课程文献中心 更多>>

关键词： 同时定位与建图   动态环境   惯性测量单元   误差状态卡尔曼滤波   高斯混合滤波  

摘要： 针对动态环境中同时定位与建图（SLAM）鲁棒性差、精度低及实时性弱的问题，提出一种融合高斯混合滤波的视觉惯性SLAM算法。即通过对惯性测量单元（IMU）使用误差状态卡尔曼滤波（ESKF），估计出相机的先验旋转状态，利用设计的空间筛分器算法，由相机先验旋转状态与图像特征点坐标，计算出特征点位移，并对其进行高斯分布筛分，获得初始期望及其方差，再引入高斯混合模型，优化各高斯分布，生成对应的特征点簇，通过提出的最优静态簇滤波策略，获得稳定的静态特征点簇，从而估计出准确的相机位姿。在动态场景数据集TUM-RGBD与VCU-RVI上的实验结果表明，与VINS-Mono及其动态环境改进型相比，该算法在大部分数据集上表现良好，绝对轨迹误差中的均方根误差精度较VINS-Mono平均提高了92.0%，且满足实时性要求，对SLAM研究与机器人自主导航具有借鉴作用和潜在的应用价值。

关键词： 正余弦算法   Logistic-Tent混沌映射   秃鹰搜索算法   疯狂算子   参数反演  

摘要： 针对正余弦算法在优化问题中存在收敛速度慢、计算精度低等方面的缺陷， 提出了一种融合秃鹰搜索算法的混沌正余弦算法(CSCA-CBS)。采用结合Logistic与Tent的混合混沌映射进行种群初始化， 获得了比单一映射更加均匀和多样的初始种群， 这将有助于发挥后续策略的最大性能。受秃鹰搜索算法所启发， 提出并采用带有疯狂算子的秃鹰搜索策略， 提升了算法的全局探索能力。为了在迭代后期避免陷入局部最优区域， 使用逐维反向柯西变异策略来对种群进行有规律的扰动， 极大地集成了反向学习和柯西变异的优势。通过15个基准函数进行仿真实验， 表明CSCA-CBS算法能够在计算代价和可靠性、解的质量分析以及收敛性能方面优于先进的SCA变体和非SCA算法。通过对土壤水分特征曲线进行参数反演， 进一步验证了CSCA-CBS具有优秀的实用性和有效性。

关键词： 无人机集群   协同作战   全数字仿真   半实物仿真   航迹规划   任务分配   战法研究  

摘要： 无人机集群协同作战是未来智能化战争极富潜力的一种作战样式，国外特别是美国对无人机集群装备的发展给予了高度关注，开设了多项演示验证计划，并且在集群实物演练之外，尤为重视模拟仿真的作用，旨在提升迭代速度与测试频次、优化决策质量与作战计划、降低风险与成本、支持新战术战法研究。本文概述了美国无人机集群协同系统构建技术，包括控制架构、航迹规划和任务分配方法，以及美在无人机集群协同作战领域开发的模拟仿真系统，包括环境与无人机模拟器、全数字仿真与半实物仿真工具平台；总结了美无人机集群协同搜索跟踪、自主察打、集群对抗等任务战法及效能仿真评估的研究进展；分析了美无人机集群协同作战仿真研究的发展现状，包括结合多层模块化架构与强适应性的智能规划算法、开发多元集成的通用仿真平台、作战仿真强调创新战术和生存性、联合军内项目促进研发仿真一体化与实战能力生成等，并总结了美国在实战关联、仿真精度与系统整合方面面临的关键问题，得出了相关技术发展的启示建议。

