课程文献中心 更多>>

关键词： 矿工行为检测   YOLOv8n   3D空洞卷积   SE注意力机制   可变形卷积  

摘要： 为防范潜在隐患、保障煤矿安全生产,对矿井作业人员行为进行检测已成为提高矿井安全管理水平的重要方式。鉴于目前常用的智能检测方法精度普遍较低,提出基于S3DD-YOLOv8n的矿工行为检测算法:为提取视频数据的时间信息并保持连续性,在YOLOv8n的骨干网络中引入3D空洞卷积,改进数据增强算法;引入压缩-激励SE(Squeeze&Excitation)注意力机制,提高网络对重点信息的关注程度;引入可变形卷积提高模型对矿工行为的拟合度。经DsLMF+数据集实验验证,该算法的平均精度均值mAP50达到了97.0%,相比YOLOv8n提升了4.0%,同时精确率P和回归率R分别提升了12.9%、7.0%,达到92.5%、90.4%,该算法可高效、精准地检测矿工行为。

关键词： 定量降水估测   降水订正   最优插值  

摘要： 本文利用2020年5—9月山东省青岛市S波段天气雷达和地面雨量站数据,开展了基于最优插值的天气雷达定量降水估测订正方法的优化研究。根据青岛地区地面雨量站的空间分布,确定了用于订正格点估测降水的雨量站的搜索范围。通过分析用于订正的雨量站个数与分析误差的关系,确定了参与订正的最佳雨量站数量。采用随机抽样和交叉检验的方法,分析了不同相关函数模型对降水订正结果的影响,最终得到适合青岛地区的相关函数优化参数。进一步检验优化参数的订正结果发现,订正后估测降水的统计评分有明显的提升,估测降水的强度和空间分布与实况更加一致。

关键词： 文本数据   数据安全   电子邮件   数据管理   业务决策   大数据时代   社交媒体   学术论文  

摘要： 在大数据时代,文本数据无处不在,涵盖了社交媒体、新闻、学术论文、电子邮件等多个来源。文本数据的治理是数据管理中至关重要的环节,特别是在提高数据质量、确保数据安全、支持业务决策等方面。自然语言处理(NLP)技术提供了强大的工具和算法,可以帮助实现文本数据的治理、预处理和分析。本文探讨了基于NLP技术对文本数据进行治理、预处理和分析的各种方法。文章探讨了如何利用NLP技术对文本数据进行有效的治理和预处理,并进一步实现数据分析,从而为相关探究提供支持。

关键词： 物联网终端   强化学习   模糊测试   漏洞发现  

摘要： 随着物联网技术的发展,物联网智能终端得到普及。当前物联网终端固件中存在大量安全漏洞,使用人工的方法对物联网终端设备进行漏洞检测存在极大不便性。目前多采用基于遗传算法的智能化模糊测试技术,使用随机变异数据对待测固件进行自动化测试。针对现有基于遗传算法的模糊测试技术存在的效率低下问题,提出了一种基于多强化学习算法组合的智能化模糊测试模型。该模型利用强化学习算法优化模糊测试变异算子选择策略,通过对不同测试用例智能化选择不同变异算子的方式提高了模糊测试代码覆盖率。通过在LAVA数据集上进行对比实验,综合比较了DDQN、DDPG、TRPO及PPO算法在模型中的表现情况,并与传统模糊测试方法进行比较,结果表明在模糊测试环境下,对于不同的目标程序,不同算法性能存在显著差异,同时基于强化学习的模糊测试方法明显优于传统模糊测试方法,证明了所提模型的可用性及有效性。

关键词： 原发性肝癌   少数类过采样技术算法   机器学习   预测模型  

摘要： 目的基于合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)算法和机器学习模型构建原发性肝癌术后的预后预测模型。方法选取美国国立癌症研究所的监测、流行病学及最终结果(Surveillance,Epidemiology,and End Results,SEER)数据库中4297例患者进行回顾性队列研究,通过独热编码和平均值插补法进行数据预处理,利用SMOTE算法解决数据类别不平衡问题,将临床变量纳入机器学习模型,基于决策树(decision tree,DT)、随机森林(random forest,RF)、梯度提升决策树(gradient boosting decision tree,GBDT)、极限梯度提升算法(eXtreme Gradient Boosting,XGBoost)方法构建预后预测模型(SMOTE+DT/RF/GBDT/XGBoost),通过比较多种模型的性能,筛选出最佳的预测模型。结果组合模型SMOTE+RF展示出最优的预测性能,受试者工作特征曲线(receiver operating characteristic curve,ROC)下的面积(area under the curve,AUC)、准确率和精确率均高于其他模型,分别为0.895、0.811、0.806。结论基于SMOTE+RF算法的原发性肝癌的预后预测模型可有效预测原发性肝癌患者的生存结局。

