课程文献中心 更多>>

关键词： 电子文件   国密算法   区块链   摘要上链  

摘要： 针对在弱信任环境传输电子文件可能存在文件来源不可信、敏感数据易泄露、重要数据易篡改、事后问题难追溯等问题,提出将文件传输参与人作为独立节点搭建一个区块链,将国密算法运用到发送、接收、反馈、保存等电子文件传输全过程中,以保障传输使用过程中信息的可信性、完整性、机密性。同时,将加密文件和传输记录的数字摘要上链,利用区块链分布式网络节点部署、区块的链式构造和数据的加密算法等技术特点保障电子文件传输透明安全、文件数据难以篡改、传输过程记录全程可溯。

关键词： 多参数联合估计   波达方向估计   调制模式识别   阵列信号处理   神经网络  

摘要： 针对水声信道复杂多变且衰减严重等问题,为提升非合作条件下水声通信信号的检测概率并扩大感知范围,设计了一种新型基于阵列多通道时频谱输入的神经网络多参数联合估计算法。该算法通过引入载波频率标签分配策略,将载波频率作为区分不同信号的关键物理特征,有效避免了频带外信号和噪声的干扰;利用端到端的多任务学习,能够同时完成信号检测、调制模式识别,以及对信号个数、载波频率、带宽和波达方向的联合估计,从而避免了传统算法中需要先进行波束成形再进行检测识别的复杂流程。仿真实验结果表明,在阵列阵元位置失配和信号被噪声掩蔽的情况下,所提算法仍能实现准确的信号估计。进一步的湖上实验验证了所提算法的实用性和泛化能力。

关键词： 超纤革   瑕疵检测   DCNv3-LKA   MPDIoU  

摘要： 超纤革是一种用于高端产品的新型复合材料,其瑕疵检测对产品质量至关重要。针对超纤革表面瑕疵多尺度、长宽比差异大和微小瑕疵较多的难点,提出用于超纤革表面瑕疵识别的MFL_YOLOv8算法。MFL_YOLOv8算法首先基于Deformable Large Kernel Attention(DLKA)机制设计了多尺度特征提取模块DCNv3-LKA,显著增强了主干网络的多尺度特征提取能力;然后通过在特征金字塔网络中引入P2特征图和Dysample上采样模块,强化了网络对小目标的细节信息提取;最后引入Minimum Points Distance Intersection over Union(MPDIoU)以缓解训练初期小目标上的损失函数失效问题,提升了小目标的检测效果。在自制超纤革表面瑕疵数据集上的实验结果表明,相比于YOLOv8n,所提算法的平均检测精度和召回率分别提高了5.38%和7.27%,达到92.47%和92.40%,每秒帧率(FPS)为135.2 frame/s,满足工业现场的准确性和实时性要求。

关键词： 数值分析算法   计算机实验   性能比较   收敛性   稳定性  

摘要： 文章探讨了数值分析算法在计算机实验中的应用及其性能比较,并结合理论与实践,对当前主流的数值分析方法进行了系统分析。未来的研究方向将集中在开发更高效的算法,结合机器学习技术提升数值分析能力,以满足日益增长的数据处理需求。以上研究,不仅为数值分析算法的实际应用提供了科学依据,还为相关领域的研究者提供了可参考的研究框架与方向。

关键词： 机器学习   支持向量机   火焰识别  

摘要： 现如今,机器学习技术在火焰识别领域有很好的应用前景。采用传统的机器学习算法——支持向量机(SVM)算法进行火焰图片的分类识别。首先,对图片数据进行了翻转、灰度、标准化和亮度增强等预处理;然后,对火焰的颜色特征和纹理特征进行提取;最后,通过支持向量机算法对开源数据集进行训练识别和结果测试,取得了准确率为95.93%的检测结果。

关键词： 安全社会工程   安全帽检测   YOLOv8算法   GRC-C2f模块   DSASF颈部结构   Focal Modulation模块   空间增强注意力模块  

