课程文献中心 更多>>

关键词： 数字电视   前端设备   设备管理  

摘要： 随着数字技术的迅猛发展,数字电视已成为现代传媒的重要组成部分,为人们提供了更为丰富、清晰的视听体验.本文以数字电视前端设备为研究对象,对数字电视前端设备的构成、功能以及管理现状进行了深入研究,研究揭示当前数字电视前端设备管理的实际情况及存在的问题,并提出相应的优化策略与建议,为提升数字电视前端设备管理水平提供全面参考,推动数字电视行业高效稳定发展.

关键词： 深度强化学习   迁移学习   互信息   充电站推荐  

摘要： 深度强化学习已广泛应用于车联网充电站推荐，但传统方法通常需要为每个区域单独训练神经网络，增加了计算负担和数据需求。迁移学习通过利用先前任务的知识加速新任务学习，减少重复训练。为此，提出了基于迁移强化学习的跨域充电站推荐算法。该算法引入嵌入编码器对齐源域和目标域中系统状态和动作空间的维度，有效解决维度差异问题。同时，该算法基于互信息构造变分分布，最大化对齐前后目标域状态相似度，确保迁移有效性。较三个典型的充电站推荐算法，在低维向高维迁移中，该算法的平均总充电时间分别减少57.6%、59.3%和7.1%。在高维向低维迁移中，分别减少12.3%、40.8%和4.7%。仿真结果证明该算法具备较强的迁移性，显著提升了跨域充电站推荐系统的性能。

关键词： 多目标优化   特征选择   群体智能算法   蝙蝠算法  

摘要： 特征选择是一项机器学习中的多目标优化问题，旨在减少数据集的维度进而提高机器学习算法的性能。本文设计了一个多目标优化函数以共同优化分类准确率和所选特征的数量，并通过线性加权方法构建了一个单目标适应度函数。然后，提出了一种切比雪夫对立二进制蝙蝠算法（Chebyshev opposite-based binary bat algorithm，COBBA）以缓解蝙蝠算法（bat algorithm，BA）在优化中的种群多样性不足对最优解质量的影响，从而提高特征选择的性能。具体地，本文使用混沌映射生成混沌序列以确保初始解的多样性，而后采用对立学习技术进一步优化初始解，最后通过使用切比雪夫多项式调整参数提高最优解的质量。仿真实验在15个经典数据集上进行，结果表明COBBA在平均适应度、分类准确率和所选特征数量方面优于各类常用的群体智能算法。

关键词： 人脸识别   元学习   机器学习   非限制性场景   先验知识  

摘要： 深度学习在人脸识别中虽表现出色，但其性能受限于单个身份的训练样本的数量。在非限制性场景下，人脸姿态多变，单个身份的注册样本不足时会导致识别效果不佳。实际应用中，人脸数据常常稀少，有时每个身份仅有一张照片。传统机器学习方法难以处理这种情况。因此，在样本稀缺时提高人脸识别准确性和适应性是很大的挑战。为解决上述问题，本文提出基于元学习的少量样本学习算法。此算法运用从大规模人脸数据集中获得的先验知识，在注册样本稀少（甚至仅一张）时，能进行有效推理。这解决了少量样本甚至单样本人脸图像在传统机器学习方法下分类效果不佳的难题。充分实验表明，本方法能提升不同模型的识别准确率，并在各种真实数据集上展现高效识别能力。在正脸、侧脸、光照变化及配饰遮挡等多种真实场景的数据集上，本方法均展现出了卓越的识别能力。

关键词： 晶圆缺陷检测   YOLOv8n   轻量化   Focaler-Shape IoU   HSPAN  

摘要： 针对当前晶圆缺陷检测算法在检测精度、模型参数量和计算量之间难以兼顾的问题，提出一种基于YOLOv8的轻量化晶圆缺陷检测算法(YOLOv8-based Lightweight Defect detection on Wafers，YOLOv8＿LDW)。首先，通过融合倒置残差机制和膨胀重参数化模块，设计了C2f＿IDR模块并引入主干网络中，增强了模型对复杂缺陷全局上下文信息与局部细节特征的联合建模能力，同时提升推理效率。其次，首次提出高级筛选路径聚合网络（High-level Screening Path Aggregation Network，HSPAN），通过双向筛选与融合机制对颈部网络进行重构，实现了多尺度特征的高效聚合，并有效抑制了冗余特征的干扰。最后，为了进一步提升模型对微小缺陷的关注度以及复杂形状缺陷的回归精度，采用Focaler-Shape IoU损失函数替换传统CIoU损失函数。实验结果表明，改进模型在真实晶圆缺陷数据集上的F1 Score和mAP50分别达到97.2%和98.3%，较基线模型提升1.4%和0.8%，参数量和计算量分别降低了42.5%和22.2%，模型大小仅为3.69 MB。此外，改进模型在公共数据集Wafer Defect上进行验证，相较于原模型，R、F1 Score和mAP50分别提升了7.2%、1.8%和2.0%，展现了较强的泛化能力和鲁棒性，可有效适应不同缺陷类型的数据分布。由此表明，改进后的算法能够在保持高检测精度的同时，大幅降低模型参数量和计算成本，满足晶圆缺陷检测对高效性和轻量化的实际应用需求。

