课程文献中心 更多>>

关键词： 量子机器学习   非线性判别分析   核函数   特征提取   量子厄米特链积   相位估计  

摘要： 核判别分析法通过核函数扩展了线性判别分析对非线性数据的处理能力,成为模式识别领域中一个重要的分支。然而,随着数据的指数增长,经典核判别分析算法在提取特征时会消耗大量计算资源。针对这一问题,利用量子叠加性和并行性提出了一种量子核判别分析算法。首先,借助量子随机存储器技术与控制旋转操作构造需要的类间矩阵和类内矩阵所对应的密度算子;然后,融入线性方程的求解思路并行获取特征态。理论分析表明,所提算法与经典算法相比具有指数级加速。

关键词： 红花   目标检测   改进YOLOv5   数据增强   非结构环境  

摘要： 为实现农业非结构环境下采摘机器人对红花的准确识别,提出了一种基于改进YOLOv5的红花目标检测算法。将CBAM注意力机制嵌入到YOLOv5网络,提高了小尺寸目标物在高层次特征中的表现力;建立一种Alpha-IoU目标位置损失函数对原损失函数GIOU存在的梯度消失问题进行改进,提高了被遮挡红花的预测率,并通过在目标检测网络中增加分割检测模块,提高宽和高小于最低像素的小目标物检测精度,利用图像扩增数据集对改进后的YOLOv5算法进行训练,再分别与改进前后YOLOv5网络和Faster R-CNN网络在不同红花品种、不同自然光照情况、不同天气条件和不同遮挡情况下进行对比。试验结果表明:改进后的YOLOv5算法P值、R值分别为90.45%和0.90,对非结构环境下盛开期的未采摘红花mAP值达到94.48%,在不同影响因素下都可以准确识别出红花且置信度较高,可为红花采摘机器人自动化作业中的红花识别提供技术支持。

关键词： 电气火灾预警   鲸鱼优化算法   BP神经网络   模糊化  

摘要： 电气火灾是一种严重危害人员安全和财产损失的事件,因此增强对电气火灾的早期预测和预警至关重要。基于提高电气火灾预测准确性的目的,采用了改进鲸鱼算法优化BP神经网络的方法,构建了电气火灾预警模型。使用剩余电流、工作电流电压和线缆温度作为神经网络的输入特征,结合上述改进方法对权值和阈值进行优化。优化后的参数作为初始参数进行模型训练,用于输出电气火灾的概率。采用电气柜中回路数据进行试验,将预测概率与剩余电流异常持续时间进行模糊化处理,得出火灾决策。研究结果表明,所提模型相关系数达到0.97,相较于传统方法提高了0.08,具有更高的准确性和可靠性。

关键词： 移动机器   路径规划   人工势场法   动态步长   路径优化处理   Informed-RRT^(*)  

摘要： 针对Informed-RRT^(*)算法初始路径形成缓慢、失败率高及路径质量差的问题,提出基于人工势场法的选点策略。首先,筛选出优质采样点,同时,引入双向直连的贪心策略和动态步长策略,快速获得初始路径并尽快进入遍历寻优阶段;其次,通过新的采样策略及评价函数,保证规划路径更优;最后,对路径优化处理,所得路径更适合移动机器人的行驶。仿真实验结果表明,改进算法相比于Informed-RRT^(*)算法性能更优,其中,改进算法在不同环境中的成功率均为100%,同时也证明了在限定采样次数下改进算法的收敛速度、路径质量均优于原算法。

关键词： 鲸鱼算法   10 kV组合互感器   失真电流   电流校正   电流相位   实时功率  

摘要： 对于10 kV组合互感器而言,电流失真会使输出电流的数值水平异常增大,并且长时间不恢复至常规电流状态,从而影响互感器的正常运行。为解决上述问题,设计基于鲸鱼算法的10 kV组合互感器失真电流校正方法。构建10 kV组合互感器结构模型,完善鲸鱼算法流程,基于鲸鱼算法获取失真的电流计量数值,实现组合互感器的失真特性判定,完成基于鲸鱼算法的10 kV组合互感器失真电流校正算法的设计。实验结果表明,经过设计方法对互感器失真电流进行校正处理后,可在2 min之内将失真电流恢复至与常规电流完全相同的数值状态,校正效果较好。

关键词： 损伤识别   不完整模态数据   柔度矩阵   布谷鸟算法  

摘要： 鉴于安装在结构上的少量传感器难以获得完整的模态数据,文章提出一种使用不完整模态数据来定位和量化结构损伤的有效方法。首先,采用一种改进的缩聚系统方法来匹配有限元模型和实际测量中的自由度差异,从而解决模态空间不完整性问题。然后,利用不完整模态数据获得的结构柔度矩阵计算结构的静态位移。最后,利用结构的静态位移建立损伤优化函数,并采用布谷鸟算法进行求解。通过数值模拟和试验验证了所提方法的有效性和鲁棒性。数值和试验结果表明,在测量传感器数量有限的情况下,所提出的损伤识别方法仍具有高效且稳定的性能。

