课程文献中心 更多>>

关键词： 点云数据   人工势场算法   安全避障策略  

摘要： 传统的避障算法在处理复杂环境如多障碍物紧密排列时,常遇到路径规划困难和易陷入局部最小值等问题。针对这些问题,文章提出了一种改进的人工势场避障算法,使机器人能够在复杂的环境中避开任意形状的障碍物,并找到有效的路径。针对不规则大型障碍物,文章采用了激光扫描的方式来获取它们表面的点云数据,并对这些数据进行分析和处理,以获得障碍物的参数,将这些参数收集到数据集中。为了解决传统人工势场算法容易陷入局部稳定的问题,所提算法使用了基于表面点的障碍物感知和斥力生成,并针对抖动点的问题提出了一种新的安全避障策略。通过对比实验,结果表明所提避障算法显著提升了机器人在复杂障碍物环境下的避障能力,展示了该算法的有效性和优势。

关键词： 肾肿瘤   诊断   影像组学   机器学习   体层摄影术   X线计算机  

摘要： 目的:比较基于CT平扫影像组学特征的机器学习算法模型与放射科医师对囊性肾占位性病变(CRM)的诊断效能。方法:招募来自广东省中医院5家分院经病理诊断的CRM患者207例,其中4家162例(内部测试集)按7∶3比例随机分为训练集与验证集,训练集提取CT平扫影像组学特征用于机器学习算法建模,由2位放射科医师进行全肿瘤分割。使用单变量分析、最小绝对收缩和选择算子(LASSO)算法及双向消除法筛选ICC>0.75的特征,以构建朴素贝叶斯、梯度提升算法(GBM)及主成分分析(PCA)的监督与非监督影像组学机器学习算法模型,进行验证集验证,在珠海分院45例(外部测试集)中完成外部测试。使用ROC曲线评估机器学习算法模型诊断效能,并与放射科医师诊断结果进行比较。结果:207例中,良性92例,恶性115例。放射科医师诊断的敏感度、特异度、准确率分别为84.2%、91.1%和85.5%,AUC为0.87。机器学习算法模型在训练集和验证集中诊断效能相近[训练集敏感度(95.3%~100.0%)、特异度(93.4%~100.0%)、准确率(94.4%~100.0%)、AUC(0.97~1.00);验证集敏感度(83.3%~89.9%)、特异度(87.0%~95.7%)、准确率(85.4%~90.2%)、AUC(0.85~0.92)];在外部测试集中,PCA和朴素贝叶斯的敏感度、特异度、准确率和AUC均高于GBM。放射科医师的诊断效能与PCA及朴素贝叶斯模型相近。结论:CT平扫影像组学的多种机器学习算法模型对CRM具有较好的诊断效能,可作为CRM患者的潜在筛查方法。

关键词： 钢铁零件表面缺陷   YOLOv5   Focal-EIOU Loss   全局注意力机制   C2f  

摘要： 针对传统YOLOv5算法在钢铁零件表面缺陷检测过程中存在诸多难分类样本,全局特征提取不足导致检测精度较低等问题,提出了一种基于YOLOv5-FGC的钢铁零件表面缺陷检测方法。该方法引入Focal-EIOU Loss替换预测框回归的CIOU损失函数,提高了模型的收敛速度和准确率,使边框回归更为精准;在Backbone中加入全局注意力机制(Global Attention Mechanism,GAM),提高全局特征提取能力,对空间和通道中的重要特征进行强化;通过加入C2f模块增加网络模型的梯度路径,让网络能够提取更多的特征,加强了特征提取的鲁棒性,提高了网络对钢铁零件缺陷的检测精度。对比试验以及消融实验表明,改进后的YOLOv5-FGC算法在NEU-DET数据集中的裂纹、夹杂、斑块、压入氧化皮、麻点、划痕六类缺陷中检测的平均精度达到了78.2%,在YOLOv5原始网络模型基础上mAP值提高了4.7%,对比Faster RCNN模型提高了36.7%,FPS达到了91帧/s,能够快速、准确的对钢铁零件表面缺陷进行检测。

关键词： 机器遗忘   L1正则化   一次牛顿更新   ADMM算法  

摘要： 随着数据所有者对于数据隐私的重视程度不断增加,如何高效完成用户的数据删除请求成为相关机构关注的热点,并据此衍生出一系列关于机器遗忘算法的研究.本文提出了基于L1正则化的CR模型,利用ADMM算法得到了影响函数的显式解,并通过一次牛顿更新法来实现精准高效的机器遗忘.真实数据实验表明,所提方法在分类能力和运行时间上优于再训练模型和L2-CR模型.相对于再训练模型,时间缩短了超过100倍;相对于L2正则化模型,准确率提高了5-7个百分点,达到了遗忘效率和模型效用的权衡.

