课程文献中心 更多>>

关键词： 多视图聚类   一致性   差异性   低秩张量表示   自适应加权  

摘要： 针对如何利用多视图数据中的隐含信息以及避免后续处理过程中带来的聚类性能次优问题,提出一种基于一致性和差异性的低秩张量多视图聚类算法.首先,该算法同时考虑视图的一致性和差异性信息,将多个一致性相似矩阵叠加在一个受低秩约束的张量中,以探索视图间信息的高阶相关性,从而得到更高质量的相似矩阵;其次,通过学习一个一致非负嵌入矩阵直接获得聚类结果;再次,采用自适应加权策略考虑不同视图数据的重要性;最后,通过在6个真实数据集上与其他算法进行对比实验,验证了该算法在多视图聚类问题上的有效性.

关键词： 电池模组   小目标检测   注意力序列融合   EIOU损失函数  

摘要： 电池模组缺陷检测存在小目标缺陷误检、漏检等导致的准确率低、因类别不平衡分布导致的精度低等问题，提出了一种基于YOLOv8-LAE的小目标缺陷检测算法。通过引入轻量自适应权重下采样模块(Lightweight Adaptive Weight Downsampling，LAWD)和注意力序列融合模块(Attention Sequence Integration，ASI)，显著提升了模型对空间特征和小目标信息的提取能力，从而有效改善了小目标缺陷的误检、漏检问题，进而提升了检测的准确率。通过引入EIOU损失函数，有效解决了类别不平衡问题，提高了模型的收敛速度，并进而提高了缺陷检测精度。实验结果表明，在公共数据集NEU-DET验证了算法，平均精度达到了76.3%，较YOLOv8n提高了3.1%；在自制数据集上，YOLOv8-LAE算法的平均精度达到了66.8%，相较于YOLOv8n提高了4.5%。本研究为电池模组小目标缺陷检测提供了一种有效的解决方案。

关键词： 移动机器人   激光雷达   惯性导航组件   多传感器融合   同时定位与建图  

摘要： 黑灯工厂中光照条件差且部分区域结构特征相似，为提高移动机器人在黑灯工厂的同步定位与建图算法精度，提出TSR-LIO-SAM算法，将激光雷达与IMU紧耦合，使用预积分因子补偿IMU的动态误差，并利用IMU高频输出消除激光雷达点云畸变，同时提出基于时空间阈值的关键帧选取与局部建图策略，结合线面特征与点云概率分布改进ICP算法，并配置动态权重优化点云配准。实验表明，TSR-LIO-SAM算法相较于LEGO-LOAM以及LIO-SAM算法，平均误差分别减少了77.96%、9.77%，误差均方根分别减少了78.64%、8.49%，证明了TSR-LIO-SAM算法在室内环境下的有效性。

关键词： 遥感图像   变化检测   UNet++   Transformer   注意力机制  

摘要： 针对高分辨率遥感变化检测任务中常见的上下文特征信息丢失、仅利用单一通道信息或空间信息无法充分挖掘数据特征等难题，提出了一种基于上下文孪生UNet++的高分辨率遥感变化检测算法。该算法以孪生UNet++为骨干网络，采用具有Transformer风格的上下文转换器模块获取双时图像上下文信息从而更精确地获得图像的变化特征；同时使用集成注意力模块通过综合利用通道和空间信息的特性，使得模型在变化检测任务中表现出更高的精确度和准确率。该算法在LEVIR-CD和WHU数据集上进行实验验证，其F1-score分别为90.07%和92.91%,IoU分别为81.93%和85.51%。在标准数据集上的实验结果验证了该算法有效提升了检测性能和准确性。

关键词： CUP-VISAR   张量奇异值阈值   条纹相位映射   冲击波二维速度场  

摘要： CUP-VISAR系统因具备高时空分辨率的独特优势，被广泛应用于激光驱动的惯性约束聚变实验中，可以实现对波阵面动态变化的精确观测。但现有主流算法在处理CUPVISAR数据时，通常由于噪声太大而不能重构出高质量的动态图像，不能满足对冲击波速度场高精度观测的需求。本研究提出了一种结合张量奇异值阈值（TSVT）与条纹相位映射（SPM）技术的TSVT-SPM数据重构算法。该算法关键在于运用TSVT方法，将原始含噪数据转换至频域进行特征提取，有效剔除了信号中的干扰成分。同时，利用SPM技术，将数据进一步映射到相位空间进行精细化滤波，从而优化干涉条纹的特征，实现频域和相位空间两个维度对噪声的协同抑制，显著改善了数据重构质量，极大地增强了对冲击波速度场估算的精度。在神光-Ⅲ原型装置上的实验结果表明，即使在对比噪声比约为6.56的情况下，该算法依然能够成功重构出二维动态速度场，其最大相对速度误差控制在6.11%，显著提升重构结果的准确度及逼近真实物理场景的能力，证明了算法在复杂实验环境下的鲁棒性和实用性。为研究流体力学不稳定性提供了有效的动态观测手段，具有重要的理论意义和广阔的应用前景。

