课程文献中心 更多>>

关键词： 工业操作系统   资源调度   鲸鱼优化算法   元启发式算法  

摘要： 工业操作系统借助资源实例化调度(RIS)技术管理制造资源时,会面临众多功能相似但服务质量各异的生产资源,导致资源选择和配置变得复杂。针对这一现状,提出了黄金柯西鲸鱼优化算法(GCWOA),该算法通过融合Tent混沌映射、黄金分割系数和柯西变异算子,实现对RIS问题的优化,提升服务质量。通过开展不同规模的RIS仿真实验验证,GCWOA展现出了显著的优势。相较于遗传算法、鲸鱼算法和2个改进鲸鱼算法,GCWOA的平均求解精度提升了5.6%,平均时间效率提高了2.35倍。以上结果充分证明了GCWOA在解决RIS问题上的高效性和实用性,为工业操作系统的资源管理提供了有力的优化工具。

关键词： 基音频率估计   机器学习   基频估计算法  

摘要： 基音频率是声音信号的重要特征之一,反映了声音的情感、说话者身份和音色特征,广泛应用于语音合成、音乐合成、语音转换等领域。传统的基音频率估计方法主要依赖信号处理技术,基于时域和频域特征进行分析和提取。采用传统信号处理方法与新兴的机器学习方法进行比较,研究了如何提高复杂语音信号中基音频率估计的准确性。传统方法,如Yin算法,侧重于时域分析,而机器学习方法,如CREPE,利用大量训练数据学习基音模式。结果显示,尽管传统方法易于实现,但在处理复杂信号时准确性不足。相比之下,机器学习方法在复杂语音和音乐信号的基音估计中表现出更高的准确性和鲁棒性。结论指出,随着技术的进步,机器学习方法正逐渐取代传统方法,成为基音频率估计的主流技术。

关键词： 多平台数据融合   径向基函数   残差网络   萤火虫算法   长短期记忆网络   交通流量预测   时空模型  

摘要： 针对单一模型无法分析复杂、非线性交通流数据的问题,在多平台数据融合的基础上提出了一种面向短时交通流量的组合预测算法。对于交通流数据具备的时间性和空间性特征,首先使用径向基函数(RBF)神经网络对相邻节点的空间交通流数据进行分析,然后利用ResNet对RBF神经网络效率低的缺陷加以改进,最后通过双向长短期记忆(LSTM)网络的时间序列分析能力提取交通流数据的时间特征。同时,引入了萤火虫算法对时空模型的参数进行优化。对基于公共数据集获取到的车辆、天气、高速公路等多平台信息进行了试验。相较于对比算法,所提算法的均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)指标均最优,预测值与实际流量值最接近。该算法的综合性能较理想,且鲁棒性较强。

关键词： 汽车门板紧固件检测   小目标   自适应权重分配   无参注意力   选择性注意力   损失函数   深度学习  

摘要： 针对汽车门板紧固件在复杂场景下存在的检测准确度较低和实时性较差的问题,提出一种小目标改进算法YOLOv8-SOD(small object detection)。在主干网络引入SPD(space-to-depth)模块和自适应权重分配模块,在算法的颈部网络输出位置增加选择性注意力模块,将CIOU损失函数替换为MPDIOU损失函数。实验结果表明,YOLOv8-SOD算法平均检测精度为99.1%,比模板匹配方法和YOLOv8算法分别提高了9.4%、2%,达到了工厂生产流水线的检测标准,具有实用价值。

关键词： 图像识别与处理   深度学习   研究进展   挑战  

摘要： 随着深度学习技术的飞速发展,图像识别及处理领域目睹了一系列重大进展。本论文的目的是综述深度学习技术在该领域的最新研究成果,并深入探讨当前面临的关键挑战。文章首先介绍了深度学习在图像识别中的应用,接着详细探讨了几种广泛使用的模型架构,包括卷积神经网络(CNN)、循环神经网络(RNN)以及生成对抗网络(GAN)。此外,文章还评估了这些先进技术在图像分类、物体定位和图像分割等具体任务中的表现。在结论部分,文章集中讨论了深度学习方法在应用过程中遇到的主要障碍,例如训练数据的偏斜、算法泛化能力的不足以及对计算资源的高需求,并基于这些挑战对未来的研究方向进行了展望。

