课程文献中心 更多>>

关键词： YOLOV5   行人检测   特征融合   注意力机制   小目标检测  

摘要： 针对密集行人漏检以及检测精度低等问题,提出一种改进YOLOV5的特征融合算法FPCA-YOLOV5。首先,通过添加空间池化金字塔结构SPPFCSPC与CA注意力相结合,使模型具有更强的表达能力。其次,在网络中增加PP模块,检测层由3层变为4层,从而对小目标的检测更加准确。最后,设计了一种全新的下采样机制CAConv,使网络在处理特征图时更加关注于重要通道。实验结果表明,在公共数据集WiderPerson上,改进的YOLOV5模型相较于原始模型的召回率提升了3.4%,平均精度提升了2.3%。整体性能相较于原始模型明显提升,证明了FPCA-YOLOV5算法在目标检测中的有效性。

关键词： YOLO v8   安全帽佩戴检测   轻量化   多尺度卷积   特征融合  

摘要： 建筑、采矿、勘探等行业对生产环节的安全帽佩戴有着强制性规定,安全帽佩戴检测算法在上述行业得到广泛应用,然而现有算法存在参数量大、复杂度高及实时性差等问题。因此,提出一种基于YOLO v8的轻量化安全帽佩戴检测算法——YOLO v8-s-LE。首先设计了轻量化自适应权重下采样(LAD)方法,相较于原始YOLO v8算法,该算法的参数量和浮点运算量显著下降;然后使用高效多尺度卷积C2f_EMC(C2f_Efficient Multi-scale Conv)方法提取多尺度特征信息,从而有效增加了网络深度,使神经网络兼顾了浅层和深层语义信息,并进一步提高了算法对特征信息的表达能力。在公开数据集SHWD (Safety Helmet Wearing Dataset)上与YOLO v8-s算法对比的实验结果表明,所提算法的参数量减少了77%,浮点运算量下降了73%,精确率达到92.6%,兼顾准确性和实时性要求,更适用于实际生产环境的部署与应用。

关键词： 交通信号控制   粒子群优化   邻域混沌搜索   可变周期长度  

摘要： 由于全局搜索能力有限,基于传统粒子群优化(PSO)算法的交通信号控制(TSC)方法容易陷入局部最优。另外,采用固定信号周期的TSC模型在应对随时间变化的复杂交通流量时缺乏灵活性。针对这些问题,提出了一种基于改进混沌粒子群优化(ICPSO)算法的TSC方法,利用混沌运动增强全局搜索能力以克服局部最优。所提ICPSO算法为种群中适应度较高的精英粒子引入邻域半径参数,实施邻域混沌搜索,保留粒子有利特性的同时可提高其跳出局部最优的能力。此外,设计了一种根据时变车流量动态调整信号周期长度的变周期TSC模型(VTSC),以灵活应对复杂交通状况。为了评估所提方法的性能,在VISSIM仿真环境中进行了仿真实验。实验结果表明,与基线方法相比,所提方法降低了9.34%的平均排队长度和15.28%的最大排队长度,并减少了9.45%的平均延误时间和5%的平均停车次数。

关键词： 城市交通   双准则最短路径问题   连续分布   路径选择   用户异质性  

摘要： 双准则最短路径问题旨在寻找路网两节点间所含路段总权重最小化的路径,其中路段权重需综合考虑如时间、金钱在内的两种准则。考虑出行者的异质性假设,研究中通常采用一个连续分布刻画同一起讫点(origin-destination,OD)出行者的时间价值。尽管将连续分布均等离散化并将每个分段近似成单一值后可以使用如Dijkstra算法等标准最短路径算法求解,但较少离散类别下这种近似处理致使部分出行者的路径选择被错误刻画,而过多的离散类别又会大大降低算法效率。因此,研究者们致力于精确求解连续双准则最短路径问题。但现有研究在算法的网络拓扑解释方面仍有欠缺,对不同算法性能的比较也较为缺乏。本文详细分析了连续双准则最短路径问题的三种求解算法,首先阐述了基于OD对和基于起点两类双准则最短路径算法的原理以及实现步骤,进一步分析基于起点的“转轴”加速策略。通过一系列数值实验分析测试算法性能,结果表明,基于起点的算法配合“转轴”加速策略在不同规模的测试网络中均展现出较高的计算效率,而基于OD对的算法在大型网络中表现较差。此外,本文还在网络规模、收费路段数量、收费尺度、需求水平等维度全面测试了三种算法,并分析不同要素对算法性能的影响。结果显示,收费增加和网络拥挤均会在一定程度上降低三种算法的求解效率。本研究不仅有助于加深对双准则路径选择行为的理解,还为解决多用户多准则网络均衡、多目标网络优化等复杂优化问题奠定了基础。

