课程文献中心 更多>>

关键词： 高速铁路   铁路桥梁   桥跨方案   布孔设计   约束条件   回溯策略   贪心策略   动态规划策略  

摘要： 针对我国高速铁路桥跨方案影响因素多，人工设计难度大、效率低的特点，研发了一套铁路桥梁孔跨方案自动布置算法，实现满足约束条件的桥跨方案自动生成和优选方案推荐。将桥跨布孔问题抽象为满足控制点集合与梁型库约束条件的寻优问题，基于多策略融合思想，通过模拟桥跨布孔业务流程，先通过贪心策略研发主梁布置算法，实现控制点的主梁选型；然后通过回溯、动态规划策略研发主梁桥接算法，实现相邻控制点主梁区间桥接；最后利用梁部造价、侵限桥墩等组合评价指标，基于专家打分构建桥跨方案评价算法，实现多方案的评价和优选推荐。依托长赣高铁进行模拟设计验证，结果表明算法可大幅提高桥梁布跨工作效率。

关键词： 特征选择   萤火虫算法   变异策略   适应度函数   邻域知识粒度   邻域粒度条件熵  

摘要： 针对传统的萤火虫算法在处理优化问题时存在收敛速度慢、易陷入局部最优等问题，为此提出了一种动态的萤火虫算法，并将该算法与邻域粗糙集相关理论结合在一起来开展特征选择的研究，既可以对连续型数值进行有效处理，又能够有效提高特征选择的性能。首先，为了改进萤火虫算法的搜索策略，引入POX( Precedence Operation Crossover)变异策略并采用阈值设置控制萤火虫交叉变异的概率便于陷入局部最优的个体及时跳出，从而提出一种动态的萤火虫算法FAPOX；其次，为了能够同时考虑到知识完备性和知识粒度大小，将邻域粗糙集中的邻域知识粒度与条件熵有机结合，从而提出一种新的信息熵模——邻域粒度条件熵；最后，提出一种基于邻域粒度条件熵与动态萤火虫算法的特征选择算法FS＿NGHFAPOX，该算法采用邻域粒度条件熵来构建FAPOX算法的适应度函数，进而更好地评价特征子集。在UCI和scikit-learn机器学习库中的内置数据库中部分数据集上进行实验验证，验证结果表明FS＿NGHFAPOX算法分类性能最优且所选特征子集数量更小。尤其是FS＿NGHFAPOX算法在实验数据集上测出的Accuracy平均指标效果达到0.83，相比较于其他特征选择算法最多增高了15%。

关键词： 深度学习   目标检测   DETR   Transformer   窗口注意力机制   多尺度   小目标   COCO2017数据集  

摘要： Transformer目标检测（Detection Transformer，简称DETR）模型在小目标检测性能和训练收敛速度方面存在不足。为了解决这些问题，本文设计了一种多尺度窗口注意力机制，将其应用于DETR的Transformer中。这种机制为注意力计算引入了局部信息，有助于提取局部小目标的信息，并且降低了计算复杂度，使得DETR能够处理更高分辨率的特征图。提出的Windows DETR在COCO 2017数据集上取得了比DETR更优的性能，特别是在小目标检测方面，平均精度（average precision，AP）提升了3.2。同时，Windows DETR还加快了模型的训练收敛速度。

关键词： 多度量空间   多度量图   基于密度的数据聚类   数据挖掘   多模态数据  

摘要： 具有噪声的基于密度的数据聚类(DBSCAN)算法是数据挖掘领域中的经典方法之一,其不仅能发现数据中潜藏的复杂关系,还能过滤其中的数据噪声,从而获得高质量的数据聚类.然而,现有的基于密度的数据聚类算法仅支持单模态(类型)数据的聚类,难以应对多模态(类型)数据并存的应用场景.随着信息技术的快速发展,数据呈现多模态化的发展态势,现实生活中的数据不再是单一的数据类型,而是多种数据模态(类型)的组合,如文本、图像、地理坐标、数据特征等.因此,现有的数据聚类方法难以对复杂的多模态数据进行有效的数据建模,更无法进行高效的多模态数据聚类.基于此,提出一种基于密度的多度量空间聚类算法.首先,为了刻画多模态数据间的复杂关系,利用多度量空间表征数据之间的相似性关系,并且利用聚合多度量图索引(AMG)实现多模态数据建模.接着,利用差分化的相似性关系优化聚合多度量图的图结构,并且结合最优策略优先的搜索策略进行剪枝,以实现高效的多模态数据聚类.最后,在真实与合成数据集上针对多种参数设置进行实验.实验结果验证了所提方法运行效率提升了至少1个数量级,并具有较高的聚类精度与良好的可扩展性.

关键词： 智能土壤采样机   A*算法   路径规划   五点采样法   动态权重   贝塞尔曲线平滑  

摘要： 智能土壤采样机是一种进行土壤采样作业的高效设备，为了解决未知环境下路径规划的效率和安全性问题，提出了一种改进的A*算法。首先对估价函数引入动态的权重系数，减少了搜索节点数；然后将传统的8邻域搜索减少为5邻域搜索，去除了冗余的搜索方向；接着定义车身半径，进行防碰撞处理，优化了安全性能；最后采用贝塞尔曲线对路径进行平滑处理。采用农田地块的五点采样法进行仿真实验，结果表明改进A*算法相较于传统A*算法，搜索节点数量平均减少83.66%、搜索时间平均减少56.61%。进一步采用移动机器人在真实环境中进行实验，验证了改进A*算法在实际应用中路径规划的准确性和效率。

