课程文献中心 更多>>

关键词： 小目标检测   轻量化   RT-DETR   部分卷积  

摘要： 针对现有的目标检测算法在航拍图像中的小目标上易出现的漏检和误检问题，提出了基于改进RT-DETR(real-time detection transformer)的算法。在主干网络中引入了部分卷积（partial convolution,PConv），设计了PConv Block结构，并通过由PConvBlock组成的BasicBlock-PConvBlock模块替代原有BasicBlock，有效减少了模型参数。采用双向特征金字塔网络（bidirectional feature pyramid network,BiFPN）结构优化特征融合模块，并引入S2特征进一步提升小目标的检测能力。引入CARAFE上采样算子，增强了多尺度特征的快速融合。实验表明，在VisDrone测试集上，改进后的模型在参数量上比RT-DETR模型降低了13.9%，同时在mAP0.5和mAP0.5:0.95指标上分别提升了2.4和1.9个百分点。在TT100K和DOTA数据集上均优于RT-DETR算法。改进模型在保持较小参数量和计算量的同时，提高了检测精度，满足了无人机航拍图像实时检测的应用需求。

关键词： 动态S盒   AES加密   代数性质   混沌映射  

摘要： 针对AES算法的S盒在仿射和迭代输出周期的短周期现象，以及固定S盒易成为加密算法的攻击薄弱点的问题，本文提出一种动态S盒的加密算法DS-AES,并进行试验验证。结果表明：该方法获得S盒的仿射变化和迭代输出的周期分别达到最大值4和16,且严格雪崩准则距离提升了7.9%,不仅在扩散和混淆性表现更优，而且安全性更高。

关键词： 无人车   路径规划   A~*算法   动态窗口法  

摘要： 针对传统A*算法在无人车路径规划中搜索效率低、冗余节点及避障灵活性差等问题，提出一种融合改进A*与动态窗口法的无人车路径规划方法。仿真结果表明，对比传统A*算法，改进A*算法在搜索时间平均减少了66.81%，转折次数平均减少了43.65%，遍历节点数平均减少了46.73%，路径长度平均减少了2.55%，融合算法能在全局最优路径的基础上，达到随机避障效果。

关键词： 大跨径钢桥面   沥青混合料   桥面铺装   缺陷检测   算法设计  

摘要： 以往的路面缺陷检测算法仅提取了路面图像中的边缘特征，导致算法的检测效果不佳。为此，本研究针对大跨径钢桥面沥青混合料铺装路面，设计了新的缺陷检测算法。在利用相机采集大跨径钢桥面沥青混合料铺装路面图像后，对其进行去噪和均衡化处理。然后，在对路面图像数据进行增强处理的基础上，利用边缘检测提取出路面图像的边缘特征，通过纹理分析提取纹理特征，并对2者进行融合处理。最后，通过计算特征阈值，对提取的特征进行分类，筛选出其中的路面缺陷特征，由此生成对应的路面缺陷检测算法。经实验测试验证，该算法在实际应用中的漏检率较低，检测效果较好。

摘要： 数字经济时代，如何挖掘数据的潜在价值，将数据资源转化为经济价值，是近期众多企业尤为关注的话题。算法作为实现数据价值的核心引擎，在对海量数据分析处理，提取有价值信息的同时，也给我们带来了一些困扰，如“信息茧房”“大数据杀熟”等。如何打开算法黑箱？企业如何平衡算法向善与商业利益之间的关系？如何在合规前提下掌握数据资源变现策略？本刊记者与相关专家进行了深入探讨。

关键词： 光伏发电   遗传算法   蚁群算法   BP神经网络   参数优化   功率预测  

摘要： 提出一种基于混合遗传蚁群算法（GA-ACO）改进BP神经网络的预测模型.通过皮尔逊相关系数公式求出与光伏发电输出功率相关性强的气象特征作为训练模型的输入，减少无关气象特征量对光伏输出功率的预测影响.运用遗传算法（GA）产生寻找最优参数问题的信息素分布，蚁群算法（ACO）在有初始信息素分布的条件下输出最优权阈值，让BP神经网络二次训练，输出预测值.分析结果表明，以晴天为例，GA-ACO-BP神经网络模型比传统BP神经网络模型、ACO-BP神经网络模型、GA-BP神经网络模型的预测结果相对误差分别减少了9.47%、4.83%和3.27个百分点，因此GA-ACO-BP神经网络模型用于光伏发电功率预测时具有更好的预测精度.