关键词： MIL-STD 188-220协议   多播   确定性自适应优先级网络接入延时   媒体接入控制   数话同传  

摘要： 确定性自适应优先级网络接入延时(DAP-NAD)采用令牌环的方式为网络节点提供优先接入。该算法的首站号(FSN)以步长为1递进,每个网络接入周期(NAP)中会引入较多空闲时隙,造成信道资源的浪费。针对此问题,提出DAP-NAD-R算法。首先,把FSN的步长调整为R,从而跳过前一个NAP中已经被提供优先网络接入机会的节点;其次,为了兼顾被跨越节点的通信需求,即引入B时隙允许被跨越节点发送紧急短帧以阻止本次跨越;最后,多播通信是战斗无线电网的典型应用,而为了照顾多播源节点的优先接入,进一步改进DAP-NAD-R算法,从而允许多播源节点有高优先级信息时也可以在B时隙里发出紧急短帧,而各站点收到该短帧后,网络接入机会会先交给多播源节点。仿真实验结果表明,相较于DAP-NAD-R算法,多播改进算法的话音分组的端到端延时(ETE)和丢包率分别降低了10%和15%。DAP-NAD-R算法及其改进算法适用于数话同传的战斗无线电网,能显著降低高优先级数据分组的延时和话音分组的丢包率,从而提高多播的通信效率。

关键词： 科氏流量计   粒子滤波   相位差算法   算法测试  

摘要： 目的科氏流量计可以直接测得流体的质量流量,针对科氏流量计的高精度测量需求,提出了一种基于粒子滤波的相位差算法。方法通过分析科氏流量计信号的特点来建立振动信号系统的状态转移方程和观测方程,采用粒子滤波算法对信号幅值、角频率和相位参数进行跟踪,由更新的状态值计算出相位差。结果仿真分析结果表明,与典型的希尔伯特变换法计算的结果相比,基于粒子滤波的相位计算结果的相对误差显著降低。结论对实际的科氏流量计振动原始信号的处理结果表明,基于粒子滤波的算法可有效地应用于科氏流量计实测振动信号的处理,并在一定程度上提升了时间差或者相位差的测量精度。

关键词： 车路协同   自适应巡航控制   信号控制交叉口   模型预测控制   非线性优化  

摘要： 为改善车路协同自适应巡航车辆通行信号灯路口的通行效率,提出一种考虑信号灯状态的模型预测控制算法。在信号灯路口跟随前车通行时,车辆通过V2X获取信号灯状态,包括信号灯位置、颜色、倒计时,利用车辆纵向运动学模型建立控制器输出的加速度请求与未来状态的关联,设计一个同时考虑跟车状态和信号灯通行的目标函数,通过非线性优化计算输出的加速度请求,模拟人类驾驶员在跟车通行信号灯路口的行为状态。仿真结果表明,相比于ACC车辆,使用该算法的车辆在信号灯路口通行时,在保证安全性的前提下有更高的通行效率。研究成果为CACC车辆的控制算法设计提供效率优先的理论基础,在系统同时包含经济模式和效率模式的设计状态下,对后者的设计有应用参考价值。

关键词： 游客视角   黑龙江   哈尔滨旅游路线   蚁群算法   MATLAB仿真  

摘要： 随着网络的日益普及和人们对生活质量追求的不断提升,旅游已成为人们享受生活的重要方式之一,而旅游路线的选择则成为每位游客出行前要做的攻略。因此,本文基于游客视角,以黑龙江省多个著名旅游城市为研究对象,根据黑龙江的季节特点,分别对黑龙江冬季和哈尔滨夏季的旅游景点运用蚁群算法进行模型构建。首先,本文详细介绍蚁群算法,根据蚁群算法的原理和步骤建立模型;其次,运用MATLAB仿真软件对旅游路线进行仿真,得到黑龙江冬季旅游和哈尔滨夏季游玩攻略,以期帮助游客选择最佳旅游路线,提高游客游玩体验感。

关键词： 幼儿   棋类游戏   计算思维  

摘要： 计算思维是21世纪人人必备的核心素养,学习计算思维有助于幼儿智力品质的发展。基于幼儿的认知特点,以皮亚杰的认知发展阶段理论及米哈里·齐克森米哈里的心流理论为基础,设计了指向幼儿计算思维能力培养的棋类游戏方案,并对其蕴含的计算思维三维目标的核心要素进行了具体的解读。

关键词： 无线传感器网络   覆盖率   群智能优化算法   算法比较  

摘要： 为了解决无线传感器网络(WSN)随机部署方法导致覆盖率低的问题,本研究对群智能优化算法中粒子群优化算法(PSO)、人工蜂群算法(ABC)、人工萤火虫算法(GSO)、灰狼算法(GWO)、蚁狮优化算法(ALO)、蝠鲼觅食优化算法(MRFO)、麻雀搜索算法(SSA)、人工兔优化算法(ARO)、猎食者优化算法(HPO)和蜣螂算法(DBO)基于WSN网络覆盖问题进行比较和分析,并通过单目标优化和多目标优化两种方式对算法的性能进行比较与分析。仿真结果表明,不同算法在相同条件下的性能存在差异,随着监测区域面积的增大,算法的性能会更优。GWO、MRFO、ARO和HPO算法更适用于解决网络覆盖问题。基于覆盖率、移动距离及连通度的多目标优化比仅仅基于覆盖率的单目标优化在WSN网络覆盖问题上的算法性能更佳。