课程文献中心 更多>>

关键词： 图像配准   误匹配特征点剔除   极线约束   双目标定  

摘要： 红外与可见光图像因其显著的光谱特性差异,在配准过程中易出现特征点误匹配率高的问题。当前广泛应用的误匹配剔除算法通常采用随机采样结合模型拟合的策略,这类方法往往难以兼顾配准精度和速度,表现为算法迭代次数过高或鲁棒性不强。针对这一问题,提出一种基于空间约束的优先采样一致性(SC-PRISAC)误匹配剔除算法。利用材料辐射率差异设计兼具红外与可见光特征的双光谱标定靶标,基于双边滤波金字塔标定获取相机内外参数,在此基础上利用极线约束定理和深度一致性原则构建异源图像间的空间约束关系。使用高质量特征点优先采样策略减少了算法的迭代次数,有效剔除误匹配特征点。实验表明:所提算法实现了亚像素红外与可见光双目标定,标定误差降低至0.430 pixel;在提高配准精度的同时,也有效提升了处理速度,单应性矩阵估计误差为7.857,处理时间仅为1.919 ms,各项性能均优于RANSAC(random sample consensus)等算法。所提算法为红外与可见光图像配准提供一种更为可靠和高效的误匹配剔除解决方案。

关键词： 蚁群势场   运输机器人   智能避障   启发因子   质量点模型  

摘要： 针对现有建筑材料运输机器人避障中存在的全局寻优能力差,易与移动障碍物发生碰撞的不足,设计了一种蚁群势场算法;首先分析了蚁群算法下蚂蚁个体信息素浓度的累积过程,通过构建人工势场求解引力和斥力的合作,将其作为优选蚁群算法启发因子的重要约束条件;其次引入SA算法对蚁群势场算法做二次优化,将降温的过程视为一个全局优化的过程;最后在局部避碰方面构建了质量点模型,通过评估机器人当前位置、运行速度和障碍物位置等信息建立惩罚函数,并将惩罚函数值降至最低,避免出现与障碍物的碰撞;实验结果显示:提出算法有更高的迭代效率,复杂动态条件下最短行进距离为110.6 m, 4种传统算法的最短行进距离分别为135.5、137.6、137.2和130.4 m,而且在该算法控制下,未出现局部与其他移动机器人的碰撞情况。

关键词： 党组会议   检察业务   基层检察机关   案件类型   分析研判   检委会   数据管理   业务数据  

摘要： 一取消三不再10月15日、16日,最高人民检察院先后召开检委会(扩大)会议和党组会议。会议决定,取消一切对各级检察机关特别是基层检察机关的不必要、不恰当、不合理考核,不再执行检察业务评价指标体系,不再设置各类通报值等评价指标,不再对各地业务数据进行排名通报,切实、真正把检察管理从简单的数据管理转向更加注重业务管理、案件管理、质量管理上来,转到对重点案件类型、重点办案领域、重要业务态势的分析研判上来。

关键词： 中老年   衰弱   社区   人工智能   机器学习   决策树算法   重要度分析  

摘要： 目的旨在利用人工智能技术分析上海某社区中老年群体的衰弱表型特征,并评估各特征对衰弱状态的贡献度,以期为老年人衰弱健康管理提供量化依据。方法研究选取2023年7月30日—9月30日在上海市某社区卫生服务中心就诊的55岁及以上人群为研究对象。采用电子化问卷收集研究对象一般健康状况和日常生活状况,采用智能手环测量日常活动数据,收集实验室检查数据,并通过Fried衰弱表型量表进行衰弱评估。利用机器学习决策树算法对数据进行预处理和模型训练,分析各项表型特征对衰弱结果的重要程度。结果共纳入556例样本,其中8.3%处于衰弱期,46.0%处于衰弱前期,45.7%无衰弱。研究发现,年龄、教育程度、婚姻状况和收入水平等因素均与衰弱的发生有显著关联。智能手环监测睡眠、步数、活动时间等日常活动数据显示衰弱组在这些指标上显著低于非衰弱组。机器学习算法的定量分析结果表明,年龄是对衰弱贡献最大的特征,其次为平均睡眠时间、丙氨酸氨基转移酶(alanine transarninase,ALT)和身体运动情况。结论本研究通过人工智能技术揭示了影响老年人衰弱状态的多种因素,并识别出年龄、睡眠时间等多种重要度较高的衰弱表型。研究结果有助于提高老年人衰弱管理的效率,并为医疗保健系统资源的合理分配提供了依据。

