课程文献中心 更多>>

关键词： 邻居发现   定向天线   定向自组网   无线网络   扫描序列   异步算法  

摘要： 对当前无线定向自组网领域中的定向邻居发现算法的相关研究成果进行了系统性总结。首先,从定向自组网在无线通信中的重要性出发,介绍了相关背景知识和基本概念,指出其在无线通信领域的研究前景。然后,依据不同的技术标准,对定向邻居发现算法进行了多个维度的分类和比较,分别深入探讨了各种算法在不同应用场景下的适用性和局限性,具体分类包括基于扫描序列设计的确定性和随机性算法、同步和异步算法、纯定向和全向辅助发现算法、全盲和半盲算法,以及直接和间接邻居发现算法。接着,结合提出的分类方法以及算法的实际应用情况,详细阐述了部分重要定向邻居发现算法的设计原理及其收敛过程,包括确定及随机性邻居发现算法、异步邻居发现算法,以及利用机器学习技术的优化算法。最后,探讨了定向邻居发现算法的未来研究方向及应用趋势。

关键词： 多元时间序列   聚类算法   特征表示   相似性度量   聚类评估指标  

摘要： 多元时间序列(MTS)作为众多领域智能化技术的关键数据依据,其随时间推移记录了系统中多个变量的状态变化。聚类技术作为一个数据挖掘核心工具可以将数据按照其结构相似性划分为不同的簇,通过识别数据的结构和内在关系挖掘系统发展规律和变量相关关系。面对多元时间序列数据结构的复杂性、变量之间的关联性以及数据高维性等为聚类分析带来的挑战,国内外已经开展了大量相关研究工作。鉴于此,对多元时间序列数据场景下的聚类分析算法进行综述。基于特征提取方式、相似性度量算法、聚类划分框架等分类标准,对现有多元时间序列聚类算法进行对比分析。对于每一类多元时间序列聚类技术,从算法原理、代表性方法、算法优缺点以及解决的问题等方面进行详细总结与剖析。进一步讨论了常用的评价标准,以及多元时间序列聚类相关公开数据集。从多变量时序数据结构特殊性出发对现有多元时间序列聚类存在的挑战及未来发展方向进行了总结与展望。

关键词： 时序数据库   数据压缩算法   压缩率   数据存储  

摘要： 时序数据库(Time Series Database,TSDB)被广泛应用于各类需要处理和存储大量时间序列数据的领域,如物联网、金融、医疗和工业监控等。由于数据量不断增长,高效率的数据压缩算法对时序数据库的性能和存储效率至关重要。概述了当前主流的时序数据库数据压缩算法,包括简单压缩算法、高效压缩算法、先进压缩算法、混合压缩算法和基于机器学习的压缩算法,分析了各种算法的原理、具体实现步骤、优缺点和适用场景的分析,并对未来研究方向进行了深入探讨。

关键词： 控制器部署   软件定义网络   卫星网络   负载均衡   麻雀搜索算法  

摘要： 由于卫星网络星座规模大、拓扑时变、链路不稳定等特点,软件定义网络(SDN)应用在卫星网络时需要部署多个控制器来协同工作,这就会引起一些问题,例如控制器部署位置和数量以及平衡控制器数量、控制区域与网络性能之间的关系等。针对上述问题,提出一种基于改进麻雀搜索算法(SSA)的软件定义卫星网络(SDSN)多控制器动态部署方案。该方案充分考虑卫星网络拓扑的周期性变化,以降低网络时延、平衡控制器负载、提升网络可靠性作为优化目标建立控制器动态部署模型,利用k-means聚类算法对SSA进行初始化改进,并动态调整SSA的步长参数,通过改进的SSA优化迭代出最优的控制器部署方案。仿真结果表明,与对比实验中的基于粒子群优化(PSO)算法的SDSN多控制器部署方案CDS-LR相比,该部署方案不仅使网络时延降低了约10%,而且还使控制器负载均衡度和网络可靠性分别提升了约25%和40%,充分保证了动态卫星网络的整体性能。

关键词： 实时性语义分割   双分支结构   坐标注意力机制   智能驾驶  

摘要： 实时性语义分割由于其轻量化的网络和较快的推理速度在智能驾驶的道路场景中具有重要的应用价值。为解决道路场景中小目标信息丢失和细节被上下文淹没问题,提出了并行双分支结构的DDRPNet模型。设计了PAPPM模块融合不同尺度的语义边缘特性,增强对边界信息的建模能力。在低分辨率分支的1/16、1/32和1/64分辨率特征图后加入坐标注意力机制,以捕获不同尺度下的位置信息和通道信息,填补小目标信息丢失问题。算法在Cityscapes数据集上以46.3 FPS的实时性表现达到了mIoU为76.28%的准确性;在CamVid数据集以95.2 FPS的实时性表现达到了mIoU为73.2%的准确性。实验结果表明,该模型在精度和速度上达到良好平衡,语义分割性能显著提升,在智能驾驶领域有潜在应用前景。

