课程文献中心 更多>>

关键词： 改进A^(*)算法   动态窗口法   路径规划   移动机器人  

摘要： 在已知环境中规划最优可行路径仍是自主移动机器人领域一个具有挑战性的问题。传统的A^(*)算法是在全局路径规划领域使用最广泛且知名度最高的算法之一。然而,传统的A^(*)算法存在一些局限性。例如,由于在大规模地图上进行了过多的节点探索,可能导致计算成本过高。此外,即使考虑运行时优化,其也可能生成过于靠近障碍物的路径,并且不能有效地与局部路径规划算法如动态窗口法(DWA)集成。因此,提出一种改进的A^(*)算法,称为理想路径区域A^(*)算法(IPA-A^(*))。IPA-A^(*)算法通过将理想区域约束纳入传统的启发式搜索函数,解决了过度且不必要的节点探索问题。为了评估其性能,将IPA-A^(*)算法与全局路径规划领域广泛使用的3种算法进行了比较,包括Dijkstra算法、最佳优先搜索(BFS)算法和传统的A^(*)算法。在3种不同复杂程度的地图上进行的仿真实验结果表明,与上述算法相比,IPA-A^(*)算法探索的节点数量、生成路径长度与搜索耗时均显著减少。

关键词： 钢轨热处理   灰狼优化算法   深度极限学习机   性能参数预测  

摘要： 为了研究钢轨的化学成分、入口温度、环境温度,以及风冷时风压、风速等参数对热处理钢轨性能的综合影响,进一步解决钢轨热处理后设定精度低的难题,开发了一种基于灰狼算法优化深度极限学习机(grey wolf optimization deep extreme learning machine,GWO-DELM)的钢轨热处理性能预测模型.先采用深度极限学习机(DELM)构建出工艺模型,而后,针对深度极限学习机中初始权值随机确定而引起的预测结果准确度较低的问题,利用灰狼优化算法(GWO)对初始权值进一步确定.结果表明:该模型在预测不同规格钢轨的抗拉强度时,95.80%以上样本点的预测误差集中在-20~20 MPa,在预测踏面布氏硬度时,95.73%以上样本点的预测误差集中在-8~8;与传统模型相比,GWO-DELM具有更优异的预测精度及泛化能力,可应用在热轧钢轨风冷处理的性能预测上,为热处理参数的选择提供参考.

关键词： 深度感知   息肉分割   深度学习   深度图  

摘要： 息肉分割在结直肠癌预防和肠道疾病诊断中起着关键作用。然而,现有的息肉分割算法普遍忽视了息肉的3维凸起特性,限制了其分割性能的提升。深度图能够提供关于息肉凸起和形状的额外信息,从而更准确地捕捉息肉的空间结构。因此,本文提出了一种深度感知的息肉分割网络(depth aware network for polyp segmentation,DANet),通过结合深度信息,改善分割模型对于息肉边界和形状的识别能力。该网络包括一个空域分支、一个深度分支及一个特征融合模块。空域分支采用基于Transformer的编码器,获得多尺度的特征表示。深度分支用于提取息肉的深度级别特征,并通过注意力机制关注息肉的3维结构。特征融合模块将息肉和周围组织的深度差异引入多尺度特征中,增强各尺度特征对息肉位置和形态的识别能力。在5个息肉数据集和6个评价指标上将本文算法DANet与多个先进息肉分割算法进行了对比实验,实验结果显示,DANet在Kvasir-SEG数据集上的Dice系数和交并比分别达到了0.911和0.855,而在CVC-ClinicDB数据集上则分别达到了0.934和0.884,显著优于现有方法。

关键词： 工业视觉   IAE   大模型   预训练  

摘要： 针对工业视觉检测场景多样,模型迁移相较其他计算机视觉任务频繁更多,同时工业质检领域还存在小样本,缺乏异常数据的问题,本文将掩码自编码器(Masked Autoencoders,MAE)与对比自监督相结合,提出了一种适用于工业大模型训练的集成自监督算法(Integrated Autoencoders,IAE),在工业场景下开发原创的工业视觉大模型训练方法以帮助工业视觉大模型在工业图片上抽取更好的特征,提高下游任务图像分类准确率,以及算法训练效率和模型的泛化性.对比传统MAE算法,本文提出的IAE算法训练出来的大模型预训练权重在迁移到同一下游工业站点的小数据集分类任务上精度提高了2.42%;大数据集分类任务上精度提高了0.86%.