关键词： C5.0决策树算法   电力营销   识别   异常   数据  

摘要： 为了增强电力营销数据异常识别的精确度,进而能够精准捕捉异常数据模式,本文借助C5.0决策树算法,深入探索了电力营销数据异常识别方法。根据电力营销数据类型,选择相应的传感器采集数据,并对数据进行集成处理。从集成的数据中提取异常特征,根据业务知识,选择对异常识别有重要影响的特征。在此基础上,构建C5.0决策树,根据特征变量的取值,识别数据异常,输出异常标识。实验测试结果表明,该方法应用后,在测试样本数量逐渐增加的情况下,数据异常识别误报率最高不超过1%,具有较高的识别准确性。

关键词： 道路凹陷检测   YOLOv8   Ghost卷积   注意力机制   C2f-GS模块  

摘要： 针对现有的道路凹陷检测算法中检测速度慢,很难应用于汽车车载移动设备的问题,提出一种改进YOLOv8的轻量型道路凹陷检测算法YOLOv8-CAG。将YOLOv8的主干网络第二层之后的普通卷积替换成Ghost Conv,通过低廉的线性变换,有效减少了模型的参数量。在neck中的C2f模块中引入CA注意力机制,在降低整体模型参数量和浮点运算量的同时,强化特征提取能力,减少无关特征的影响。在YOLOv8中运用C2f-GS模块,减少网络结构的复杂性,进一步提升检测精度。实验结果表明:在道路凹陷的数据集上,改进算法与原算法相比,检测精度提高了1%,模型参数量与计算量分别下降了16%和11%,并通过与其他算法的性能比较,验证了改进算法的实用性。

关键词： Steger   中心提取   阈值分割   感兴趣区域  

摘要： 在三维测量与重建的过程中,准确地提取激光条纹的中心位置至关重要。然而,由于Steger算法运算量庞大,难以满足工业领域对实时性的迫切需求。为克服Steger算法运算量大、提取效率低的难题,首先,采用波峰波谷阈值分割的方法对预处理过的图像进行阈值分割,以降低图像的复杂性;其次,通过设置最小矩形面积和最小长宽比查寻感兴趣区域,提取感兴趣区域以减少算法的冗余计算;最后,对感兴趣区域用改进后的Steger算法进行中心提取。经过实验数据分析,所提算法保留了传统Steger算法的精度和有效提高了Steger算法的运算速度,这为实时进行三维重建提供了有力支持。

关键词： YOLOv5模型   注意力机制   高压线检测   障碍检测  

摘要： 提出了一种基于改进的You Only Look Once version 5(YOLOv5)模型的高压线路障碍物检测方法,旨在提高检测的准确性和效率。首先,改进了原始的YOLOv5模型,引入了注意力机制以增强对障碍物特征的识别能力。其次,针对高压线路障碍物的多样性和复杂性,构建了一种包含大规模数据集的系统,确保了模型训练的全面性。结果显示,与传统方法和未改进的YOLOv5模型相比,所提方法在高压线路障碍物检测任务上表现出更高的准确率和更快的处理速度。

关键词： 算法   跨学科主题学习   项目式学习   实践操作   信息伦理   数字素养与技能  

摘要： 五年级“身边的算法”教学指南的核心在于通过系统化方法帮助学生理解和掌握算法的基本概念及其在日常生活中的应用。本教学指南遵循思想性、以学生为中心、知识体系完整性、实践与理论相结合等设计原则,通过贴近学生生活的实例和分层教学策略,强化学生的动手能力和逻辑思维,旨在提升五年级学生的算法理解力和实际应用能力。

关键词： 算法从属性   从属劳动   劳动者自主性   平台用工   不完全劳动关系  

摘要： 数字时代的从属劳动具有算法从属性的特征,其源于工业时代雇佣劳动的技术从属性,表现为算法对劳动过程的全景式控制与劳动者对算法的身心从属,其实质是算法管理下劳动者的自主性受限。而互联网平台用工正是一种以算法为底层技术架构的劳务撮合模式,表现为劳动机会的算法调度、劳动过程的算法指导、劳动结果的算法评估等。为破解平台用工关系难题,有必要在从属性体系中引入算法从属性的维度,以增加劳动者身份认定的识别度和识别可能性,进而在现行政策基础上明确平台不同用工模式下从业者的身份属性,并赋予其相应的权益保障。