课程文献中心 更多>>

关键词： 点云数据   一阶段目标检测   CYM-Net   轻量化模型   特征金字塔  

摘要： 目标检测在机器人、自动驾驶等实际应用领域中具有广泛的应用。在这些场景下,目标检测任务需要在资源有限的平台上实时执行,对目标检测算法的参数量和检测速度有着较高的要求,因此需要实现目标检测算法的轻量化和高效化。然而传统的卷积神经网络(convolutional neural networks,CNNs)由于网络结构复杂、对算力要求较高,难以满足移动端的应用需求。为解决以上问题,本文提出了一种基于点云数据的一阶段轻量化目标检测算法CYM-Net模型。该模型融合了MobileNetV3的bneck模块设计思想和YOLOv4目标检测思想,并对特征金字塔进行了改进,从而显著减少了模型的参数量。本文在KITTI数据集上对CYM-Net模型进行了训练和验证。实验结果表明,CYM-Net模型在鸟瞰图和3D检测两个任务上均展现出更优异的性能,并且其检测速度也优于其他方法。通过本研究,本文为机器人、自动驾驶等领域的目标检测问题提供了一种高效轻量化的解决方案。

关键词： 神经网络算法   精准资助   育人模型   逐步线性模型  

摘要： 高校资助育人的关键在于精准识别目标群体。该文运用大数据与AI技术,通过神经网络算法构建贫困生等级预测模型,经训练与测试验证其准确性,相较于逐步线性模型,该模型提供更客观支撑,对高校实现精准资助及管理具有重要意义。

关键词： 城市轨道交通   列车自动防护   分段能量计算  

摘要： [目的]为了缩短安全防护距离,提高列车运营效率,提出一种基于分段能量计算法的列车安全防护方法。[方法]从列车紧急制动过程的阶段划分出发,深入阐述了列车超速防护计算的方法及计算过程。基于实际案例的相关数据,根据列车速度条件和轨道情况,采用分段能量计算法计算列车安全制动距离,并以固定减速度法的计算结果进行对比。[结果及结论]分段能量计算法能够明显减少制动距离,从而缩短列车安全防护距离,使运营效率得到明显提升。

关键词： 图像分割   UNet   深度学习   水平集方法   病变肾脏  

摘要： 肾脏的病变通常隐匿无明显症状,随着时间推移,还可能导致并发症的出现。由于肾脏产生病变原因复杂多样,且造成病变因素众多,因此针对病变肾脏的准确诊断至关重要。精确的病变肾脏图像分割对临床诊断具有重要价值,为此提出一种基于改进UNet的肾脏病变图像分割算法SRL-UNet,用于自动检测和分割肾脏中的病变区域。通过在UNet模型中引入SE注意力机制,并且使用ResNet50作为UNet的主干网络,然后将UNet和水平集方法结合生成混合损失函数,实现网络端到端的训练来提高模型泛化性能,增强图像边缘的分割能力。仿真结果表明,SRL-UNet算法得到的准确率为0.9933,MIoU指数为0.8127,与UNet、DeepLabv3和HRNet三种方法比较,准确率分别提高了0.61%、0.35%和0.24%;MIoU指数分别提高了18.21%、4.04%和10.02%。同时,也分别解决了3种方法产生的空洞问题、分割缺失问题以及边缘不光滑问题,达到了良好的分割效果,体现出所提方法在分割算法性能上的优势。

关键词： 超图   (k,t)-超核   超核维护   并行算法   批量处理  

摘要： 超图H上的(k,t)-超核是最小度不小于k且每条超边满足关于t的比例约束的极大子超图,其中比例约束是指超边在子超图中包含的顶点数与它在H中包含顶点数之比不小于t.在参数t为常数的前提下,每个顶点的t-超核数为其所在所有(k,t)-超核中的最大的k.本文研究在动态超图上更新每个顶点的t-超核数这一超核维护问题.首先,本文刻画单超边插入或删除时t-超核数发生变化的顶点所满足的必要条件,据此设计出该情形下的维护算法,并给出其并行算法.然后,本文研究批量插入或删除超边的情形.定义主导顶点不交超边集DDHS(dominant vertices disjoint hyperedge set)并证明在超图上一次插入或删除一个DDHS后每个顶点t-超核数至多变化1.最后,本文通过DDHS设计出并行批量(k,t)-超核维护算法.相比于单超边改变的维护算法,该算法效率更高.