关键词： 阿尔茨海默病   深度学习   脑电图   辅助诊断   特征提取  

摘要： 随着人工智能不断发展,深度学习在阿尔茨海默病识别方面的应用十分广泛。脑电(EEG)作为一种非侵入式检测大脑神经电位的手段,能反映脑部神经功能活动,为更好地辅助诊断阿尔茨海默病研究提供了便利。首先,梳理脑电数据库、特征提取及深度学习分类模型,总结了近年来基于脑电的阿尔茨海默病算法;其次,比较不同神经网络识别算法辅助诊断阿尔茨海默病领域的研究现状与问题;最后,展望其未来研究方向,以期提升阿尔茨海默病的早期诊断准确性。

关键词： 多路高清图像   选择性传输   慢衰落信道   压缩感知   稀疏信号  

摘要： 针对慢衰落信道稀疏特性引起多路高清图像信号传输载波间干扰,导致均方误差大、误码率高的问题,提出了慢衰落信道压缩感知技术。构建多路高清图像信号传输结构示意图,对发送、接收信号角域进行正交变换处理。计算多径信道频率冲激响应,获取最大多普勒频移,保证信道功率非零系数集中在低频段,改善慢衰落信道的稀疏性。利用信号的稀疏性,重构一维离散信号正交基底下的稀疏信号,计算该信号与空间中任意一组信号集合的内积,构建压缩感知的连续可微函数。引入误差容许项,构建压缩感知目标函数,实现慢衰落信道压缩感知。由实验结果可知,该技术在信噪比为30 dB时,均方误差达到最小为0.2。在信噪比为25 dB时,误码率达到最小为1%,满足了慢衰落稀疏信道的传输需求。

关键词： 文旅路线   旅行商问题   蚁群算法   2-opt局部搜索  

摘要： 随着国家红色文旅融合发展的推动,国民选择红色文旅的积极性不断提高。本文以浙江嘉兴地区为例,拟设计一条游遍嘉兴五县两区27个景点的最短旅游路线,其实质是一个组合优化的旅行商问题。本文以“老火车站”为起终点,利用2-opt局部搜索对普通蚁群算法寻找的最佳路径进行局部替换比较,用改进前后的算法分别对选取的景点进行路线设计验证。结果表明:经过2-opt局部搜索改进的蚁群算法设计路线距离为316.3 km,未改进的算法路线距离为319.4 km,优化了3.1 km,且通过可视化发现传统蚁群算法局部最优解的问题经改进后得到解决。

关键词： 多智体路径寻找   有界次优算法   启发式搜索   路径成本预测   冲突预测  

摘要： 多智体寻路(MAPF)是为多个智能体寻找无冲突路径的问题,灵活显式估计的基于冲突搜索算法是目前解决MAPF问题最有效的有界次优算法之一,但该算法仍存在调用底层算法次数多、迭代中冲突数量减少速度慢等问题。为此,提出基于动态冲突预测的多智体寻路算法(DCPB-MAPF)。该算法分为两层,在底层提出基于关键区间的动态避障方法与基于路径成本预测的迭代方法,用以提升底层算法的运算效率;以此为基础,在顶层提出基于冲突预测的搜索算法,通过快速预测冲突数量以优化冲突选择技术,进一步提出冲突数量优先的启发式函数以加速减少冲突数量。实验结果表明,相比现有算法,所提算法能显著提升多智体寻路问题的运算效率及成功率。

关键词： XGBoost算法   复购预测   用户行为分析   数据驱动决策   电子商务  

摘要： 针对电商平台的用户复购预测问题,提出了一种基于XGBoost算法的解决方案。研究通过深入分析用户行为数据,识别出影响复购行为的关键因素,并构建了逻辑回归与XGBoost模型进行对比分析。实验结果显示,初始XGBoost模型在测试集上虽表现稳定,但召回率较低,提示模型存在拟合不足或数据质量问题。通过细致的参数调优,如增加弱学习器数量、调整树的最大深度及降低学习率,模型性能得到显著提升,错误率由32.3%降至28.7%,准确率提升至71.3%,显示出XGBoost在复杂数据集上的预测优势。特征重要性分析揭示,用户浏览商品次数、重复购买同一商品的频次及点击率是预测复购的重要特征,而关注品牌数量及添加购物车比例的影响力较小。本文为天猫复购预测提供了有效的模型构建与优化策略,通过特征分析为电商平台提供了数据驱动的决策支持,对促进精准营销和增强用户粘性具有实践意义。

关键词： 深度学习   计算机视觉   目标检测   轻量化神经网络   特征提取网络   特征融合网络   特征增强  

摘要： 针对视觉安防系统在边缘计算平台部署火焰检测模型时面临的精度与实时性难以平衡的问题,提出一种渐进自适应特征融合的轻量化火焰检测算法。首先,设计轻量级稀疏卷积算子降低模型计算复杂度与内存访问开销。其次,针对分组卷积的通道间信息交互缺陷,基于残差思想构建长距离上下文特征增强的轻量级特征提取组件。为解决深度骨干网络中特征丢失及背景干扰问题,创新性地提出基于高频增强的轻量级特征强化机制,优化空间域和通道域参数,缓解背景干扰问题。在此基础上,建立特征增强-渐进自适应特征融合框架,促进不同尺度特征图充分融合,提高特征图利用率,增强对多尺度目标的识别效果。实验结果表明,所提方法在实时推理速度最高达到27.1 FPS的同时,参数量降低至2.1×10^(6),较基准模型减少69.5%,并达到83.4%的mAP@0.5检测精度,显著优于现有主流方法。