关键词： 建筑工程   资料管理   BIM技术   融合应用  

摘要： 伴随着大数据的蓬勃发展,建筑资料数字库的创建需应对大量数据管理和准确信息投放之间的供需冲突。对此,建筑资料管理要精准对接施工单位的知识需求,打破以往服务模式的局限。过去采纳的卷积神经网络在处理建筑资料时有着两大缺陷,首先是割裂了语义实体与嵌入实体间的关联,造成语义与嵌入信息不适配;其次是忽视了语义网络、向量空间可能存在的维度差别,进而在具体运用中引发信息错配。为解决上述问题,DKN算法引入了知识感知卷积神经网络。该网络能够整合语义与知识信息,有着多通道处理能力、语义-嵌入实体对齐功能,同时结合了资料知识的语义级与知识级表示,生成了知识感知的嵌入向量。根据对比已有推荐算法,发现DKN算法在技术适配与价值契合方面均表现出色,适用于建筑资料知识推荐系统。在此前提下,本文深入探讨了建筑资料、知识图谱的搭建、DKN算法模型的构建,并遵循系统构造理论,设计出了源于DKN推荐算法的建筑资料知识推荐系统架构与安全框架,设计旨在完成建筑资料数字库的高效管理与准确投放,从而为施工单位提供更加个性化的知识服务。

关键词： 径向基函数神经网络   奇异值分解   K折交叉验证   插值  

摘要： 径向基函数神经网络(RBFNN)可用于插值和分类预测,本文提出基于奇异值分解(SVD)技术来改进传统的RBFNN,从而极大地简化网络结构.具体来说,本文提出的方法能够实现隐藏层神经元的自动选取和优化,删除冗余的神经元,进而节省内存和计算成本.同时,我们将使用K折交叉验证法来确定径向基函数(RBF)中的径向参数ε,以保证算法精度.更重要的是,我们基于Halko等提出的近似SVD算法[2],逐行读取样本数据并实时处理,避免将所有样本数据一次性导入内存.所有的数值实验都表明,相比于传统的RBFNN,本文提出的算法在不损失计算精度的前提下,极大地提高了计算效率,并简化了RBFNN结构.

关键词： 综合能源系统   多阶段电转气   氢能源   需求响应   Tent混沌映射   麻雀搜索算法  

摘要： 在“双碳”目标背景下,随着清洁能源并网规模不断扩大,能源系统正面临着各方面的巨大挑战。针对碳排放、新能源消纳等问题,提出一种计及需求响应的电–热–气–氢综合能源系统优化模型,引入碳捕集–多阶段电转气运行框架,发掘电转气技术中氢能源的低碳潜力;利用氢燃料电池、储氢罐,提高系统资源调度灵活性;负荷侧考虑需求响应,源荷双侧协同参与优化。为验证该模型的有效性,设置4种不同场景,将考虑碳交易的系统总成本最小值作为优化目标,采用含Tent混沌映射与权重因子的改进麻雀搜索算法对模型求解。结果表明,所构建的模型在降低成本、节能减排等方面具有积极作用。

关键词： 分布式流水车间调度   生物地理学优化   模糊规划   节能   多目标优化  

摘要： 研究了模糊节能分布式置换流水车间多目标调度问题(Fuzzy Energy Efficient Distributed Permutation Flow Shop Problem,FEEDPFSP),针对最小化模糊完工时间和模糊能耗两个优化目标,提出了一种基于生物地理学的多目标优化算法(Multiple-Objective Biogeography-Based Optimization,MOBBO)。在MOBBO中,设计了一种有效的初始解生成规则,并根据两个优化目标之间的关系,设计了4种速度操作方法用于迁移过程和变异过程,并且引入快速非支配排序以及拥挤距离方法,保证每次迭代的种群质量。对比两个先进算法在480个不同规模实例下的表现,验证了所提出的MOBBO算法在解决FEEDPFSP问题的有效性。

关键词： 长序列比对   BWT索引   DC3   后缀数组  

摘要： 生物信息学中,大规模的生物基因序列比对是最重要的基础问题.针对主流的BWT(burrows-wheeler transform)索引技术的研究,提出一种新的多阶混合BWT索引方法MD-BWT(multi difference cover mod3 burrows-wheeler transform),根据待比对序列的长度,动态选取适合的多位索引查找.实验结果表明,改进后的方法可以有效减少序列比对算法中的比对次数和计算次数,降低序列比对算法中索引算法的时间复杂度,明显提高序列比对的效率.在构造BWT(S)字符串过程中,通过DC3(difference cover mod 3)算法来构造后缀数组,实验表明DC3算法构造后缀数组比倍增算法的时间复杂度更低,时间性能更优.

关键词： DV-Hop定位算法   多通信半径分层   阿基米德算法  

摘要： 针对距离向量-跳距(distance vector-hop,DV-Hop)定位算法中未知节点估计位置与实际位置偏差较大的问题,提出了基于多通信半径与改进阿基米德算法的DV-Hop定位算法。首先,采用锚节点通信半径多级数分层的方法,减小未知节点最小跳数选取的误差;然后,对阿基米德算法中三个步骤进行改进,提高了算法的性能;最后,通过改进的阿基米德算法计算未知节点坐标。实验结果表明,相同环境下,提出的改进算法具有更好的定位效果。