关键词： 特征融合   Transformer   目标跟踪   特征优化   目标分类  

摘要： 近年来判别相关滤波器(DCF)在视觉跟踪领域取得了巨大的成功,然而大多数相关滤波跟踪器仅依赖主干网提取的最后一层特征,忽视了低层丰富的目标结构信息。基于此,提出了一种基于特征融合模块和Transformer结构模型预测器的目标跟踪算法。引入了一个金字塔形的特征融合模块,能有效整合低层特征和高层特征。使用采用非对称位置编码方案的Transformer结构预测目标模型权重,以释放模型的表达能力。提出了一个特征优化模块以根据模型权重优化搜索特征。与现有的方法相比,该算法实现了更优的特征表示和更准确的目标定位。在Tracking-Net、LaSOT和UAV123三个主流数据集上的实验结果表明,跟踪器获得了突出性能。

关键词： 人工智能   算法侵权   风险责任   救济制度  

摘要： 数字经济时代人工智能侵权法律问题主要表现在算法领域。算法侵权根据其种类可分为平台侵权、第三人侵权、算法自动化侵权等情形,如出现大规模微型侵权,即使该侵权对于个体侵害轻微,也应认定为侵权损害,并根据不同情形采用不同方式进行规制。现阶段算法治理已从事后填补阶段逐步发展至事前预防阶段,根据风险责任理论,算法侵权应在传统侵权责任的基础上适度扩张算法受益者、算法运营者和算法管理者责任,以实现各方利益平衡,避免出现算法侵权泛滥的情况。针对算法侵权的救济问题,需要完善算法侵权责任体系及相应的赔偿制度,针对主观上存在故意和造成严重后果的算法侵权适用分级惩罚性赔偿,以更好应对算法侵权风险。

关键词： 分布式优化   伪凸优化   神经动力学  

摘要： 伪凸优化作为非凸优化中的一个重要问题,在现代工程领域占有重要的地位.该文提出一种基于投影法及惩罚方法的神经动力学方法,求解具有不等式约束及等式约束的分布式伪凸优化问题.相较于已存在的各类算法,本文提出的算法在分布式系统中提高了各智能体间通信的效率,仅使用涉及系统决策的状态变量进行相互通信,因此能够节省大量通信资源.本文基于非光滑分析和Lyapunov理论,证明了网络系统中的所有智能体的状态变量在有限时间内进入可行域内并永驻其中,并且可以在有限时间内达成一致,然后渐近收敛到所考虑的优化问题的最优解.同时给出了两个数值实验的仿真结果,验证了本文所提出的算法的有效性.

关键词： YOLOv8   轻量化改进   注意力机制   多目标检测   采摘机器人  

摘要： 针对苹果采摘机器人的视觉识别算法进行优化,以YOLOv8检测算法为基础进行改进。针对YOLOv8识别算法容易存在漏检错检,同时模型较为复杂,计算参数量较高等问题,设计出一种名为YOLOv8-SNC的目标检测算法。算法引入GSConv替换算法中Neck部分的传统卷积来提升算法整体的轻量化程度,同时在每个检测头前加入CBAM注意力机制提升网络的特征提取能力,使网络更符合苹果采摘机器人的实际需求。实验结果表明,YOLOv8-SNC目标检测算法与YOLOv8相比,精度P提升2.3%,平均精度均值mAP提升1%,浮点运算次数FLOPs减小了9.88%。在面对重果、枝叶遮挡、多目标等复杂环境时,YOLOv8-SNC拥有更好的鲁棒性。YOLOv8-SNC在提升模型检测精度的同时完成模型轻量化,为苹果采摘机器人提供一种高效可行的识别算法。

关键词： 图像修复   生成对抗网络   通道注意力   感知损失  

摘要： 针对现有图像修复算法存在细节纹理结构还原效果不佳及修复区域与图像未缺损区域的视觉连通性较差的问题,提出了一种以双判别生成对抗网络为框架,融合高效通道注意力(ECA)和感知损失的图像修复算法(EPGAN)。ECA模块用于调节不同通道的权重,提高特征利用率来获取待修复区域与未缺损区域关联性更高的像素信息,利用VGG16模型提取特征得到感知损失用来学习语义特征差异,消除动态模糊,使修复结果保留更多细节和边缘信息。EPGAN算法在数据集CelebA和Places2上分别做了定性、定量分析及消融实验,根据峰值信噪比和结构相似性的评价结果及修复效果显示:EPGAN算法优于GLCIC、GC和MFCL图像修复算法,且通道注意力和感知损失有效地改善了模型的修复效果。