关键词： 持续同调   词袋模型   空间金字塔匹配   机器学习   PD图  

摘要： 为了解决持续同调从数据中提取的拓扑特征输出形式与机器学习算法的常用输入形式的不匹配这一难题，我们提出了一个新的算法框架——基于持续同调的空间金字塔匹配词袋模型（PHSBoW算法）。该算法将持续同调输出的持续性图（PD图）转化为固定长度的向量，同时最大限度地保留PD图中所包含的拓扑特征。为提高算法准确率及降低运行时间，在PHSBoW算法的基础上，通过权重优化、聚类模型替代以及词袋模型扩展等改进，进一步发展了—PHSsBoW、PHSwBoW、PHSVLAD三个算法。通过在不同类型和规模的9个数据集上进行实验，将以上四个算法与支持向量机相结合，对数据进行分类。实验结果表明，与传统核函数算法（SWK、PSSK、PWGK）及向量化算法（PBoW、PI、PL）相比，分类准确率平均提高了3.29%～17.98%，运行时间相较于核函数算法显著降低。这表明这些算法有效解决了持续同调在机器学习中难以结合的问题，同时显著提高了分类准确率和算法运行速度。

关键词： 计算机图像   弱光图像增强   Retinex模型   交替方向乘子法   分数阶范数   图像降噪  

摘要： 针对现有增强光照方法忽略不同光照下色相和饱和度的变化，且在抑制噪声的同时丢失过多细节信息的问题，基于Retinex理论提出一种在所有色彩通道上增强光照的全局鲁棒Retinex模型（global robust Retinex model, GRM）．采用收缩映射实现分数阶范数，使分解出的照明图更平滑；针对反射图梯度，采取基于输入图像信息计算得到的权重矩阵和正则项来获取噪声少、细节多的反射图；选择交替方向乘子法对模型进行求解，并通过伽玛校正获取理想照明图；将处理后的反射图与照明图合并得到最终结果．在Adobe FiveK、DICM、VV和LIME数据集上的实验结果表明，GRM不仅在峰值信噪比、结构相似度、图像质量评估指标等方面可以与鲁棒Retinex模型、低秩正则化Retinex模型和即插即用Retinex模型等方法相媲美，而且降噪能力更强以及图像光照恢复更明显．

关键词： 选相合闸   滤波器场断路器   动作时间预测   L-M神经网络   间歇时间  

摘要： 目前800 kV滤波器场断路器动作时间分散性较大，为了提升其选相合闸的效果以及减小合闸涌流对断路器内部电气元件的损害，基于现场运行数据，提出了基于L-M神经网络的断路器合闸时间预测方法，综合考虑温度和间歇时间的影响对断路器合闸时间进行预测，在对现场运行数据处理和分类后，组建了断路器动作时间数据库。通过对训练组数据进行学习，建立了合闸时间预测模型，并通过验证集数据得到的误差结果进行了算法的有效性分析。同时采用支持向量机算法与L-M神经网络算法进行对比，L-M神经网络算法最终得到的合闸时间预测误差都优于支持向量机算法预测的合闸时间误差。结果表明，L-M神经网络算法提高了单台断路器的预测算法精度，满足选相合闸精度的要求。

关键词： 算法规制   需求回应型   技术导向型   立法路向  

摘要： 随着算法技术的高速迭代,我国算法规制的制度群自生自发地走上了单一技术导向型的立法路径,忽视了其作为弥补需求回应型立法的补充地位。单一技术导向型立法因高度的技术依赖性,在实践中存在技术交叉应用规制空隙、规制重点与现实需求不符、场景下权益保障实际尺度不一等问题。这些根源于立法范式的路径局限,在场景下的公众需求调查结果中得到验证,其无法通过路径优化予以破解。应当回归算法规制的逻辑起点,实现逻辑理性向实践理性的转变,重新审视算法规制的路向问题,采用以需求回应型为主导、兼采技术导向型的模式,转向事前预防与事后救济、公权监管与私权保护、社会风险与抽象权益兼顾的融合性立法路向。

关键词： 变分贝叶斯   衰退记忆因子   自适应滤波   组合导航系统  

摘要： 变分贝叶斯自适应滤波（Variational Bayesian adaptive kalman filter， VBKF）可以有效解决GNSS/SINS组合导航系统因测量噪声异常而导致的滤波精度下降问题。针对VBKF对测量噪声的估计性能严重依赖遗忘因子的问题，基于卡方分布的单侧上位点与单侧下位点，本文提出了测量噪声变化起始时刻与终止时刻检测算法，并构建了衰退记忆因子模型，进而提出了基于衰退记忆因子的VBKF算法，解决了VBKF估计突变噪声的“拖尾”问题。理论仿真实验表明，该算法可准确检测测量噪声突变的起始时刻与终止时刻；当测量噪声方差突变结束的200s时间内，相对于VBKF算法，FMVBKF可提高位置精度约7.5%、提高速度精度约14.7%，而其他时间段内VBKF算法和FMVBKF算法的滤波精度几乎相同。