关键词： 联邦学习   原型学习   对比损失   度量学习   异质性数据处理  

摘要： 针对联邦学习中因客户端数据集非独立同分布及设备算力参差不齐所导致的模型偏差大、收敛不稳定及泛化性差等问题，本文提出了一种基于原型联邦学习模型距离校正与聚合算法（FedMPD）。FedMPD 在客户端本地构建嵌入网络提取异质数据特征，并通过设置局部与全局原型的修正项来校正客户端模型。此外，算法引入了原型距离约束条件，允许客户端根据局部原型与全局原型的距离阈值自适应调整训练周期，以缓解设备异质性的影响。在模型聚合阶段，FedMPD 采用了一种加权聚合策略，该策略综合考虑客户端的数据量和局部原型质量，以更准确地量化不同客户端对全局模型的贡献度。实验结果表明，FedMPD 在模型收敛稳定性、测试损失降低以及测试精度提升等方面均显著优于传统联邦学习算法，为异质环境下联邦学习提供了一种稳定、高效且逻辑严谨的方法。

关键词： 4D毫米波雷达   鸟瞰图   自动驾驶   交叉注意力机制   三维目标检测  

摘要： 针对自动驾驶场景中的行人和车辆目标识别与定位问题，提出了一种4D毫米波雷达与视觉融合的算法——CDCAM-BEV，以提高目标检测精度。其基本思想是：首先，设计雷达柱体网络，将4D雷达点云编码为伪图像，并通过正交特征变换将单目图像转换为鸟瞰图（BEV）特征；其次，基于交叉注意力机制，设计共同信息提取模块（CICAM）和差异信息提取模块（DICAM），充分挖掘雷达和图像的公共信息和差异信息；最后，基于CICAM和DICAM模块设计鸟瞰图特征融合模块，实现图像信息和雷达信息在BEV空间的特征级融合。在具有挑战性的VOD数据集上验证了所提算法，并与其他五种三维目标检测算法进行对比。实验结果显示，CDCAM-BEV在多个模式下的检测性能均优于其他算法。在三维模式下，CDCAM-BEV的平均检测精度比排名第二的Part-A2高出3.65%；在BEV模式下，比排名第二的Pointpillars高出5.04%；在AOS模式下，比排名第二的Part-A高出2.62%。这些结果表明，CDCAM-BEV在各模式下均表现出卓越性能，能够有效融合图像和4D雷达点云特征，显著提高目标检测精度和可靠性。

关键词： 联邦学习   短期负荷预测   ResNet   BiLSTM   同态加密  

摘要： 【目的】短期电力负荷预测是我国智能电网建设中的重要内容。为保障电力数据隐私安全、提高短期负荷预测精度，提出基于联邦神经网络的短期电力负荷预测模型。【方法】首先部署横向联邦学习框架，在各参与方构建基于ResNet-BiLSTM两阶段混合神经网络的短期电力负荷预测模型，完成基于本地数据的模型训练。然后将同态加密后的本地模型参数上传到云端，基于FedAvg算法完成模型参数的全局聚合和更新，并将更新后的模型参数回传给本地客户端，随后在本地进行解密和更新。【结果】在2016年电工数学建模竞赛短期电力负荷数据集上进行仿真验证，提出的方法有效预测未来一周和一天内短期负荷数据每15分钟值的变化趋势。相比于传统的预测模型，所提模型在保护电力数据隐私安全的同时获得了更高的预测精度和稳定性。【结论】实验结果表明，由于参与了同态加密机制下的横向联邦训练，更新后的本地预测模型学习到了多个参与方的模型特征，实现在保护本地电力数据不被泄露的同时提高预测精度和稳定性。对短期电力负荷更加准确的预测对于电力系统优化运营管理与资源配置具有重大意义。

关键词： 多模态多目标优化   多目标狼群算法   随机游走   特殊拥挤距离更新   环境选择   栅格地图路径规划  

摘要： 针对多模态多目标优化中种群多样性较差和搜索能力不足的问题，提出随机游走和特殊拥挤距离更新的多模态多目标狼群算法(MMOWPA-RSCD)。首先，在游走行为中融入莱维飞行，提出随机游走策略，生成多个随机突变的游走位置，使种群快速跳出局部最优，增强算法的全局搜索能力；其次，设计基于特殊拥挤距离的种群更新机制，利用k-means算法将待更新种群划分为多个子种群以降低整体搜索难度，通过计算各个子种群个体的特殊拥挤距离，保留决策空间和目标空间综合拥挤度较好的解，维持种群的多样性；最后，引入环境选择策略，通过特殊拥挤距离非支配排序筛选优良种群，进一步提升算法的多样性。将MMOWPA-RSCD算法和8种经典以及新近多模态多目标优化算法在13个多模态多目标测试函数进行实验对比及秩均值检验，实验结果表明：MMOWPA-RSCD的总体性能优于对比算法。最后将算法用于栅格地图路径规划问题，进一步验证了算法的有效性。

关键词： 血细胞检测   YOLOv7   空间和通道重构卷积   注意力机制  

摘要： 血细胞检测是诊断许多疾病的重要手段，血细胞数量和形态的变化常常反映人体的健康状况。然而，人工检测耗时且易出现误检和漏检。为此，本文提出了一种基于改进YOLOv7的血细胞检测算法—YOLOv7-SMC。该算法首先在特征提取过程中结合空间和通道重构卷积，减少了特征冗余并提高了性能；然后在颈部网络中加入混合局部通道注意力机制，增强了模型的表征能力；并且用内容感知特征重组上采样算子替换最近邻插值上采样，从而自适应地调整上采样策略，得到细节丰富的结果；最后引入基于最小点距离的边界框相似度度量损失函数，简化了边界框相似性比较。实验结果表明，该算法在BCCD数据集上的3类血细胞检测中，总样本均值平均精度mAP@0.5和mAP@[0.5:0.95]分别提升了2.6%和2.9%，展现出较高的实用性和准确性。