关键词： 无监督立体匹配   CNN   Transformer   CTH   全局和局部特征提取  

摘要： 无监督立体匹配算法的准确性直接影响深度估计的质量。目前的无监督立体匹配算法普遍缺乏全局特征提取能力,在边缘和遮挡等不适定区域的视差估计精度较低。为此,提出了一种基于CNN和Transformer的不适定区域全局与局部特征提取的精确无监督立体匹配算法。首先,提出了一种结合多尺度和跳跃连接特性的沙漏网络,设计了适用于立体匹配的CNN与Transformer并行特征提取(CTH)算法;其次,利用特征耦合单元(FCU)将局部特征与全局表示相融合,提升了模型整合全局信息的能力;最后,将原始视差监督损失函数引入基准模型的损失函数中,通过一致性损失引导网络学习更全面的特征。实验结果表明,与其他经典算法相比,该算法在不适定区域的精度和鲁棒性均有所提升。

关键词： 推荐算法   知识图谱   多样性  

摘要： 【目的】针对基于知识图谱的强化学习推荐算法只考虑推荐结果的可解释性,没有考虑推荐结果的多样性问题,提出一种新的基于知识图谱的强化学习推荐算法。在解决推荐结果可解释性问题的基础上,提高推荐结果的多样性和准确性。【方法】通过提出一种针对推荐结果多样性的评价指标ETD,并在算法的路径推理模块中引入Random_Beam_Search搜索算法,提高推荐结果的多样性。同时,强化学习模块引入注意力机制,提高推荐结果的准确性。【结果】与具有可解释性的PGPR推荐算法相比,该推荐算法在Beauty数据集上推荐结果多样性提高了28.4%,准确性提高了0.056百分点;在Clothing数据集上推荐结果准确性提高了0.035百分点。【结论】该推荐算法不仅解决了推荐系统的可解释性问题,还提高了推荐结果的多样性与准确性。

关键词： 动态经济调度   电动汽车   堆优化算法   区域搜索   双种群交互  

摘要： 针对堆优化算法HBO处理含电动汽车的动态经济调度问题时存在收敛慢和精度低等问题,提出一种改进的堆优化算法RDHBO。首先,在RDHBO中引入了最优成员区域搜索和双种群交互策略。前者引导最优成员移动到更有希望的区域,提升了算法的收敛精度和收敛速度;后者充分利用被淘汰的劣势个体,丰富了种群的多样性,避免了算法陷入局部最优。然后,将RDHBO应用于四种充电场景的10机组电动汽车动态经济调度问题。仿真结果表明,与已有的代表性方法相比,RDHBO在产生低燃料成本和稳定性方面具有很强的竞争力。最后,对RDHBO的两种改进策略进行了消融实验,验证了两种改进策略的有效性。

关键词： 玉米叶病害识别   小目标检测   Swin Transformer   YOLOv8   模型优化  

摘要： 为了提高对玉米叶病虫害的准确识别度,本文提出了一种结合Swin Transformer和YOLOv8网络的改进算法。基于YOLOv8网络,算法引入了Focus和Depthwise Convolution等模块,减少了计算量和参数,增加了感受野和特征通道,并提高了特征融合和传输能力。此外,算法还采用了Wise Intersection over Union(WIoU)损失函数来优化网络。结果表明,在自建的玉米叶病害数据集上,Swin Transformer-YOLO模型取得了优异的表现,准确率为91.5%,平均精度(mAP@0.5)为89.4%,显著优于其他检测器。与主流算法(如YOLOv8、YOLOv7、YOLOv5和YOLOx)相比,Swin Transformer-YOLO模型在各项指标上均表现出色,特别是在准确率和平均精度方面。具体而言,Swin Transformer-YOLO模型的召回率为77.6%,mAP@0.5∶0.95值为71%,F1得分为0.84分。综上所述,本研究为复杂环境下玉米叶病害的准确识别提供了技术手段,并为小目标检测提供了新的见解。

关键词： LiDAR点云   平面特征   Hausdorff距离   几何特征约束   点云配准  

摘要： 针对目前城市机载LiDAR点云数据在配准过程中存在的自动化程度低、效率低、配准结果易陷入局部最优等问题,提出一种基于平面几何特征约束的点云配准算法。该算法首先基于渐进形态学滤波算法提取非地面点,并依据点云平面度与粗糙度特征提取建筑物点云,然后通过欧式聚类与RANSAC算法提取建筑物点云平面特征,接着通过计算重心KD树与Hausdorff距离构建平面特征的相似性系数矩阵,同时引入双向一致性约束规则与平面法向量余弦相似性测度进行平面特征匹配,最后依据平面几何特征约束条件构建点云四元数坐标转换模型,实现了点云数据的精确配准。实验结果表明,相对于传统的人工选取同名平面特征的方法,本文算法的匹配效率、准确率和配准精度均有显著提高。