课程文献中心 更多>>

关键词： 蒙特卡罗   γ通过率   不确定度   网格间距  

摘要： 目的比较Monaco系统的蒙特卡罗(MC)算法网格间距(GS)和不确定度(SU)对临床计划验证γ通过率的影响,为日常放疗患者的质量保证(PSQA)提供参考。方法回顾性选择2023年7—11月中国医学科学院肿瘤医院深圳医院已治疗的20例患者计划,其中头部鼻咽癌5例,胸部肺癌2例、食管癌3例、乳腺癌5例,腹部宫颈癌4例、直肠癌1例。所有患者的计划均在同一天由同一物理师在同一台机器重新测量得到测量的剂量分布文件。Monaco系统的GS选取2、3、4 mm共计3种(分别为GS2、GS3、GS4),SU选取SU_(CP1)、SU_(CP2)、SU_(CP3)、SU_(CP4)、SU_(CL1)共计5种百分比不确定度,分别重新计算验证计划,每例临床计划总计15个验证计划。采用3%/2 mm的评价标准分析γ通过率,统计每个计划不同GS和SU的γ通过率。采用双侧配对样本t检验分析同一病例计划不同GS和SU的γ通过率。结果所有患者计划,以GS2的γ通过率为基准,相同SU不同GS的γ通过率差异均具有统计学意义(P<0.05)。对于SU_(CP1),GS3、GS4的γ通过率比GS2分别降低0.4%、1.4%;对于SU_(CP2),GS3、GS4的γ通过率比GS2分别降低0.5%、1.5%;对于SU_(CP3),GS3、GS4的γ通过率比GS2分别降低0.5%、1.5%;对于SU_(CP4),GS3、GS4的γ通过率比GS2分别降低0.5%、1.5%;对于SU_(CL1),GS3、GS4的γ通过率比GS2分别降低0.7%、2.0%。以SU_(CP1)的γ通过率为基准,相同GS不同SU,在GS2的时候,本研究所选取的SU其γ通过率差异均无统计学意义,在GS3和GS4时,SU_(CP4)和SU_(CL1)相比SU_(CP1)差异具有统计学意义(GS3时,P=0.049和0.012;GS4时,P=0.045和<0.001),γ通过率分别降低0.1%、0.4%,0.2%、0.6%。结论GS和SU值均在一定程度上影响Monaco系统的MC算法的临床计划验证γ通过率,推荐Monaco系统的MC算法日常PSQA,选取GS2,SU选取SU_(CL1)计算验证计划。

关键词： BP神经网络   蜣螂优化算法   黄金正弦策略   Chebyshev混沌映射  

摘要： 文章提出了一种利用改进蜣螂优化(IDBO)算法优化BP神经网络的新方法,通过Chebyshev混沌映射初始化种群,结合黄金正弦策略及动态权重系数实现高效搜索。基于MATLAB R2024a进行仿真,结果表明IDBO-BP模型在训练集和测试集上均表现优异,显著提升拟合度、泛化能力和预测精度,且收敛速度更快。此方法有效提升了神经网络性能,为解决复杂数据处理问题提供了新途径,展现了广阔应用前景。

关键词： 计算机视觉   目标检测   深度学习   YOLOv7算法  

摘要： 道路环境感知是自动驾驶任务中的重要组成部分,为解决道路环境感知中小目标检测困难、检测目标尺寸不一致以及检测目标的遮挡给检测任务带来的困难,提出一种深度学习增强方法以提高目标检测性能。设计了Bottleneck-ELAN(bottleneck-efficient layer aggregation networks)模块作为主干,加强了模型的特征提取能力。使用Gather-and-Distribute(GD)机制实现了特征图之间跨尺度的直接融合,解决了颈部网络的信息丢失问题。此外,采用Complete-IOU(CIOU)和Normalized Wasserstein Distance(NWD)相结合的损失函数组,解决了单一IOU损失函数对不同尺度物体位移敏感性不一致和平滑性差的问题。结果表明,改进后的模型在BDD100K数据集上的平均精度均值达到了43.4%,相较于原始的YOLOv7算法提高了3.1%,并且在小目标检测中精度提升更为明显,达到10%。

关键词： 点云分割   高斯曲率   超体素   凹凸连接  

摘要： 点云分割作为无序分拣任务中的一个重要处理步骤,其分割精度直接影响后续的目标识别与姿态估计准确率。针对传统LCCP算法在物体复杂堆叠场景下分割效果不佳的问题,本文提出了一种基于改进LCCP的点云分割算法,首先使用改进的VCCS算法将点云划分为超体素,通过融入高斯曲率信息,进一步改善超体素容易跨越物体边界的问题,然后判定邻接超体素的凹凸连接关系,为了进一步减小噪声的影响,对于所有体积小于给定阈值的超体素,判定其与所有邻接超体素间的连接关系,合并所有凸连接的超体素,得到最终分割结果。实验结果表明,本文方法相比于LCCP和CPC算法在分割精确率上提升了3.1%~22%,且算法整体性能有明显提升。

