课程文献中心 更多>>

关键词： 医用封口机   物联网   远程监控   微控制器   可视化控制   数据管理  

摘要： 为了实现医用封口机的网络化管理和实时状态监测,提出了一种基于物联网技术的医用封口机控制系统,用户可以通过Web网页查看和管理其运行状态以及操作信息。该系统主要由基于STM32的硬件驱动平台,以Exynos4412为核心的可视化用户控制界面以及云端网络服务平台组成,实现了封口功能和过程的远程监控。经测试表明,该系统封口功能完备,可视化控制界面简洁,数据传输稳定可靠,能够实现远程状态监测和数据管理,满足现代医疗设备的智能化和网络化需求。

关键词： 无人驾驶   多任务环境感知   车辆检测   车道线检测   可行驶区域划分  

摘要： 在无人驾驶技术中,多任务环境感知算法是确保无人驾驶汽车,在复杂交通环境中安全运行的关键技术之一。针对现有环境感知算法在处理复杂驾驶场景时存在的因天气、光照、遮挡等因素导致的鲁棒性差,出现漏检、分割边界模糊等问题,基于HybridNets网络进行改进,提出了一种高性能混合网络IPHNet,以更准确地完成实时感知任务。该网络使用解码器-编码器结构,采用改进EfficientNetV2-S作为主干网络,增强特征提取能力和处理速度。通过重构BiFPN来增加不同层级中间信息的特征融合,引入轻量化上采样模块DySample减少模型复杂度,保留更多信息。创新性设计了分割模块(SPN),极大地保证了对底层信息提取的完整性与准确性。在BDD100K数据集上的实验表明,与基线网络HybridNets相比,IPHNet在车辆检测任务上mAP达到81.4%,提高了4.1%;车道线分割任务上准确率达到86.84%,提高了1.44%,IoU达到33.32%,提高了1.72%;可行驶区域划分任务上mIoU提高了1.8%;FPS达到34,验证了IPHNet具备一定实时处理能力。

关键词： 麻雀搜索算法   Circle混沌映射   非线性正态差分   差分变异   路径规划  

摘要： 针对麻雀搜索算法(SSA)容易陷入局部最优、求解精度不高和收敛速度较慢的问题,本文提出一种非线性正态差分SSA(NLN-DSSA)。采用改进Circle混沌映射初始化麻雀种群,提升种群多样性,提高算法在迭代开始时的全局搜索能力;引入非线性正态分布系数来控制发现者的搜索步长和收敛速度,平衡全局搜索和局部开发能力;引进差分变异策略增加种群的多样性,帮助算法跳出局部最优。在5个基准测试函数上寻优实验,结果表明:NLN-DSSA具有更好的收敛速度和寻优精度。最后将NLN-DSSA应用到无人机路径规划上,证明改进算法的有效性和实用性。

关键词： 流密码   初始向量和密钥前缀组合   Draco   状态位索引   动态初始化  

摘要： Draco算法是首次基于初始向量和密钥前缀组合(CIVK)方案构造的一个流密码设计实例,其声称对于时空数据折中(TMDTO)攻击具有完全可证明的安全性。但因Draco算法的选择函数存在周期小的结构缺陷,攻击者给出了突破其安全界限的分析结果。针对Draco算法存在的安全缺陷等问题,该文提出一种基于状态位索引和动态初始化的改进算法Draco-F算法。首先,Draco-F算法通过使用状态位索引的方法增加了选择函数的周期并降低硬件成本;其次,在保障非线性反馈移位寄存器(NFSR)状态位使用均匀性的前提下,Draco-F算法通过简化输出函数进一步降低算法的硬件成本;最后,Draco-F算法引入动态初始化技术以防止密钥回溯。对Draco-F算法的安全性分析和软硬件测试结果表明:相对于Draco算法,Draco-F算法避免了Draco算法的安全漏洞,可以以128 bit的实际内部状态提供128 bit的安全级别;同时,Draco-F算法具有更高的密钥流吞吐率和更小的电路面积。

关键词： 浸润性肺腺癌   机器学习   生物标志物   风险评估模型   列线图  

摘要： 目的 确定肺腺癌(lung adenocarcinoma,LUAD)预后生物学标志物,并据此建立LUAD预后的预测模型。方法 从UCSC数据库获取癌症基因组图谱(TCGA)LUAD基因表达量和临床病理数据,把纳入的数据进行综合生物信息学分析,包括差异表达基因(differentially expressed genes,DEGs)筛选、基因本体(GO)功能富集分析、京都基因与基因组百科全书(KEGG)分析和基因集富集分析(GSEA)。采用Cox分析和最小绝对值收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归分析构建基因组的风险评估预测模型,并采用列线图预测患者1年、2年、3年、5年和10年生存率。绘制Kaplan-Meier生存曲线、受试者工作特征(receiver operating characteristic,ROC)曲线和时间依赖性ROC曲线评价模型的预测能力。在验证组中校验模型。结果 浸润性LUAD患者不同级别病理亚型间DEGs富集分析结果显示,280个DEGs主要参与细胞色素P450相关物质代谢、自然杀伤细胞介导的免疫反应、抗原的呈递和酶活性调节等生物学过程,与肿瘤的发生、发展密切相关。构建5个基因(MELTF、MAGEA1、FGF19、DKK4、C14ORF105)组成的风险预测模型,Cox分析和LASSO回归显示,模型的ROC曲线下面积(area under the curve,AUC)值为0.675,时间依赖性ROC曲线1年、3年、5年AUC值分别为0.893、0.713、0.632,表明该预测风险模型具有良好的敏感性和特异性。在验证组中,校准曲线和一致性指数(C指数)也表明构建的列线图预测性能较好。结论 5个基因组成的预测模型可作为LUAD患者生存率实用和可靠的预测工具,这可能有助于制定个体化治疗的临床决策,为患者预后预测提供一种新方法。