关键词： 小行人目标检测   SSD算法   注意力机制   亚像素卷积   多尺度特征融合  

摘要： 在地铁场景中，小行人目标由于分辨率低，包含特征信息较少，现阶段目标检测器对此类目标的检测仍具有挑战性. SSD目标检测算法利用金字塔网络的多尺度检测头，能一定程度提高行人目标检测性能，但将其应用于地铁等复杂环境中实现小行人目标检测仍具有一定局限性.针对上述问题，提出一种改进SSD算法以加强地铁场景中小行人目标检测效果.通过构建地铁场景行人目标数据集，标注相应标签，同时进行数据预处理操作；在特征提取网络中加入金字塔特征加强模块，将多分支残差单元、亚像素卷积和特征金字塔相结合获得图像多尺度、多感受野融合特征；利用上下文信息融合模块将图像低层特征与上下文特征相融合，生成扩展特征层用于检测小行人目标；设计一种基于Anchor-free的动态正负样本分配策略，为小行人目标生成最优正样本.实验结果表明：提出的改进SSD算法能有效提高地铁场景小行人目标检测性能，对遮挡严重的小行人目标检测，效果提升更为明显.

关键词： 有效土壤厚度   随机森林(RF)   土壤数字制图   经验贝叶斯克里金回归预测(EBKRP)   新安江流域  

摘要： [目的]快速、准确地获取区域有效土壤厚度，分析其空间分布特征和影响因素，为植被生长、土壤保持和粮食安全工作提供理论指导。[方法]以新安江流域为研究区，将野外调查数据、地形、岩性和气候等成土因素结合起来，采用经验贝叶斯克里金回归预测（EBKRP）和随机森林（RF）算法，得到有效土壤厚度反演结果，并分析其与环境变量之间的关系。[结果]（1）区域平均有效土壤厚度为0.2～0.3 m,城镇建设集中和人类活动密集的盆地和平原区土壤厚度较高，丘陵山地区则较低。（2）从MAE（平均绝对误差）、R2（判定系数）和RMSE（均方根误差）3项精度评价指标来看，RF算法的预测结果明显优于EBKRP算法，而且更能显示出土壤厚度空间异质性分布特征，在一定程度上提高了土壤厚度数字制图的效果。（3）有效土壤厚度的估算受地形和气候变量的影响较大，它们分别占变量重要性的46.77%和18.78%。[结论] RF算法能够有效实现对区域有效土壤厚度的反演，克服了土壤厚度空间异质性的特点，相较于有限采样的模型更精确，分辨率也更高。

关键词： 多机器人   路径规划   安全区间   耦合度矩阵   鲁棒规划  

摘要： 针对多机器人路径鲁棒规划时存在节点耦合度高导致求解方案可靠性低的问题,提出耦合度矩阵概念并给出基于耦合度矩阵的安全区间多机器人路径k鲁棒规划(Ck R-SIPP)算法.首先,根据路径规划方案统计全局地图节点耦合度信息形成耦合度矩阵,在规划过程中不断更新该矩阵.其次,引入安全区间避免机器人之间发生冲突,采用带k时间扩展的A*算法作为多机器人底层路径规划算法,其中k为设定的鲁棒因子,可在多机器人的时空关系中处理鲁棒规划问题.同时,以耦合度矩阵中的信息作为寻路约束反馈给带k时间扩展的A*算法,尽量避免耦合度高的节点.最后,按照高优先级到低优先级的顺序,完成所有机器人的路径规划.在Benchmark地图上进行仿真测试,结果表明,所提出的Ck R-SIPP算法均优于k R-CBS以及Ik R-CBS算法,较k R-SIPP算法平均提高19.2%,可以有效提高多机器人路径k鲁棒规划系统的方案可靠性.

关键词： 自适应旁瓣相消   锥化矩阵   零陷展宽   高斯分布   无人机测控  

摘要： 无人机的高动态特性，导致干扰信号来波方向与自适应旁瓣相消算法(ASLC)生成的零陷位置不匹配，这一现象直接降低了ASLC系统的抗干扰效能；针对这一问题，设计了无人机自适应旁瓣相消接收架构，分析了零陷失配对旁瓣相消性能的影响；采用基于高斯分布的锥化矩阵零陷展宽算法，通过假设干扰信号来波方向服从高斯分布，根据最小均方误差(MMSE)准则推导锥化后的自相关矩阵以及互相关矩阵解析式，仿真实验结果表明所提算法在-45 dB零陷深度上零陷展宽宽度比均匀分布零陷展宽算法提高了21%。