关键词： 人工智能   阿尔茨海默病   数据   算法   可解释性   偶然发现   伦理审视  

摘要： 阿尔茨海默病是一种进行性发展的致死性神经退行性疾病，其临床表现为逐渐进展的认知和记忆功能下降、语言和视空间障碍等，至今仍无法治愈和逆转。在临床中阿尔茨海默病通常面临确诊不及时的可能，给阿尔茨海默病的早期干预造成了困难，因此提高诊断效率，帮助患者尽早确诊阿尔茨海默病尤为重要。随着人工智能技术的不断发展，其在阿尔茨海默病影像诊断中的应用显示出巨大潜力，但同时伴随着诸多伦理问题。通过探讨人工智能在阿尔茨海默病影像诊断研究及应用中带来的数据安全、可解释性、算法歧视以及偶然发现的披露等伦理挑战，并提出相应对策，以期为人工智能应用于医学影像诊断提供一定伦理导向，保护受试者/患者的权益，推动技术的健康发展。

关键词： 容积卡尔曼滤波   灰狼优化   强跟踪滤波   渐消因子   目标跟踪  

摘要： 针对容积卡尔曼滤波算法(CKF)滤波噪声先验确定且目标机动时跟踪精度下降两个问题，提出一种结合改进灰狼优化和强跟踪滤波的容积卡尔曼滤波算法(IGWO-STCKF)。首先，分析了CKF计算流程；其次，利用灰狼优化实现过程噪声协方差的自适应，针对灰狼优化(GWO)算法易得到局部最优及搜索慢的缺点，提出采用佳点集理论初始化种群，嵌入调节参数非线性调整策略，越界处理策略和动态权重调整策略形成改进的灰狼优化算法(IGWO)；最后，借鉴强跟踪滤波(STF)，引入双渐消因子调整CKF算法量测更新时的协方差矩阵，实时调整滤波增益，最终形成 IGWO-STCKF算法。将IGWO-STCKF和IGWO-CKF、STCKF、IMM-CKF和CKF算法运用到具有动态噪声的二维机动目标跟踪仿真实验中，对跟踪轨迹图、算法运行时间、位置和速度均方根误差曲线和累计均方根误差值进行分析，结果表明，IGWO-STCKF算法跟踪精度和稳定性更优。

关键词： 时间序列数据   聚类算法   变分自编码器   门控神经网络   度量学习  

摘要： 电力负荷数据有效分析对于挖掘信息的价值至关重要，聚类和分类是数据挖掘中主要手段。考虑到电力负荷数据分析因其固有的时序复杂性相较于其他类型的数据分析更加具有挑战性。本研究提出了一种时间序列数据双模式分析算法，该算法融合了监督学习和无监督学习。首先，设计基于门控神经网络的变分自编码器（VAE），深入学习时间序列数据的时序特征。针对传统VAE在KL散度损失项和无监督学习方面的局限，本文改进了KL散度损失函数并引入度量学习，以增强潜在空间的表征能力。进一步，通过编码器得到的潜在向量空间，实现了符合聚类原则的输出设计，并提出了有效的合并和停止标准，以降低计算成本。此外，采用结合度量学习和分类任务的多任务学习策略，实现了时间序列数据的准确分类。在大规模工业负荷数据的实验中，与现有技术相比，所提算法在聚类精度上平均提高27.16%，速度提升47.15%，在分类精度上最高提高14.86%，速度提升34.45%，证明了本算法的有效性和优越性。

