课程文献中心 更多>>

关键词： 快速搜索随机树   机械臂   路径规划   斥力势场  

摘要： 针对现有的快速搜索随机树(RRT)及其改进算法在机械臂路径规划中存在的效率不足、无法快速绕开障碍空间以及路径冗余等问题,提出一种基于斥力场引导的改进RRT-Connect算法的机械臂路径规划,以下称改进RRTConnect(improved RRT-Connect)。首先对已知环境构建栅格化地图及其斥力势场;其次利用改进RRT-Connect以及臂形约束进行路径规划;最后通过逆运动学以及插值算法得到关节空间路径点,伺服控制机械臂运动。将所提算法进行仿真与实际操作实验验证,结果表明:基于斥力场引导的改进RRT-Connect算法的机械臂路径规划可以绕开高效障碍空间,消融实验表明减少规划路径点17.24%以上、提高规划效率,较RRT减少规划时间99.71%、以及减少路径冗余,保留10.59%以下,验证了算法的可行性。

关键词： 标记分布学习   深度学习   卷积神经网络   人脸年龄识别   平均绝对误差  

摘要： 缺乏完整和足够的人脸年龄标记数据集是当前人脸年龄识别问题中最突出的挑战之一。由于相近年龄的面部具有相似性,因此在年龄识别中可以学习并利用相邻年龄的面部信息,将每张人脸图像看作相关年龄的标记分布(LD),从而有效缓解了训练和测试数据集不足的问题。但是在不同年龄阶段,人的面部衰老变化速度显著不同,如儿童和老年时期面部变化较快,而中年时期面部变化较平缓,当前常用的LD方法存在模式单一的缺点,难以适应不同年龄阶段人脸特征的变化规律。为提高人脸年龄识别算法的通用性,提出一种深度学习框架下基于标记适应的人脸年龄识别优化算法IFAR-LA。引入标记适应机制,能够更好地学习特征表示,挖掘人脸图像数据中丰富的语义信息,从而有效提取不同年龄阶段面部变化的特征,大幅提升表示学习能力和泛化能力。改进后的标记适应算法能够适应不同年龄阶段人脸变化规律,使每幅人脸图像在学习其真实年龄和相关年龄的时候都能发挥作用,缓解训练数据不足的问题,同时,提升了算法普适性,能够适应不同年龄阶段人的面部衰老变化速度。在公开的人脸数据集MORPH和FG-NET上的实验结果表明,IFAR-LA算法相比改进前的人脸年龄识别算法平均绝对误差分别降低了6.5%和11.5%。

关键词： 目标检测   红花   YOLOv5s   ShuffleNet v2   多尺度   排斥损失函数  

摘要： 针对自然环境中红花智能采摘存在红花尺度变化大、遮挡情况复杂的问题,该研究对YOLOv5s模型进行优化,提出了一种基于多尺度特征提取的YOLO-SSAR目标检测算法。首先,采用ShuffleNet v2轻量化结构对Backbone层主干特征提取网络进行替换,减少模型参数量和计算量;其次,在Neck层添加基于空洞卷积和共享权重的Scale-Aware RFE模块,提高模型对于多尺度特征信息的提取能力;最后,为解决目标检测中类内、类间遮挡问题,在Head层引入排斥损失函数对原损失函数进行替换,减少因非极大值抑制(non-maximum suppression,NMS)阈值选取不当造成的漏检或误检,提高模型的检测精度。试验结果表明,YOLO-SSAR算法在测试集上的精确率、召回率和平均精度均值分别为90.1%、88.5%、93.4%,比YOLOv5s原始模型分别提升了5.9、9.2和7.7个百分点,推理速度为115帧/s,模型大小为9.7 MB,与主流算法YOLOv4、YOLOv7、YOLOV8s、Faster R-CNN、SSD相比,精确率分别高出6.8、7.2、6.3、16.2和10.8个百分点、召回率高出9.4、10.3、9.5、17.3和59.4个百分点,平均精度均值高出8.8、8.2、8.1、14.9和19.4个百分点。研究表明,YOLO-SSAR算法在提升综合检测性能的同时也降低了计算复杂度,研究结果可以为红花智能采摘研究提供算法参考。

