课程文献中心 更多>>

关键词： 曲轴表面缺陷检测   RepViT网络   BiFPN模块   BiFormer注意力机制   MPDIoU损失  

摘要： 针对曲轴表面小目标缺陷检测难度大、缺陷背景复杂和检测速度慢等问题,提出一种改进曲轴表面缺陷检测的算法RB-YOLOv8。首先,用RepViT模块取代了传统的C2f模块,有助于减少网络的计算负担并加快其运行速度;接着,通过优化双向特征融合模块BiFPN及增加小目标检测层,改善小目标缺陷识别的能力;然后,利用BiFormer注意力机制强化模型的抗干扰能力和解决缺陷背景复杂的难题,提高检测准确率;最后,使用MPDIoU损失函数调整,从而进一步提升检测的精准度。实验结果表明,所提出的算法的检测精度可以达到98.4%,模型大小缩减为2.797 MB,同时使每秒帧数(FPS)达到了169 f/s,成功地实现了对曲轴表面的缺陷检测。

关键词： 零基预算法   全面预算管理   烟草行业  

摘要： 全面预算管理在企业管理中发挥着至关重要的作用,它不仅是企业实现经营目标的重要保障,也是现代企业在激烈的市场竞争中立足的关键。特别是在国际烟草市场上,竞争日益激烈,全面预算管理的重要性更加凸显,如何提升中国烟草行业在国际竞争中的实力,成为了我国烟草企业面临的一个重大问题。控制企业成本和费用的关键在于采用合理且高效的预算管理策略。零基预算法,作为一种基于全面创新理念的先进预算制定方式,已被众多行政事业单位和企业认可并应用,对于企业在有效控制开支、削减成本、增强内部管理效率以及提升市场竞争力方面起到了重要的作用。

关键词： 充电站规划   电动汽车   AP聚类   用户满意度  

摘要： 文章基于熵权法构建光伏出力特性指标权重,利用AP聚类算法生成典型场景。同时,计入电动汽车负荷时空分布特性及需求响应能力,建立了负荷联动时空响应模型。基于分时电价与光伏典型场景出力,优化电动汽车充电时序及空间布局,满足充电站距离约束、系统网络约束等前提下,提出了以充电站年总成本最小、用户满意度指标最优的充电站/光伏电站一体化规划方法。最后,通过算例仿真,基于对各个场景下经济性与满意度等指标的权衡考量,求得了充电站/光伏电站一体化规划方案。

关键词： 极端梯度提升   井下指纹定位   模型漂移   降噪自编码器   误差补偿  

摘要： 针对煤矿井下高动态环境导致WiFi定位模型的精度降低的问题,提出极端梯度提升(XGBoost)的指纹定位算法,利用其高维数据特征的学习能力完成定位。与传统的梯度提升树(GBDT)算法相比,在完成更好定位效果的同时,速度也大大提升。同时针对WiFi数据的波动性和XGBoost算法面对动态环境模型漂移问题,分别提出融合降噪自编码器(DAE)和自适应机制的D-XGBoost算法和Z-XGBoost算法。实验结果表明:XGBoost算法的定位精度比GBDT算法提高了,效率提高了5倍多。融合DAE的D-XG-Boost算法的定位准确率比XGBoost算法提高了17%;融合了自适应机制的Z-XGBoost算法有效降低了模型漂移造成的误差。所提改进算法更好地改善了WiFi定位模型精度降低和模型漂移问题。

关键词： 克氏原螯虾   图像识别   YOLOv8   MPDIoU   深度学习  

摘要： 克氏原螯虾(Procambarus clarkii)产业发展迅速,然而仍面临智能化水平偏低的问题,在养殖及加工过程中主要通过人工肉眼观察克氏原螯虾规格及完整性并作出相关判断。为解决克氏原螯虾的智能识别问题,提出基于YOLOv8n识别克氏原螯虾的虾体、虾尾及螯足的算法。通过将原有损失函数CIoU替换为MPDIoU,并引入尺度因子ratio控制辅助边框的尺度大小用于计算损失,与MPDIoU损失函数相结合,提高边界框回归的准确性和效率,实现对克氏原螯虾虾体、虾尾及螯足的精准识别,为研究其分级智能化提供思路。结果显示,在YOLOv8n模型中加入Inner-MPDIoU的算法训练结果相比原有的CIoU损失函数识别率有所提高,mAP从83.7%提高到了90.8%。研究表明,该算法模型有助于对克氏原螯虾的主要部位实现精准识别,对研究克氏原螯虾的智能化精准分级具有推动作用。

关键词： 分组密码   Joltik-BC   中间相遇攻击   差分枚举  

摘要： Joltik-BC是在2014年亚密会上发布的一种轻量级可调分组密码算法,该算法采用替换-置换网络(SPN,substitution-permutation network)结构和Tweakey框架。通过研究Joltik-BC算法的内部特征,利用控制调柄差分方法,并结合差分枚举技术和S盒的差分特性,构造了6轮Joltik-BC-128算法的中间相遇区分器。利用此区分器改进了9轮Joltik-BC-128算法的中间相遇攻击结果。改进后的9轮Joltik-BC-128算法的中间相遇攻击的存储复杂度为244.91个长度为64的比特块,时间复杂度为248次9轮Joltik-BC-128加密。相比已有中间相遇攻击结果,该算法的时间复杂度和存储复杂度均显著降低。

