课程文献中心 更多>>

关键词： 安全工程   车辆防撞预警   图像特征点匹配   尺度不变特征变换算法   近似最近邻搜索算法   特征点提取  

摘要： 对于车辆行驶过程中的防撞预警,如果无法识别前车的具体行驶状态,可能使系统反应速度较慢,而不能动态变化调整本车行驶策略,导致无法有效规避潜在碰撞的危险。为了提高车辆在行驶过程中对周围环境的感知能力,防止车辆碰撞事故的发生,提出了图像特征点匹配算法下车辆行驶主动防撞预警方法。通过尺度不变特征转换(Scale-Invariant Feature Transform,SIFT)对采集到的前车图像中的特征点展开提取;利用近似最近邻搜索算法完成特征点的匹配,并将匹配点对从像素坐标系转换到图像坐标系中,以完成对前车的定位;基于单帧静态图像测距方法获得车距,并将前车的行驶状态分为静止、减速、匀速或加速三种状态,计算不同状态下的提醒报警距离和危险报警距离,动态调整本车行驶策略。当车距达到提醒报警距离或危险报警距离时,发出报警,以此实现车辆行驶过程中的主动防撞预警。试验结果表明:利用图像特征点匹配算法下车辆行驶主动防撞预警方法对前车车距展开测量,测量结果与实际车距基本一致,准确度误差在5 cm以内,相较于差异化预警方法和车联网数据预警方法而言可以更精准地测量车距;此外,所提方法的风险系数最大值为0.12,远小于差异化预警方法和车联网数据预警方法的风险系数,证实了该方法的车辆定位准确度高、防撞预警性能强。

关键词： 公益广告   智能算法推荐   短视频  

摘要： 短视频成为网络视听消费的主流应用场景。短视频的传播特点和短视频平台的社交属性有利于优质公益广告的传播和公益理念的落地。公益广告所存在的用户需求不高、自身吸引力不足等问题,在智能算法推荐机制作用下将进一步加剧自身的传播困境。主流媒体应顺应算法规则,创新生产方式,通过树立“受众本位”理念,激发用户参与,借力“大V”资源等举措,打造兼具流量和口碑的公益广告短视频作品。

关键词： 遗传算法   智慧校园   教学资源调度   染色体编码  

摘要： 针对传统系统存在的调度准确率差、调度效率欠佳等问题,设计基于遗传算法的智慧校园教学资源调度系统。硬件方面,传感器负责收集数据,处理器承担数据运算任务,交互设备为用户提供便捷操作界面;软件方面包含多模块,基础管理模块处理相关数据;算法核心模块设计编码、适应度函数并执行遗传操作;调度展示模块呈现结果与处理申请;系统监控模块保障运行,同时结合MongoDB协同助力智能调度。系统测试表明,与传统系统相比,本系统调度准确率大幅提升,调度效率显著提高,能为智慧校园教学资源优化配置提供有力支持,推动教育管理智能化发展。

关键词： 深度学习   目标检测   计算机视觉   检测算法  

摘要： 目标检测是计算机视觉领域中的重要任务,被广泛应用于身份识别、数量统计、位置确定等领域。随着计算资源的增长,深度学习已经替代了大部分的传统图像算法,在目标检测领域上取得了很大的进展。然而,目标检测依然面临诸多挑战,如物体尺寸不一、背景复杂、排列密集、方向任意等,这些问题使现有的检测框架依然有提升的空间。尽管如此,目标检测的算法经过发展已经有了很大的提升,并且在各种领域起到了巨大的作用。

关键词： YOLOv8   轻量化   目标检测   多物体抓取  

摘要： 针对机器人抓取任务中多物体抓取场景中目标检测问题,现有的目标检测算法虽然精度很高,但存在模型参数量大、计算复杂度高的问题,无法满足端对端的工业部署。针对此问题,分析了YOLOv8参数量大的原因,对比了解耦头和耦合头两种检测头方式对参数量和精度的影响,为减少参数量对目标检测头进行参数共享。同时引入部分卷积重新设计了一种轻量化检测头,达到轻量化和算法的性能的平衡。实验表明,改进算法相比于YOLOv8n,模型精度下降了0.20%,但参数量下降了37.08%,有效实现了模型轻量化和性能的平衡。最后对改进模型用基于层自适应的幅度剪枝方法和基于损失函数泰勒展开近似的卷积核剪枝方法进行剪枝,参数量最高下降了79.78%,模型精度基本保持不变,推理速度最高提升89.22%。

