课程文献中心 更多>>

关键词： 不适定问题   Landweber迭代   动量法   迭代正则化  

摘要： 目的 针对非线性不适定反问题的求解，提出了一种快速修正Landweber迭代法。Landweber迭代法是非常重要的迭代正则化方法，被广泛用于求解线性或非线性不适定反问题。该方法具有良好的稳定性与鲁棒性，但其收敛速度较慢，极大地限制了Landweber迭代法在实际问题中的广泛应用。因此，为了能够利用Landweber迭代法高效求解非线性不适定反问题，需对其进行加速。方法 基于Landweber迭代法，引入动量法加速技巧，提出了动量加速的Landweber迭代法。结果 在一定的假设条件下，给出所提出方法的收敛性分析。为了从数值计算的角度验证该方法的有效性，基于一维和二维的椭圆方程参数识别反问题进行数值实验。实验结果表明：与Landweber迭代法和两点梯度法相比，动量加速的Landweber迭代法具有较快的收敛速度，能够极大地减少迭代步。其中，动量加速的Landweber迭代法收敛速度最快，两点梯度法次之，Landweber迭代法收敛速度最慢。结论 使用动量加速的Landweber迭代法是收敛的，且动量加速技巧能够有效提高Landweber迭代法的收敛速度。

关键词： 背景减除   背景建模   移动目标检测   鬼影抑制  

摘要： 针对快速背景减除法)FBS-ABL）在复杂环境下易存在鬼影的问题，提出一种改进的FBS-ABL算法。该算法在FBS-ABL算法检测到前景目标的基础上，求出前景运动目标及其邻域的像素直方图并进行匹配，判断目标区域是否存在“鬼影”，通过改变该区域的像素值消除“鬼影”。同时对于鬼影目标可能存在的区域再次进行背景初始化，抑制“鬼影”的出现。在两个不同的场景进行了实验验证，结果表明，改进的FBS-ABL算法对“鬼影”消除有着良好的效果，对目标检测的准确率有着明显的提升。

关键词： 深度学习   类别非均衡   损失函数   AUC最大化   优化算法  

摘要： 在现实分类任务中，数据往往存在类别非均衡的情况，过于关注整体准确性会导致少数类样本被错误分类。为解决这一问题，研究引入了受试者工作特征曲线(Receiver Operating Characteristic curve，ROC)和曲线下面积(Area Under the ROC Curve，AUC)作为评估分类器性能的重要工具。然而，AUC分数的不可分解性使得传统优化算法难以直接求解。近年来，基于成对平方损失函数的研究成功将AUC优化问题转化为随机鞍点问题，奠定了与深度学习模型结合的基础，提高了算法的扩展性。综述总结了近十年深度AUC最大化方法的发展与前沿应用。首先论述了典型的深度AUC最大化算法，从AUC替代损失函数、最大化模型、算法有效性等方面分析。总结了深度AUC最大化在医学图像分类、异常目标检测、自然语言处理、音频识别等领域的应用。同时，对实验数据集进行了归纳与总结，并对AUC算法进行了对比实验分析。最后，对现阶段深度AUC最大化存在的问题进行了分析与展望。研究的目的是系统化AUC最大化方法的发展与应用，为深度AUC最大化的研究提供参考。

关键词： 烟雾检测   无人机航拍   注意力机制   多尺度特征融合   双类标签映射策略  

摘要： 针对无人机视角下烟雾尺度变化剧烈以及烟雾自身颜色差异大的问题，提出一种无人机航拍图像火灾烟雾检测算法。构建Smoke-YOLO（You Only Look Once）网络，通过跨空间学习的特征交互注意力模块，使用并行子结构增强多层次语义信息，提升特征提取能力，利用跨层级特征融合模块对不同尺度目标进行融合，提高烟雾检测网络的稳健性。为解决现有公开烟雾数据集单一类别标注忽视烟雾类内差异的问题，给出双类标签映射策略，自建双类别无人机航拍火灾烟雾图像数据集，并采用标签映射模块将双类别烟雾标签统一为烟雾类，在自定义的映射规则中解决统一烟雾类目标时存在的分类冲突问题。实验结果表明，所提算法在自建数据集上比原有YOLOv8模型的准确率、召回率、类别精度分别提升4.4%、7%、6.7%，每秒检测帧数达到314.2，Smoke-YOLO网络在航拍图像火灾烟雾检测任务上具备高效的实时检测和精度优势。