关键词： 蚁群算法   势场启发式函数   信息素奖惩策略   最大最小蚂蚁系统   路径规划  

摘要： 该文针对智能车路径规划问题,提出一种改进蚁群算法的路径规划方法。传统蚁群算法虽有良好适应性,但也存在效率低下和易陷入局部最优等问题。为此,该文引入势场启发式函数和信息素奖惩策略,优化启发函数和信息素更新机制,提高算法全局搜索能力和收敛速度。通过最大最小蚂蚁系统保持信息素多样性,有效避免局部最优,并采用路径二次优化策略简化路径,减少长度。实验结果表明,改进算法在复杂环境下有更快的收敛速度和更高的路径质量,为智能车路径规划提供了一种有效的优化策略。

关键词： 体层摄影术,X线计算机   纹理分析   腹部   深度学习   图像重建算法  

摘要： 目的探讨深度学习图像重建(DLIR)算法、自适应统计迭代重建(ASiR-V)算法和滤波反投影重建(FBP)算法对肝脏肿瘤患者门静脉期CT腹部增强直方图和小波特征的影响。方法回顾性收集接受腹部增强CT检查的肝脏肿瘤患者68例。利用门静脉期数据重建出FBP、ASiR-V 30%、DLIR(低、中、高3种重建强度)共5组图像。对各组图像的肝脏病灶、肝脏、脾脏、肾脏以及竖脊肌提取直方图特征及小波特征并采用单因素方差分析或Kruskal-Wallis检验进行比较。两名医师分别勾画三维病灶,其中1名医师间隔1个月再次勾画。采用ICC评估病灶特征提取的一致性。P<0.05认为差异有统计学意义。结果肝脏、脾脏、肾脏、肌肉和肝脏肿瘤的大部分直方图和小波特征在5组图像之间差异均具有统计学意义(P值均<0.05),且随DLIR重建强度的增高,差异无统计学意义的特征数量减少。在直方图特征中,能量、平均值、中位数和总能量在5组图像间差异均无统计学意义(P值均>0.05);在小波特征中,平均值和中位数在5组图像间差异无统计学意义(P值均>0.05)。除小波特征中的平均值外,肝脏肿瘤其余特征提取的一致性良好,观察者内及观察者间ICC值分别为0.756~1、0.767~1。结论30%ASiR-V及不同强度DLIR算法均会影响CT门静脉期腹部脏器和肝脏肿瘤的直方图及小波特征提取,且影响会随重建强度增加而加重。中位数可能作为肝脏肿瘤CT纹理分析的可靠定量参数。

关键词： 粒子滤波   路径规划   局部最优   优化算法   信息素  

摘要： 路线优化即路径规划问题是指在环境信息已知的情况下,找到一条路程最短且避免与障碍物碰撞的有效路线。该问题的求解算法由于环境信息的复杂多变存在很多局限性,目前用于求解路径长度最小化的算法在求解过程中容易陷入局部最优问题,且收敛速度也较慢。针对这类问题,提出了一种基于粒子滤波优化方法的求解思路。首先,在环境信息已知的情况下,确定了其起点与终点的位置信息,其最优路径就是固定的,可以把求解路径最优问题看成是一个对路径长度的优化问题;然后,利用粒子滤波的方法对其进行最优求解估计;同时,引用蚁群算法的信息素思想进一步改进其优化过程,使优化更快地进行收敛,找到其最优解。仿真实验表明,采用粒子滤波优化方法能够精确找到路径最优路线,并且其收敛速度性能良好。

关键词： 反应堆探测器组件拆除   机器视觉   模板匹配   分数阶微分  

摘要： 传统模板匹配算法往往通过整数阶微分算子来寻找特征点,存在着抗噪性差、对纹理细节丰富的目标图像匹配效果差的问题。而分数阶微分算子已在前人的文献中证实,相比整数阶微分可能会丢失的细节,分数阶微分可以通过调整阶数参数来突出不同尺度的空间频率成分,从而既能有效增强图像的细微结构又能抑制噪声。因此,将基于一阶梯度算子的特征匹配算法Linemod改为基于分数阶微分算子的算法。实验表明,改进的分数阶微分特征匹配算法在选择合适阶数的微分算子以后,在保证提取出图像纹理边缘特征的同时,抑制了噪声对匹配过程的干扰,使匹配结果更准确,匹配速度更快。

关键词： 输电通道   空飘物   目标检测   尺度变化  

摘要： 在电网长期运行期间,空飘物威胁输电线路安全稳定运行。针对密集输电通道场景复杂及漂浮物形态与尺度快速多变,难以兼顾检测准确性与实时性的问题,提出基于多尺度融合的密集输电通道空飘物检测算法。该算法以路径聚合网络为基础,融合快速空间金字塔池化模块,添加动态蛇形卷积和小目标检测层提升检测性能,采用置换注意力机制与加权交并比损失函数降低复杂背景干扰。试验分析表明,该算法可有效应对移动引发的尺度变化,精度和速度均优于其他目标检测算法。