课程文献中心 更多>>

关键词： 铁路巡检   卡具检测   深度学习   通道注意力   YOLOv7  

摘要： 为及时地发现铁路通信漏缆卡具缺损现象,保障铁路运营安全,该文提出一种基于通道注意力的多任务卡具缺损检测算法。在YOLOv7-tiny的基础上,该算法通过在检测头增加通道注意力机制的方式,平衡不同通道之间的重要程度,提高了模型检测能力。为了实现对卡具的状态检测,算法在类别损失函数中额外增加一项状态损失,并在其中嵌入Focal loss来克服样本不足的问题。为了验证算法的有效性,该文分别对实际线路中的四种类型卡具进行实验。实验结果表明,该文提出的算法效果好、速度快,能满足实际现场需求。

关键词： C5.0决策树算法   测绘遥感   图像信息   自动分类   随机森林-支持向量机  

摘要： 常规的测绘遥感图像信息自动分类方法主要使用随机森林-支持向量机(RF-SVM)融合模型提取图像信息特征,易受预期任务动态改变影响,导致分类评估指标不佳,因此,提出了一种基于C5.0决策树算法的测绘遥感图像信息自动分类方法。降维提取测绘遥感图像信息特征,利用决策树算法进行图像信息自动分类属性度量,实现测绘遥感图像信息的自动分类。结果表明,该设计方法的Producer's Accuracy、User's Accuracy、Overall Accuracy、Kappa均较高,分类效果较好,具有一定的应用价值。

关键词： 开普勒优化算法   长短时记忆   冠心病   脉象识别  

摘要： 目的:为早期检测冠心病探索无创、快速、经济、可靠的技术。方法:纳入健康人群196名,仅高血压病无其他心血管疾病患者186例,明确诊断冠心病患者226例,采集其脉象数据并提取参数。在前期研究基础上,对传统脉象参数进行扩充,引入更多特征并使用树模型特征选择对所有特征的重要性排序后取前十进行降维。随后基于长短时记忆网络(LSTM)算法以及使用麻雀搜索算法(SSA)、模拟退火算法(SA)、粒子群算法(PSO)以及开普勒优化算法(KOA)分别对其进行调优。结果:基于KOA优化的LSTM取得了0.83607的准确率,0.83446的精准率,0.83734的召回率,0.8359的F1得分以及0.91793的特异性。结论:基于KOA优化的LSTM相比其他基于LSTM的智能优化算法拥有更高的准确率、精准率、召回率、F1得分以及特异性,对健康人群、高血压病以及冠心病人群有较好的识别效果。

关键词： 噪声网络   深度Q网络   自注意力机制   交叉熵损失函数  

摘要： 针对电-热综合能源系统中可再生能源输出的不确定性和间歇性问题,提出用于一种电-热综合能源系统能量管理的强化学习方法,以电-热综合能源系统运行成本最低为目标,实现综合能源系统的能量管理。首先,建立电-热综合能源系统能量管理模型;然后,将含可再生能源的电-热综合能源系统能量管理过程转化为马尔可夫决策过程;再次,在DQN-CE(深度Q网络-交叉熵)的基础上进一步提出采用NoisyNet(噪声网络)和自注意力机制来提高智能体优化性能;最后,通过算例分析表明,所提方法训练的智能体能够实时响应可再生能源的不确定性,并能在线管理包含可再生能源在内的电-热综合能源系统的能量。

关键词： 移动卫星   干扰特征   智能识别算法  

摘要： 基于移动卫星特征分析与智能识别算法的优化技术,可以通过数据预处理、特征提取分类和算法优化策略,提高卫星遥感图像的处理效率和质量,提升卫星导航系统的性能和服务质量。文中通过对移动卫星干扰特征、移动卫星干扰特征分析方法、智能识别算法等的分析,提出了需要定位和检测移动卫星的受干扰源,从而让移动卫星更好地为地面用户服务。

关键词： BOPPPS模型   广度优先搜索   算法教学   教学设计   参与式学习  

摘要： 广度优先搜索是培养学生计算思维的重要算法。BOPPPS教学模式通过6个阶段有效提高了课程教学质量。文章结合BOPPPS模型设计了广度优先搜索算法的教学方法,并将其应用于实际教学。结果表明,该方法有效激发了学生的学习兴趣,促进了学生主动参与课堂学习,提升了教学质量。

关键词： 成本效益分析   医疗设备管理   医疗机构   现代医学发展   支撑工具   疾病诊断   服务质量   设备的管理  

摘要： 先进的医疗设备在疾病诊断、检查、治疗的过程中拥有十分重要的作用,不仅是现代医学发展的重要辅助和支撑工具,也是衡量一所医疗机构其综合实力的关键一环。本文探讨了成本效益分析在医疗设备管理中的应用,详细阐述了医疗设备管理的重要性,以及成本效益分析的方法和步骤。研究结果表明,成本效益分析能够帮助医疗机构做出更明智的决策,提高医疗设备的管理效率和服务质量。

关键词： EM算法   高斯混合模型   教学设计  

摘要： EM (Expectation Maximization)算法是统计学中的核心算法,也是本校近代数理统计课程教学过程中的一个重难点。论文采用案例式、启发式、研讨式教学方法,以基于高斯混合模型(GMM)的轴承退化阶段划分问题为例,引导学生发现隐变量模型极大似然估计(MLE)存在的困难,设计问题链启发学生探寻参数估计的数值方法,并总结出EM算法的一般过程。基于matlab编程可视化EM算法下的GMM模型参数更新过程,对比MLE目标函数和EM迭代目标函数,分析EM算法的内涵思想并结合图形进行直观展示,并且挖掘其中蕴含的思政元素,在知识传授的同时实现价值塑造。Expectation maximization (EM) algorithm is a core algorithm in statistics and also a key and difficult point in the teaching process of modern mathematical statistics courses in our school. The paper adopts a case-based and heuristic teaching method, taking the Gaussian Mixture Model (GMM) based bearing degradation stage division problem as an example, guiding students to discover the difficulties of maximum likelihood estimation (MLE) in the latent variable model, designing a problem chain to inspire students to explore numerical methods for parameter estimation, and summarizing the general process of EM algorithm. Based on Matlab programming, the parameter update process of GMM based on EM algorithm is visualized. Comparing the MLE objective function and EM iteration objective function, the intrinsic thought of EM algorithm is analyzed and visually displayed with graphics. The ideological and political elements are also explored, so as to achieve value shaping while knowledge transmission.

关键词： 卷积神经网络   半监督学习   水稻计数   水稻定位   无人机  

摘要： 准确测定水稻株数和位置在水稻育种和栽培中具有至关重要的作用。传统的田间抽样调查法费时费力、准确率低,无人机遥感技术为水稻秧苗的智能精准计数和定位提供了有效途径。针对无人机图像处理需要大量数据标注的问题,提出了一种基于半监督学习的秧苗计数与定位算法,称为稀疏点标注网络(SPANet)。SPANet根据Teacher-Student训练范式构建,并针对稀疏点注释生成伪标签不准确的问题,提出的点聚合模块(PAM)能从有限的点注释信息生成高质量的伪标签。为了验证SPANet的性能,构建了一个包含300张高分辨率(1600像素×1600像素)的水稻计数与定位数据集,并在50%和80%的注释比例下进行了详尽的试验。结果表明,SPANet在80%标注比例下,平均绝对误差(MAE)和均方根误差(RMSE)分别为15.7和20.2,从而实现了水稻秧苗的精准、高效计数与定位。