关键词： YOL0-v4   海滩垃圾识别   混合空洞卷积   空间锯齿空洞卷积  

摘要： 海滩垃圾日益增多，流入大海不但会对海洋环境造成污染，而且会影响海洋生物健康。对海滩垃圾进行识别并分类处理具有重要意义。提出基于改进的YOLO-v4目标检测算法的垃圾识别分类方案。通过现场拍摄海滩垃圾图片，建立垃圾数据库;改进的YOLO-v4算法在传统的YOLO-v4网络架构SCPDarkNet53上融入混合空洞卷积结构，增强感受域的连续性，降低信息在池化过程中造成信息丢失的程度。引入空间锯齿空洞卷积，获取更多细节特征，将数据集导入改进后YOLO-v4架构中，实现图像中垃圾种类的识别。实验研究表明，相比YOLO-v4通用算法，所提算法在识别海滩垃圾的准确率提升了6%，对海滩环境的保护有一定的推广意义。

关键词： 加权SSIM算法   文档中图像   相似度检测   去噪  

摘要： 为了提高文档中图像相似度检测的准确性，提出一种基于加权SSIM(structural similarity index)算法的文档中图像相似度检测方法。将含有噪声的文档中图像采用小波变换的阈值去噪处理，采用小波变换完成局部重构，提取图像的低频和高频细节。将高频和低频信号两者实行小波重构处理，获取去噪后的图像。同时提取采用k-means算法提取图像的边缘特征，将全部边缘特征融合处理。采用加权SSIM算法计算文档中图像相似度，最终实现文档中图像相似度检测。经实验测试结果表明，所提方法可以有效提升文档中图像相似度检测结果的准确性，同时还可以大幅度降低检测用时。

关键词： 贝叶斯网络   图书馆文献   精准检索  

摘要： 为提升图书馆文献检索效果，研究一种基于贝叶斯网络的图书馆文献精准检索算法。采用多分量模式设定检索术语，再计算权重，然后基于贝叶斯网络定性与定量分析图书馆文献，依据节点的相对独立性建立检索模型，获取检索节点与文献节点在概念空间中的覆盖程度。将网格调度器应用在模型中划分检索任务，通过贝叶斯网络的有向无循环图处理依赖关系，根据检索术语的执行时间确定文献调度顺序，实现图书馆文献的精准检索。实验测试结果表示，所提方法应用下能够获取较高的查全率和查准率，结果接近于99.8%，具有应用效果。

关键词： 双向RRT路径规划算法   风电场巡检   转角约束条件   平滑处理  

摘要： 由于风电场巡检难度大、影响因素多，导致巡检效果不理想，为此提出基于双向RRT的风电场巡检路径规划。对双向RRT算法中的随机树初始化处理，利用随机树的“连接”和“生长”过程，搜索无人机巡检路径;然后导出无人机巡检多条路径，通过平滑处理和优化，消除冗余点和冗余路径，在转角约束条件下得到起点与终点之间的最优导航路径，实现路径规划。测试表明，所提方法可花费最少路径搜索的时间得到最优的巡检导航路径，能指导无人机以最短路径从起点行驶到终点，快速且精准完成巡检工作。

关键词： 贝叶斯估计   Gibbs抽样   切片抽样   空间误差模型  

摘要： 提出一种slice-Gibbs抽样的马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)算法来计算空间误差模型未知参数的联合贝叶斯估计,通过2个模拟仿真说明提出的贝叶斯估计方法的有效性与slice-Gibbs抽样算法的优势,实证分析说明模型和提出的贝叶斯估计方法的有效性。

关键词： 输电塔   BP神经网络   覆冰   改进蜣螂算法  

摘要： 输电塔受大风和覆冰的作用极易发生塔材变形、塔身倾斜甚至倒塔现象,建立极端天气下输电塔状态预测模型,可以预判塔身关键部位受力和整体倾斜的变化趋势。本文提出一种基于IDBO-BP算法的覆冰状态输电塔应力与位移预测模型,首先利用Singer混沌映射与可变螺旋搜索策略对蜣螂优化算法进行优化,然后利用改进的蜣螂优化算法对BP神经网络的权值和阈值进行优化,得到覆冰状态下输电塔应力与位移预测模型;其次,采用有限元仿真计算,得到不同工况下输电塔的状态响应;最后,结合预测模型与仿真结果得到覆冰状态输电塔关键部位应力和塔头位移的预测值。结果表明:文中提出的IDBO-BP较DBO-BP绝对平均误差下降了62.9%,平均相对误差下降了58.1%,均方根误差下降了60.2%,为覆冰状态下的输电塔自身杆件状态的安全性预测提供参考。