关键词： YOLOv8s   小目标   轻量化   BiFPN   目标检测  

摘要： 小目标检测一直是目标检测领域的热点,而航拍小目标图像具有尺度变化大、视角和姿态变化多样等特点,容易造成漏检、误检。针对这些问题,提出基于YOLOv8s改进的轻量化小目标检测算法。首先,在Backbone部分使用CESE_C2f模块,利用轻量化注意力机制提升检测效果并降低参数量;其次,根据BiFPN思想设计新的网络结构,充分利用已有网络信息加强深层与浅层特征信息的融合;最后,使用新的轻量化检测头LW_Detect(Lightweight_Detect)大幅度降低运算量与参数量,以满足实时性要求。实验结果表明,所提算法在Visdrone数据集上的mAP50和mAP50:95分别达到41.4%和24.9%,相较原始YOLOv8s算法精度提高了1.6%和1.3%,参数量和运算量降低了36.8%和42.8%。

关键词： 均衡分配   并行计算   负载均衡   节点   高性能  

摘要： 由于计算节点的处理能力、网络延迟、数据分布不均等因素,各节点的负载往往存在差异,这种负载不均衡不仅会导致系统资源的浪费,还可能引发某些节点过载,从而影响整个系统的性能和稳定性。因此,现提出高性能并行计算中节点负载均衡分配算法。首先,构建节点负载模型,反映系统资源的分配与利用情况,以达成更高效的负载平衡目标;其次,规划高性能并行计算熵,追求最大化熵增,实现最小化所有任务的总体执行时间,进而实现节点负载的均衡分配。实验结果表明:高性能并行计算中节点负载均衡分配算法能够在固定测试时间内最大程度上对节点负载进行均衡分配,而另外两种方法的分配数量较少,因此可以证明所提方法的有效性。

关键词： 风电   一次调频死区   参数优化   改进多目标粒子群  

摘要： 为充分利用风电的调频潜力,并减少风电的调频动作次数,提出一种风电一次调频死区优化方法。首先在电力系统频率响应模型中加入风电一次调频死区,在此基础上,求解该模型的最大频率偏差和稳态频率偏差的时域解析式。然后基于模型分析风电一次调频死区对频率动态的影响,依据充分利用风电的调频潜力和减少风电一次调频动作次数的目标,利用改进多目标粒子群算法实现风电一次调频死区的整定优化。最后由算例分析验证该方法的有效性。

关键词： 变结构PID算法   闸门自动控制   灌溉流量   目标函数   约束条件   闸门开度值  

摘要： 由于灌区引水系统闸门控制需要兼顾的因素具有不规则发展的特性,导致闸门控制下的灌溉流量难以满足实际需求。为此,提出基于变结构PID算法的灌区引水系统闸门自动控制研究。从实际应用需求的角度出发,以灌溉流量为导向,在考虑上下游水文状态的基础上,构建了灌区引水系统闸门自动控制目标函数,并将闸门开度的物理限制、上下游水位的限制作为目标函数的约束;在控制阶段,引入了变结构PID算法,根据变量因素的状态对PID算法的参数进行调整,输出满足目标函数的闸门开度值。在测试结果中,不仅并未出现流量超出额定区间范围的情况,且具体的流量始终在1.0 m^(3)/s以上,能够达到高效的灌溉效果。

关键词： 多种群进化   差分变异   鲸鱼优化算法   反向学习   MDWOA-BP神经网络  

摘要： 针对鲸鱼优化算法容易陷入局部最优,求解精度低,收敛速度慢,提出了一种多种群进化和差分变异的鲸鱼优化算法(MDWOA).首先,根据适应度值将种群划分为两个大小相等的子种群,并为每个子种群分配不同的移动策略,以平衡全局和局部搜索能力.其次,设计了一种种群进化和差分变异的策略来帮助MDWOA提高收敛速度,避免其陷入局部最优.最后,引入反向学习策略,增加种群多样性.将MDWOA与多种优化算法在13个基准函数上进行仿真测试,非参数检验的结果表明相较于其他优化算法来说改进的算法具有更高的精度和稳定性.在此基础上,建立了基于MDWOA优化BP神经网络模型,预测波士顿房价的实验结果表明所提出的预测模型具有更好的预测性能和有效性.

关键词： GBDT优化算法   内部局域网   异常数据   数据编码器   传输波形  

摘要： 为了实现准确定位异常数据传输节点,提出基于GBDT优化算法的内部局域网异常数据定位方法。采用GBDT优化算法选择异常数据特征,根据特征选择结果检测内部局域网中的异常数据;设置异常数据编码器,通过计算异常数据点与局域网核心节点间距的方式,完善具体的定位方案。实验结果表明,基于GBDT优化算法所定义的异常数据传输波形与被占位网络节点的数据传输波形保持一致,内部局域网对于异常数据传输节点的定位准确性能够得到保障。