关键词： 遗传规划   动态交通流优化   控制膨胀   超启发式策略   双锦标赛法  

摘要： 针对遗传规划(GP)算法在大规模动态交通流分配中训练超启发式策略时,算法迭代次数的增加而个体平均大小不断膨胀的问题,提出应用不同GP控制膨胀方法来限制种群中大尺寸个体的遗传,让算法能够在训练过程中找到更小且性能更优的超启发式策略。考虑到超启发式策略在如网格式、环形放射式、自由式的不同结构路网上可能存在性能差异,会影响算法在训练过程中对个体的选择,采用不同结构的路网训练出超启发式策略以进行分析比较。训练后的超启发式策略在不同规模和车流量的大城市路网上进行模拟测试。结论是基于双锦标赛的膨胀控制方法对不同结构路网的效果最优,得到的GP算法对比现有调度方法能获得路网整体更短的平均旅行时间,更精简有效的超启发式策略,提高决策效率。

关键词： 高维数据   不平衡数据   特征选择   Borderline-SOMTE   模糊互信息  

摘要： 在数据处理领域,高维特征与类别不平衡问题已成为诸多研究面临的棘手挑战。鉴于此,文章以SFE算法作为坚实基石,创新性地提出了一种专门面向不平衡数据情境的二阶段特征选择算法——SFE-TSFS(a two-stage feature selection algorithm for imbalanced data based on SFE)。首先,针对SFE算法未能处理类别不平衡的局限,SFE-TSFS引入了Borderline-SMOTE方法生成符合要求的边界样本,以平衡数据分布。其次,为加速算法收敛并降低计算成本,在初始特征筛选阶段结合了模糊互信息方法,有效去除大量冗余特征。实验结果表明,与原SFE算法相比,文章所提出的算法在保证分类准确率的同时,运行时间和特征数量上均优于SFE算法,验证了SFE-TSFS算法的有效性。

关键词： 光伏发电系统   智能算法   系统设计  

摘要： 随着全球能源需求的不断增长,光伏发电系统成为重要的能源供应方式。如何通过智能算法实现光伏系统的高效设计和性能优化,成为当下人们关注的焦点。文章从光伏发电系统的理论基础出发,分析了光伏组件的设计与布置;研究了布局优化、变频器选型、参数调优、最大功率点追踪等基于智能算法的系统优化方法;探讨了发电效率预测、故障诊断和预警、长期运行模拟等,在智能算法在光伏系统性能评估中的应用,旨在为光伏系统的智能设计和优化提供参考。

关键词： 视网膜血管分割   连续膨胀卷积   深度学习   不对称卷积   UNet模型  

摘要： 目前传统的视网膜血管分割方法存在的视盘混淆引起的误分割、分割结果缺乏连续性,以及细节区域分割不精准等问题。为解决这一难题,提出了一种基于UNet的视网膜血管分割算法。该算法利用两个水平和垂直一维卷积和二维方形卷积的融合替代传统方形卷积,提高了眼球区域的表征能力;采用了多尺度分支增加特征空间的多样性,提升了网络的特征学习和表达能力。此外,为进一步改善分割效果,还将多层膨胀卷积引入自编码器的深层结构,替代了传统的简单池化操作,增大卷积核的大小,扩大了感受野范围,实现了多尺度浅层特征和深层特征信息的融合。本文算法在公开DRIVE和CHASE_DB1两个数据集上进行了评估,实验结果表明,本文算法的精确率和F_(1)上分别达到了0.9568、0.9598和0.8326、0.8304。与传统的UNet和近期部分UNet改进网络视网膜血管分割方法相比,本文算法在准确率、敏感度、特异性、F_(1)指标上表现出一定的优势,这一验证结果充分证明了本文所提出的模型在分割任务上具备较强的精确分割能力。

关键词： 渠系配水   渗漏损失   轮灌编组   改进PSO-GWO算法   粒子群算法   灰狼算法  

摘要： 为减少渠系输配水过程中的水量损失,针对闸门调控时间各异和频繁启闭的问题,以精河灌区茫乡团结支渠支斗两级渠系渗漏损失量最小为目标建立渠系配水模型,首次采用“组间轮灌,组内续灌”的配水方式,通过改进PSO-GWO算法求解,确定斗渠最优轮灌编组、配水流量和灌水时间等重要参数,得出渠系渗漏损失量和算法迭代次数,并与粒子群算法、灰狼算法的求解结果进行对比。改进模型使灌水时间缩短了0.62 d,支斗两级渠系水利用系数提高了0.168,改进PSO-GWO算法迭代次数为3次、渠系渗漏总量为16.69万m^(3),优于传统算法的配水结果。实例应用情况表明,改进算法具有更强的寻优能力和收敛性,并且模型在满足高效配水的同时,减少了闸门启闭次数,实现了集中调控,配水模式便捷,应用价值较高。