.45%的同时,检测速度增快了62.16%,内存占用减小了48.68%。

关键词： 共形阵   阵列校准   通道误差   阵列失配   通道预测   通道校准  

摘要： 针对飞行器高速机动时机体剧烈震颤引起的阵列失配等问题,提出一种快速通道预测算法,以提高阵列波束形成的鲁棒性。首先分析飞行器在高速震颤产生误差扰动的情况下,机载共形弧阵波束图的畸变程度,并假设通道幅度和相位误差随机,给出两类误差的预测算法。由于预测校准算法需结合共形阵背景下的接收阵列信号模型,因此给出具体的阵列稳健性判定依据,以阵元标定误差和幅相误差进行性能分析。然后提出一种基于标准校准元技术的共形阵误差预测算法,该算法不仅可以在阵列设计之初用于阵列校准,也可以在实际使用中进行通道修正。最后根据3个校准元对空间分布阵列进行误差预测。该误差预测算法在阵元间距为10cm的阵列中,对5 mm的随机抖动有较好预测,其中单次预测最多偏离实际误差1 mm,并且使用误差预测值可以直接部署于基带部分进行实时校准,校准精度在准确值的2 mm内,具有较高的实时误差校正能力。

关键词： 智能算法   试验车辆管理   车辆调度   数据统计分析   技术优化  

摘要： 科技飞速发展,智能化已涉猎各领域,试验车辆管理也在其中。为此,构建了一套以智能算法为主导的试验车辆管理系统。此套系统功能主要围绕车辆预约、定位追踪,以及数据统计和分析。算法理论为基础,构划并落实了车辆的追踪算法和数据的统计分析算法,以期向用户提供形象易懂的追踪与分析结果。采取数据库技术,对车辆信息、预约信息及试验数据进行储存和查询。而车辆调度算法部分则重点优化,显著提高车辆运用效率和占用率,大幅减少等待时间和空置率。试验数据分析表明,这套系统在车辆调度效率、预约满足率上表现良好,大大提升了试验车辆管理的效率和针对性,并且具有高度的可扩展性,适应未来发展需要的变化。此研究为智能化试验车辆管理提供了参考,带来的效率提升和成本降低有望推动试验车辆管理实践的升级换代。

关键词： 污水处理厂   智能巡检机器人   快速响应二维码   目标检测   精准定位   深度学习   单次多边框检测算法  

摘要： 为解决污水处理厂加盖封闭后带来的巡检难题,可利用巡检机器人精准定位标识有特征二维码的检测盖板,并打开盖板以获取被巡检区域内的关键信息。由于传统二维码检测技术无法满足高精度的定位需求,提出一种改进的单次多边框检测(SSD)算法。在SSD算法对快速响应(QR)二维码区域进行粗定位的基础上,通过中值滤波和自适应二值化处理,采用透视变换方法矫正变形图像,利用边缘提取和定位码筛选的方法实现对QR二维码的精准定位。构建污水处理厂检测盖板QR二维码数据集,选取图像采集中常见的5种工况进行试验。试验结果表明,相较于开源计算机视觉库(OpenCV)算法,改进SSD算法识别率平均提升约5%、开盖率平均提升约32%,大幅提高了智能巡检效率。该算法有效解决了复杂工业场景下的二维码图像定位问题。

关键词： 机械臂   智能控制   综述   深度强化学习   运动控制  

摘要： 机械臂的运动控制问题一直是当下的研究热点,而传统控制算法存在环境适应性差、效率低等不足,已经难以满足当今工业复杂环境等对机械臂的需求,近几年新兴的智能控制算法逐步应用到机械臂的控制上,提高了机械臂的智能性和工作效率。深度强化学习(deep reinforcement learning,DRL)作为人工智能算法之一,已经形成适用于离散和连续状态空间的智能控制方法,目前用于机械臂运动控制的深度强化学习算法大多属于连续状态空间控制方法,并且取得了较好的实验效果。文中阐述了几种单机械臂深度强化学习运动控制算法,从优缺点、适用性等方面进行分析对比,为单机械臂的智能控制提供参考。

关键词： 低照度图像   通道注意力机制   非局部均值  

摘要： 在弱光条件下会出现一些质量低的图像,这类图像可能会受到噪声、曝光和对比度低等问题的影响,导致视觉质量下降。本文针对该问题提出一种在语义引导低照度图像增强网络基础上的改进模型,简称NSG-LLIE(New Semantic Guided-Low light image enhancement)。首先,在增强网络中加入SE通道注意力机制模块,该模块能够抑制噪声引起的特征干扰训练。其次,在SE模块的基础上加入非局部均值模块,使系统在增强过程中能够保留全局特征,减少曝光情况。最后,在DarkFace数据集中进行对比试验,结果表明,与原模型相比本文的PNSR、SSIM和NIQE分别提高了1.93、0.07和0.37。