关键词： YOLOv8   皮肤黑色素瘤分割   UNetv2   可变形大核注意力机制   多样化分支块  

摘要： 针对现有很多皮肤黑色素瘤图像分割算法因病灶区域形状多样、边缘模糊而导致分割结果不精准的问题，基于YOLOv8提出一种结合多尺度特征提取和边缘分割增强的皮肤黑色素瘤分割算法YOLOv8-Skin。首先将YOLOv8的主干网络CSPDarkNet53更换为更适合医学图像分割的UNetv2网络，使得在低级特征中注入丰富的语义信息，同时精细化高级特征，从而实现对皮肤黑色素瘤图像中对象边界的精确勾画和小结构的有效提取；其次，在颈部的C2f中引入可变形大核注意力机制，通过使用可变形卷积提升模型对于不规则图像结构信息的捕捉能力，并利用大核卷积融合不同层次的特征；最后，在头部引入多样化分支块形成新的分割头，通过结合不同规模和复杂度的多样化分支增强单个卷积的表示能力，从而增强模型对于病灶区域的特征提取。为了验证改进算法的有效性，本文在ISIC2017、ISIC2018、PH2数据集上进行了实验，实验结果表明Dice、特异性、灵敏度、准确度在ISIC2017数据集上分别达到了88.86%、91.34%、97.24%、96.29%；在ISIC2018数据集上分别达到了91.64%、95.42%、96.69%、95.83%；在PH2数据集上分别达到了95.92%、95.43%、97.02%、96.13%，改进后的算法具有更强的分割性能，能够更好地适用于皮肤黑色素瘤分割任务。

关键词： 多模态   会话情感识别   图结构学习   图神经网络   自注意力机制  

摘要： 会话是一种时序性与内部关联性极强的数据类型，不合理的建模方式往往会对会话情感识别任务的效果产生负面影响。由于会话具有天然的图结构，将会话建模为图，并使用图卷积神经网络（GCN）来提取会话信息是一种常用方法，但是天然获得的图结构往往存在大量噪声或者有缺失连接的情况，这会损害GCN的学习性能，仅使用GCN也很难处理内部关系丰富的会话信息。针对这些问题，本文提出一种自适应学习图结构学习的多模态情感识别方法。该方法使用添加了邻近稀疏自注意力机制的Transformer编码器结构作为上下文信息提取器，将简单级联的会话音频特征、文本特征、视觉特征作为输入。利用多层感知机设计了一种图结构生成器以生成良好的图结构，同时引入一种自监督去噪任务作为先验信息指导图生成器更新参数。其次利用关系图卷积网络和图Transformer作为局部信息提取器，有效地捕捉了会话中存在的复杂依赖关系。在数据集IEMOCAP(4-way/6-way)和MOSEI上与其他基线算法进行了对比实验，实验结果表明该方法在加权F1系数和准确率上都要优于其他基线算法。

关键词： 无人机   盲均衡   双模式   变步长  

摘要： 信道均衡是解决无人机通信信号码间串扰问题的关键技术之一。为减小无人机通信信号传输过程中因信道畸变而产生的码间串扰带来的影响，加快均衡收敛速度，降低通信系统的误码率，本文提出了一种新的变步长双模式(VSSDM)盲均衡算法，在均衡阶段将接收端信号的实部和虚部进行并行处理，校正无线电信道引入的载波相位旋转问题，在此基础上根据收敛圆切换准则调整误差控制函数，并引入变步长控制，加快收敛速度，进一步降低稳态误差。仿真结果表明，该算法相对于传统的均衡方法具有更好的收敛性能，均衡后期ISI降至-27dB，收敛速度提高，在600个符号左右算法完成收敛。

关键词： 带时间窗的车辆路径问题   遗传算法   K-means聚类   大规模邻域搜索算法  

摘要： 针对现有优化算法求解带时间窗的车辆路径问题（vehicle routing problem with time windows， VRPTW）时存在易陷入局部最优解和收敛速度慢等问题，提出了一种基于K均值聚类和改进大规模邻域搜索算法（K-means clustering algorithm and improved large neighborhood search algorithm， K-means-ILNSA）的车辆路径优化算法。首先，采用先聚类后优化的策略，利用K-means算法对待配送客户进行分组，以提高优化效率。其次，采用遗传算法对聚类产生的每组客户进行单独优化，以初步规划配送路径。最后，引入大规模邻域搜索（large neighborhood search， LNS）算法对配送路径进一步优化，以有效避免算法陷入局部最优解。实验结果表明，所提算法能够有效解决带时间窗的车辆路径问题，其生成的车辆总路程短，优化求解效率高。