关键词： 视频隐写技术   密码学   伪随机数生成器   校验子格编码   信息隐藏  

摘要： 针对视频隐写的安全性和可靠性较低的问题,提出基于伪随机数生成器的视频隐写算法。将伪随机数生成器用于视频帧的选择,以增强隐写过程的随机性和不可预测性。伪随机数生成器产生的序列不同于传统固定模式的帧选择,其输出序列难以预测,使得攻击者难以从外部特征推断嵌入策略,从而降低被统计分析工具和机器学习模型检测的可能性。此外,用校验子格编码将秘密数据编码成冗余信息,以增强秘密数据的完整性,提升数据在复杂通信环境中的抗干扰性。实验结果表明,本算法能较显著提高视频隐写的安全性和隐蔽性,能有效抵抗统计分析攻击,并且在保持高数据嵌入率的同时,确保较低的错误率和较高的图像质量。

关键词： 新冠后遗症   logistic回归分析   随机森林算法  

摘要： 目的:探讨基于随机森林算法构建的呼吸系统新冠后遗症(PASC)预测模型的效果。方法:选择2022年1月—2023年5月期间于我院住院治疗的新冠感染患者537例作为研究对象。收集患者入院时基本资料、实验室检查结果、住院期间治疗方案等资料。对患者出院后进行为期半年的随访,统计随访期间PASC发生情况并分组,分析两组收集资料之间的差异,并通过多因素logistic回归分析模型和随机森林的集成分类算法对影响PASC发生的相关因素进行预测,并比较两者间预测效能的差异。结果:截至2023年11月30日随访结束,共计537例患者纳入本次研究,共计108例确诊PASC。PASC组患者年龄大于对照组,机械通气、冠心病占比高于对照组,罹患新冠分型及疫苗接种情况差于对照组(P<0.05)。PASC组患者Ly及Ly/Ne低于对照组,IL-6、TNF-α、D二聚体及FIB高于对照组(P<0.05)。年龄、IL-6、TNF-α、D二聚体、FIB、冠心病、未接种新冠疫苗是影响PASC发生的独立危险因素,Ly/Ne、罹患新冠分型为轻、中型是影响PASC发生的独立保护因素(P<0.05)。根据随机森林模型预测精度平均下降量对各变量重要程度排名为:D二聚体、FIB、Ly/Ne、年龄、IL-6、新冠分型、TNF-α、疫苗接种情况及冠心病。使用梯度提升回归算法验证随机森林算法的误差(均方差)筛选最优决策树数量为20棵,并构建预测模型。随机森林的集成分类算法其诊断效能(AUC=0.976)明显高于多因素logistic回归分析(AUC=0.790)。结论:基于随机森林算法构建的PASC预测模型具有较好的预测价值。

关键词： AI算法监控   反馈特征   目标导向   员工创新绩效   AI算法监控透明度  

摘要： 随着算法时代到来,人工智能(AI)算法和大数据构成了最新形式监控的技术基础。然而,现有研究显示AI算法监控对员工创新绩效的影响存在差异性结果,其内在的作用机理仍是待打开的“黑箱”。基于目标导向理论,收集中国企业中经历过AI算法监控的494名员工的问卷数据,旨在验证AI算法监控的两种反馈特征(AI发展性反馈、AI控制性反馈)对员工创新绩效的影响。结果发现:(1)AI发展性反馈对员工创新绩效有正面影响,而AI控制性反馈则对员工创新绩效产生负面影响。(2)学习目标导向在AI发展性反馈和员工创新绩效之间起到中介作用,回避目标导向在AI控制性反馈和员工创新绩效之间起到中介作用。(3)AI算法监控透明度正向调节了AI发展性反馈与学习目标导向和员工创新绩效间的关系,其中,对AI发展性反馈和员工创新绩效间关系的调节作用由学习目标导向中介。(4)AI算法监控透明度负向调节了AI控制性反馈与员工创新绩效间的关系,该调节作用由回避目标导向中介。

关键词： 离散余弦变换   卷积神经网络   下采样   固定参数   YOLOv5  

摘要： 离散余弦变换(DCT)是JPEG压缩算法的核心步骤之一,将图像空间域的像素数据转换为频率域的系数。DCT与深度学习结合的算法非常常见,但并未从频率角度解析卷积结构。为进一步提升目标检测性能,针对该问题提出改进算法:DCT-YOLOv5。首先,证明卷积神经网络(CNNs)、Transformer和MLP架构都是对频域的隐式建模,验证以往模型设计的默认原则:有效感受野总小于理论感受野、多个小卷积核优于大卷积核。其次,考虑输入通道和卷积核选择合理的输出通道数,做到近似无损变换,其中下采样阶段是唯一改变通道数的地方。最后,通过固定参数比较DCT和卷积,二者差异稳定在±0.8%。并且为了最大程度降低计算量,引入固定组内数量的分组卷积。该模型以YOLOv5为基准,在COCO数据集上设计了丰富实验,验证方法的有效性。取得了28.9%的mAP@.5和277.8的FPS,相对于基准模型获得了1.3%的相对提升。测试结果表明,改进后的模型在精度上有显著提升,并能够在更低的算力平台上运行。