关键词： 安全工程   A   算法   启发式搜索   动态规划   火灾场景  

摘要： 传统A*算法被广泛应用于路径规划研究中，但该算法在处理复杂环境时存在搜索效率低和寻优路径质量不高的问题。为克服这些问题，提出了一种改进A*算法，该算法结合了启发式搜索与实时动态规划的思想，能在保留A*算法优势的同时显著提升其搜索效率和路径质量。在改进算法中，设计了一种新型启发式函数，该函数不仅考虑了火灾场景下的危险因素，还引入了实时动态规划策略以引导搜索过程，从而生成更高效的疏散路径。将改进算法与原始算法进行性能对比测试以及建筑火灾模拟疏散仿真对比试验，以验证改进算法的寻优性能。对比测试和试验结果表明，改进A*算法在提高路径规划效率方面具有显著优势。与传统A*算法相比，改进A*算法生成的应急疏散路径中拐点数量少，扩展节点的数量减少96.49%，路径计算速度提升95.68%。验证了改进A*算法在复杂场景下的优越性能，表明改进A*算法在实际应用中具有广阔的前景。

关键词： 三维重建   解码   光照强度   比例系数  

摘要： 使用面结构光三维测量方法对物体进行三维重建时，全局光照对解码的准确度有一定影响，直接影响了重建精度。而现有的解码方法并没有考虑全局光照对解码的影响，为解决这个问题，本文提出一种基于光照强度的面结构光解码算法。首先，从投影的一系列条纹图中选择合适的高频图像，以估算当前场景的直接光照强度和全局光照强度的比例系数；然后，使用该系数估算每个像素点的直接和全局光照强度；最后，根据估算的直接和全局光照强度构建解码规则，实现物体的三维重建。对比实验结果表明，本文提出的解码算法能有效提升解码准确度和重建点云的质量。

关键词： 岩心裂缝图像   DeeplabV3+   多尺度特征融合   条形池化  

摘要： 岩心裂缝对于油气勘探有着重要意义，是宝贵的地质研究资料，对岩心裂缝图像进行裂缝提取有助于地质专家进行后续的研究工作。岩心裂缝图像存在着裂缝细小、裂缝和背景区域像素值接近等问题，已有的图像分割算法对裂缝提取效果不佳。为了改善岩心裂缝的提取效果，本文提出基于改进DeeplabV3+的岩心图像裂缝提取算法。本文算法设计了新的解码器，将图像的多尺度特征进行充分融合，增强了模型对裂缝边缘细节的表征能力；同时，引入条形池化模块（SPM），作为ASPP中的池化层，从而有效减少了背景区域对裂缝目标提取的干扰。实验结果表明，本文所提改进算法在岩心裂缝图像上对裂缝的提取效果良好，相比于原始DeeplabV3+网络，改进算法在mIoU、mPA、F1 Score上分别提升了1.88%、4.49%、3.02%。

关键词： 拓扑识别   人工智能算法   配电网   线损率  

摘要： 为提高配电网线损率计算的精度，设计基于拓扑识别与人工智能算法的配电网线损率计算方法。根据配电网特性，采集配电网运行状态数据，得到配电网原始数据矩阵。对数据进行标准化处理，利用拓扑识别提取出配电网数据的多个特征，并计算出对应的特征权重值。据此分类配电网数据特征，并计算出数据的适应度函数，由此计算出更为精确的配电网线损率。实验结果表明:和以往的配电网线损率计算方法相比，设计的基于拓扑识别与人工智能算法的配电网线损率计算方法在实际应用中计算结果与实际结果基本吻合，说明该方法计算精度较高。

关键词： 输电线路极端冰冻灾害   核动态潜变量   近似线性依靠   小概率样本   自适应预警  

摘要： 针对输电线路极端冰冻灾害预警模型中小概率样本不易获取以及在提取特征动态关系难以在线学习的问题，提出了一种自适应核动态潜变量算法及输电线路极端冰冻灾害预警模型.首先，该模型使用正常数据构建基于核动态潜变量（kernel dynamic latent variable, KDLV）的离线模型，并获得到统计限Tlim2；然后，引入模型自适应更新准则对近似线性依靠算法（approximate linear dependence, ALD）进行改进，利用改进的ALD算法更新统计限Tlim2，从而自适应提取动态潜变量特征；最后，利用KDLV模型计算测试集数据的统计量Tnew2，以测试集数据统计量T2n ew是否超过统计限Tlim2作为判断标准.运用滇东北某输电线路覆冰数据进行实验验证，相较于动态潜变量（dynamic latent variable, DLV）、 KDLV、动态内部主元分析（dynamic internal principal component analysis, DiPCA）及时序近邻保持嵌入（time neighbor preserving embedding, TNPE）方法，提出的新方法灾害预警正确率最高，漏报率最低，误报率最低.该研究结果可为输电线路极端冰冻灾害预警研究提供一种良好的方法。