关键词： 及时汇聚   数据挖掘   信息运维   卷积神经网络   大数据预警  

摘要： 为提高信息运维大数据预警分类效果和预警准确性,研究及时汇聚和数据挖掘的信息运维大数据预警算法。该算法采用及时汇聚分析算法(K-mesns聚类算法),通过获取大数据误差准则函数最小的簇,实现信息运维大数据分类;通过卷积神经网络转换经自编码处理的数据维度,实现信息运维大数据预警。结果表明:该算法可实现信息运维大数据分类,有效分类3类数据,且数据聚类的分离性高,达到0.89,处理大小为9×107的数据量时,迭代次数只需约180次。迭代收敛时的统计误差准则函数值较小,并且运维大数据预警结果与实际异常情况一致,预警准确性较高。

关键词： 图形化编程   逻辑流程图   计算思维  

摘要： 该文旨在探讨在小学图形化编程教学过程中,教师如何通过逻辑流程图来帮助小学生更好地厘清图形化编程的创作思路,直观呈现整体规划、逻辑关系和算法实现。为进一步提升学习者的计算思维能力,把引发学生思考、创设情境主题、设计逻辑流程、实施具体方案和反思优化总结作为实现计算思维可视化的重要切入点,结合科学系统的调试评估和巩固提升,为教师提供方法策略指导。

关键词： 期限利差   HP滤波   最小角回归算法   高频数据   止损   结构因子   国债   交易领域  

摘要： 本文在传统分析框架的基础上,探索机器学习模型在期限利差交易领域的应用,提出新的预测框架。通过HP滤波处理宏观高频数据以得到基本面因子,采用最小角回归算法(Least Angle Regression)并运用Nelson-Siegel模型进行曲线拟合以提取出曲线结构因子,本文进而建立10年期与7年期国债的期限利差量化预测模型,研究发现,模型能有效处理高维特征小样本数据,预测胜率超过60%,在结合止盈止损的交易条件后,策略年化收益率较高。

关键词： 跌倒检测   YOLO   RepVGG   注意力机制   Bifpn  

摘要： 受到跌倒时动作变化快、姿态多和复杂环境的影响,跌倒检测算法会出现误检、漏检和检测速度慢的问题。为解决上述问题,提出一种基于改进的YOLOv5算法,进行居家环境下的实时跌倒检测。使用RepVGG对YOLOv5的Backbone进行优化,增强骨干网络特征提取能力;在网络中添加卷积注意力机制,强化模型对重要特征的关注;在特征融合部分引入加权双向特征金字塔网络并简化,充分融合不同尺度特征。实验结果表明,与未改进前相比,该方法在精度、召回率和平均精度上分别提高3.43%、1.41%和3.1%,优化了检测效果,更好地满足实际使用要求。

关键词： 室内定位   5G UTDOA   MR指纹技术   融合算法  

摘要： 基于5G UTDOA与MR指纹技术的室内定位融合策略旨在提升定位系统的精确性和可靠性。通过整合这2种技术,开发了一个减少环境误差和增强稳定性的高精度定位算法。仿真结果表明,融合算法不仅有效提高了定位准确率,还展示了其结合现代通信技术在室内定位领域的应用潜力,为定位技术的进一步发展开辟了新的路径。

关键词： 任务优先级   负载模型   任务调度   蚁群算法  

摘要： 为了缓解数据中心网络链路拥塞问题,提出基于优先级的数据中心任务优化调度算法。建立负载模型和内存能耗模型,分析数据中心的负载情况和内存能耗情况;根据任务的重要程度划分任务的优先级,采用随机Petri网络考虑数据中心的负载和内存能耗情况结合任务优先级建立数据中心任务优化调度模型,并通过改进后的蚁群算法求解任务调度模型,获得最优任务调度计划,实现数据中心任务调度。实验结果表明,所提算法的截止期保证率高、截止期错误率低和调度效率高,具有良好的调度效果。

关键词： 术后谵妄   机器学习算法   风险预测模型   综述  

摘要： 近年来,人工智能技术(AI)的发展正在逐渐改变传统的医疗行业,机器学习作为人工智能技术中的主流被越来越多地应用于分析复杂的医学数据,为疾病的诊断、预后风险评估、诊疗决策的制定等方面提供了便利。文章对国内外机器学习算法在术后谵妄中的应用进行综述,以期为术后谵妄预测模型的构建提供新的思路,为临床早期评估术后谵妄提供新的依据。