关键词： DV-Hop算法   浣熊算法   多通信半径   加权跳距   节点定位  

摘要： 针对无线传感器网络定位算法中DV-Hop(Distance Vector-Hop)算法定位精度误差大与定位稳定性差的问题,提出了一种基于浣熊算法(Coati Optimization Algorithm,COA)的DV-Hop优化定位方法。首先,该方法利用多通信半径来精准计算节点间的跳数,同时运用加权跳距的策略,对未知节点的平均跳距进行精确修正,然后,用浣熊优化算法替代传统的三边测量法进行坐标位置估计,最终得到节点定位坐标。为了验证所提出的方法的有效性,文章对提出的改进算法进行了实验验证。结果表明,在同等条件下,在不同锚节点数量、不同通信半径和不同节点总数场景下,改进算法比传统DV-Hop算法的平均定位误差分别降低了61.64%、47.24%与65.11%,从而证明提出的改进算法具有良好的定位精度和较好的稳定性。

关键词： 人工蜂群算法   航迹规划   三维模型   无人机  

摘要： 针对无人机三维航迹规划寻优问题,提出一种改进的人工蜂群(Artificial Bee Colony,ABC)算法。通过引入淘汰策略提升采蜜蜂全局搜索能力;结合粒子群算法自我认知和社会认知思想优化新蜜源产生方式,提升算法局部开发能力;将无效开采数量作为新的影响因素更新跟随蜂蜜源选择概率,进一步提升算法效率。在构建的三维任务场景数字地图上的多项实验结果表明,所提算法精度高、收敛速度快,具有良好的航迹规划寻优效果。

关键词： 情感识别   模态分解   深度学习   语音表情  

摘要： 随着人工智能的快速发展,情感识别作为人机交互的核心单元也引发广泛关注。以前工作要么研究语音和表情模态之间的相关性,要么设计复杂的融合策略,而忽略语音和表情模态之间异构性导致的分布差距和信息冗余,严重影响语音表情双模态情感识别的性能。为解决上述问题,提出一种基于模态分解学习的语音表情双模态情感识别算法。具体地,为降低语音和表情模态之间的分布差距,该算法首先提出一种改进的对比学习来获取语音表情模态的共享特征;然后,该算法也分别获取语音和表情模态的特有特征,并利用正交约束来降低这些特征之间的冗余;其次,语音和表情模态的共享和特有特征被融合来实现情感识别;最后,在三个公开的情感数据集上的实验结果也表明该算法的识别率高于其它基准算法。

关键词： 水声目标识别   知识蒸馏   二值神经网络   轻量型模型   深度学习  

摘要： 基于深度学习的水下声学目标识别算法在水下平台部署时,通常面临计算资源短缺和水下声学环境复杂多变的挑战,提出一种结合二值化神经网络与知识蒸馏的轻量型水声目标识别算法(DSBNN_KD),旨在通过深度可分离卷积和权重参数二值化等手段实现模型的压缩和优化加速.同时,利用知识蒸馏技术将高性能高复杂度的教师模型的知识转移到轻量级学生模型上,从而缓解极端量化带来的性能损失,并确保模型的泛化性能.对DSBNN_KD的表现在两个实测水声数据集上进行全面评估,实验结果表明,相比当前主流的全精度轻量化模型,所提出DSBNN_KD在模型参数量、模型部署尺寸和计算量等方面均展现出显著的优势,同时在知识蒸馏技术的辅助下,量化后的模型依然可以保持与全精度模型接近的性能.

关键词： 神经网络算法   反间歇性窃电行为监测   用电信息采集系统   高压电能采集   反窃电技术   线损计算  

摘要： 针对当前反间歇性窃电行为监测方法准确性差用户用电数据识别平均精度较低等问题,提出基于神经网络算法的反间歇性窃电行为监测方法。构建基础窃电分析模型;使用中值滤波器剔除采集到的无用数据,完成用电数据采集及预处理;应用神经网络逆传播算法优化窃电行为监测神经网络模型,并设定间歇性窃电行为识别函数,实现对间歇性窃电行为的监测;构建实验环节,通过F_(1)值与平均精度2种指标分析应用效果。实验结果表明:该方法使数据分析能力得到提升,能提高反间歇性窃电行为监测准确性。