关键词： 肺腺癌   混合磨玻璃结节   影像学特征   XGBoost算法  

摘要： 目的基于XGBoost算法探究混合磨玻璃结节(mGGN)型肺腺癌浸润程度的关键影像学特征。方法回顾性选取2020年1月—2023年1月南京市中医院心胸外科收治的mGGN型肺腺癌患者104名,收集患者的性别、年龄及影像学特征。按照肿瘤细胞有无基底膜浸润将患者分为腺体前驱期组(n=21)和浸润性病变期组(n=83)。对两位资深病理学专家判定mGGN型肺腺癌浸润程度的结果进行一致性检验。按照3∶7的比例将104例mGGN型肺腺癌患者分为训练集(n=31)和测试集(n=73),其中训练集进行XGBoost算法,并构建暗箱模型,绘制ROC曲线以评价暗箱模型对测试集mGGN型肺腺癌浸润性病变期的预测价值,采用R包计算每个特征变量的SHAP值。结果两位资深病理学专家诊断mGGN型肺腺癌浸润程度的组内相关系数(ICC)为0.97。腺体前驱期组与浸润性病变期组患者结节边缘影像学征象、结节长径、结节短径、结节长短径均值、结节实性部分长径比较,差异有统计学意义(P<0.05)。采用XGBoost算法在训练集构建暗箱模型,选择对数损失函数(Logloss)最小的暗箱模型参数,按照相对权重系数大小排序,前五位特征变量分别是结节长径、结节实性部分长径、结节边缘毛刺征、结节边缘分叶征、结节实性部分/结节长径比值。SHAP图分析结果显示,结节长径、结节实性部分长径、结节实性部分/结节长径比值每增加一个标准单位,mGGN型肺腺癌浸润性病变期的风险分别升高65.3%、61.9%、45.0%;出现结节边缘毛刺征、结节边缘分叶征时,mGGN型肺腺癌浸润性病变期的风险分别升高38.1%、37.7%。ROC曲线分析结果显示,该暗箱模型预测测试集mGGN型肺腺癌浸润性病变期的AUC为0.88[95%CI(0.75~0.96)]。结论结节长径、结节实性部分长径、结节边缘毛刺征、结节边缘分叶征、结节实性部分/结节长径比值是mGGN型肺腺癌浸润程度的关键影像学特征。

关键词： 铁路巡检   卡具检测   深度学习   通道注意力   YOLOv7  

摘要： 为及时地发现铁路通信漏缆卡具缺损现象,保障铁路运营安全,该文提出一种基于通道注意力的多任务卡具缺损检测算法。在YOLOv7-tiny的基础上,该算法通过在检测头增加通道注意力机制的方式,平衡不同通道之间的重要程度,提高了模型检测能力。为了实现对卡具的状态检测,算法在类别损失函数中额外增加一项状态损失,并在其中嵌入Focal loss来克服样本不足的问题。为了验证算法的有效性,该文分别对实际线路中的四种类型卡具进行实验。实验结果表明,该文提出的算法效果好、速度快,能满足实际现场需求。

关键词： 目标跟踪   孪生网络   计算机应用   多层特征融合   模板更新  

摘要： 针对现有孪生网络跟踪算法仅使用主干网络最后一层的特征进行相似度匹配,以及缺少有效模板更新策略的问题,提出基于多尺度特征融合和自适应模板更新的孪生网络跟踪算法。首先,结合深度过参数化卷积设计非填充单元,提取更深层的前景特征和语义背景;然后,设计新的全局-局部特征融合模块,充分聚合浅、中层特征的全局和局部信息,捕获丰富的浅层外观特征和中层过渡特征;最后,采用自适应模板更新机制在线更新模板。为验证算法的有效性,在公开数据集上对所提算法进行详尽评估,实验结果显示,所提算法在OTB2015和VOT2018数据集上的精确度分别达到0.878和0.588,GOT10K数据集上平均重叠率达到0.526,优于其他主流算法。

关键词： 机械臂   路径规则   TD3   长短期记忆网络   事后经验回放技术  

摘要： 在军事航空领域中,复杂任务对机械臂路径规划提出了挑战。针对双延迟深度确定性策略梯度(TD3)算法学习效率低、样本利用率低的问题,提出了一种改进的TD3算法(Recurrent-TD3算法)。首先,将LSTM结合到策略网络与价值网络中,捕获航空控制任务中的时间序列信息,增强对时间序列变化的响应能力,使其能够在决策时考虑历史动作和状态,提高网络的表达能力;然后,将事后经验回放(HER)技术集成到TD3算法中,以解决任务中稀疏奖励难以学习的问题,通过将未达到目标的经验转化为达到新目标的经验,从而更有效地利用样本;最后,设计了一种基于包围盒的碰撞检测流程,以提高机械臂在军用航空任务中的安全性。实验表明,该算法相比于其他算法能够更快地找到一条无碰撞的路径,且平均路径长度最短。