关键词： 生成式人工智能   计算思维   计算思维评价  

摘要： 利用生成式人工智能来评价学生计算思维的运用情况,可能有多种创新的方法。其中一种方法是,让学生基于某些可能运用到计算思维的任务,自主向生成式人工智能发问,通过对在完成任务过程中学生所提问题的文本进行分析,实现对学生计算思维运用情况的评价。本文提出,利用生成式人工智能工具对提问文本进行分析,作为思维运用的分类器、检验器和量具,存在一定的可行性,但其较难对学生思维运用的深度和独创性进行恰当的评判,不能完全替代评价过程中教师的主观感受。

关键词： 机器人   布谷鸟搜索算法   算法应用   运动规划   农产品搬运  

摘要： 【目的】使机器人在搬运不同农产品时运动规划更平滑稳定、货物装车时间与能耗更优、效率更高。【方法】结合传统的布谷鸟算法和模拟退火算法形成混合模拟退火的布谷鸟算法(SA-CS),通过算法的相互融合来提高搜索效率和全局优化能力。对机器人进行数学建模与分析,根据实际情况选用合适的智能算法优化机器人在搬运工作时的运动轨迹,并结合装车搬运情况引入自适应的步长和模拟退火机制,然后与传统的布谷鸟算法相融合并进行仿真验证。【结果】在玉米、稻谷、马铃薯三种农作物的搬运过程中,混合模拟退火的布谷鸟算法收敛更快,搜索性能与优化性能更好,机器人的搬运能耗与时间都有着较大幅度的优化,总时间优化均超过10%,能耗优化最高达到了15 746 J。【结论】无论是站在提高农产品搬运效率的角度,还是站在绿色智能化减排的角度,将智能算法应用到机器人的实际搬运工作中都极具现实意义,应用前景广阔。

关键词： 遥感目标检测数据集   数据集保护   版权保护   感兴趣区加密   目标生成水印  

摘要： 遥感目标检测数据集的样本收集、清洗及标注过程通常需投入巨大成本,可被视为高价值的知识产权,而未授权使用或数据泄露会造成数据集拥有者的版权被侵权。为保护数据集版权,本文提出了一种基于后门水印和感兴趣区加密的遥感目标检测数据集版权保护算法。该算法通过将目标生成水印触发器嵌入原始数据集,并利用感兴趣区范围的置乱和添加扰动对数据集进行加密。在水印嵌入阶段,从原始数据集中随机选择任意样本,并将触发器嵌入样本的随机位置。数据集加密阶段分为3步,对标注文件中的感兴趣区范围进行初次加密,在加密的感兴趣区范围内添加扰动,以及基于用户独立密钥对感兴趣区进行二次加密。通过对关键信息感兴趣区进行加密而非全文加密提高算法效率,使用独立密钥降低密钥泄露风险提高安全性。在数据集分发使用阶段,授权用户可以将密文恢复为正确的感兴趣区;未授权用户若直接使用密文数据集则无法训练一个有效的模型。若发生数据泄密,恶意用户使用该数据集在训练模型时,后门水印信息会被植入模型。因此,在版权验证阶段,通过调用该模型的接口进行后门水印的验证,实现版权申明。大量试验证明,本文算法在不影响数据集质量的情况下,有效地保护了数据集版权,水印算法对微调攻击和剪枝攻击均具有较强的稳健性。

关键词： 智能船舶   进化算法   计算任务调度   边缘计算  

摘要： 针对现有的船舶集中式控制系统无法高效地处理迅速增长的电子设备与智能化任务的问题,研究了边缘计算架构与基于多目标优化的任务调度问题。提出了一种基于边缘计算的智能船舶的分布式控制架构,针对该架构中边缘计算层任务多且计算量大带来的调度优化问题,基于非支配排序遗传算法Ⅲ(non-dominated sorting genetic algorithmⅢ,NSGA-Ⅲ)通过改进并设计种群编码、初始化种群策略、离散的自适应交叉策略与离散的自适应变异策略,提升了算法在计算任务调度问题上的综合性能。仿真实验表明,相较于其他算法,所设计的NSGA-Ⅲ-ADO算法的解集在总计算时延、总计算能耗以及负载均衡度上的平均性能至少提升了6.8%、5.9%以及0.8%,同时其收敛速度也更快,能够更好地解决计算任务调度问题。

关键词： 森林火灾预测模型   森林火灾驱动因素   机器学习  

摘要： 森林火灾对生态环境和人类社会构成了严重威胁,当前全球气候不断变化、人类活动日益频繁,森林火灾的影响也日益凸显。以广西壮族自治区为研究区,根据2006—2020年研究区的卫星监测森林火点数据,结合气象数据、地形数据、植被数据和人为活动数据,应用反向传播神经网络(BPNN)、梯度增强决策树(GBDT)、随机森林(RF)、支持向量机(SVM)和极限梯度提升模型(XGBoost)等机器学习算法对广西地区的森林火灾建模,对林火发生概率进行预测;利用最优模型绘制了季节性森林火险区域图,分析森林火灾发生的驱动因素和潜在的森林火灾风险。结果表明:(1)XGBoost模型在预测广西地区森林火灾风险方面表现最佳,其准确率为92.33%,精确度为92.89%,召回率为91.88%,F_(1)值为92.38%,A_(UC)值为97.68%。(2)广西地区森林火灾的主要驱动因素为气象条件与植被因素,主要因素为潜在蒸发量(Pes)、大气压(Sfp)、总初级生产力(GPP)和增强型植被指数(Evi)等。(3)广西地区的春季和冬季是森林火灾的高发季节,中高风险区主要集中在桂东、桂中南和桂西地区。