摘要： 针对目标密集、有遮挡的复杂施工场景下安全帽佩戴检测存在漏检、误检的问题,提出了一种基于YOLOv8的HD-YOLO安全帽佩戴检测算法。首先,设计了GRC-C2f结构,使用多分支结构捕获多尺度特征,兼顾训练阶段的特征提取能力和推理阶段的计算效率。其次,设计了DSASF颈部结构,结合动态上采样和多尺度特征融合,精准识别和定位图像中的小目标,以提高检测性能。然后,引入Focal Modulation模块替换原有的快速空间金字塔池化(Spatial Pyramid Pooling-Fast,SPPF)结构模块,捕捉图像中的长距离依赖和上下文信息,聚焦于复杂背景中的目标。最后,采用空间增强注意力模块(Spatially Enhanced Attention Module,SEAM)解决小目标遮挡问题。试验结果表明,HD-YOLO算法在同一数据集上平均精度均值为81.8%,相比原始YOLOv8算法提高了5.0百分点。设计的HD-YOLO算法有效提高了复杂场景中佩戴安全帽的检测精度。

关键词： 安全帽佩戴检测   改进YOLOv5s   注意力机制   深度学习  

摘要： 在施工中佩戴安全帽是高危行业的最佳防护措施之一。为了解决目前安全帽佩戴检测算法中小目标和密集目标检测困难的问题,对YOLOv5s检测算法进行了改进,提出了YOLOv5-GD检测算法用于安全帽佩戴检测。首先,为了提高YOLOv5s模型的检测精度,用FasterNet网络代替了其骨干网络,以提高计算效率和参数效率;其次,在YOLOv5s的骨干网络中添加了坐标注意力机制,将定位信息嵌入信道注意力中,使网络关注范围更广;再次,增加了小目标检测层,更好地理解多层次特征,可以使网络更加重视检测小目标,提高检测效果,从而增强模型的识别能力;最后,采用更先进的损失函数进行边界框回归(SIoU),可以提高模型训练过程中预测框的收敛速度和有效性。实验结果表明,YOLOv5-GD在自制安全帽数据集上的平均准确率为94.7%,比原始YOLOv5s算法提高了2.7%,在小物体和密集场景中具有更好的检测效果。

关键词： 表面缺陷检测   自适应权重   感受野   可编程梯度信息  

摘要： 针对钢材表面缺陷尺度不一,现有检测算法多尺度特征处理能力较差、精度有待提高的问题,提出了一种面向钢材表面缺陷检测的改进型算法,命名为ADP-YOLOv8。首先,提出了一种自适应权重下采样(Adaptive weight downsampling)模块,其通过加权组合不同的下采样特征图,增强了模型对缺陷信息的关注;然后,通过改进特征提取网络中的C2F模块,加强从网络高层的可扩展感受野中提取特征;最后,引入可编程梯度信息(PGI)模块,通过其多级辅助信息组件逐步整合不同尺度的特征,有效提高了模型对不同尺度缺陷敏感性。所提出方法的平均精度为79.3%,相比基准模型提高了3.5%;检测速度为163.2frame/s。相比其他主流的目标检测算法,改进后的检测器在性能上更具优势,展示出了在检测精度、速度和模型体积方面的良好平衡。

关键词： 补考   自动排考   排考算法   图论   图形用户界面  

摘要： 随着高职院校办学规模的扩大,为了解决补考排考人力和时间的浪费,该文采用分治法,提出了一种基于图论的高校补考排考算法,并实现了图形用户界面。在实际工作应用中,能够在几秒时间内得到满意的排考方案,显著提高了排考效率,使排考工作可以顺利且高效地完成,表明了算法的可行性。

关键词： 城市环境遥感参数   参数快速计算   生态指标动态构建   网格化空间分析   数据管理  

摘要： 为提高城市生态遥感指标快速提取与分析效率,该文采用C#+GDAL开源库+ArcGIS Engine方法库+数据库二次开发模式,围绕城市生态环境指标提取中遥感数据处理、参数提取、成果制图等关键性问题展开方法与算法设计;然后采用GDAL开源方法库和数据库技术,实现对处理后栅格、矢量数据的快速管理,对绿度(NDVI)、干度(NDSI)、湿度(WET)和热度(LST)等参数的快速提取,及相关指标建模与计算和相关城市生态指标的统计与分析。实现基于格网统计数据的快速连接、分析模型构建、统计分析和成果制图等功能。表明用GDAL、ArcGIS Engine、DB结合的方法可实现指标运算、格网分析、分类统计等方法,从而实现城市生态环境的格网化空间分析,可为城市生态环境数据管理、快速分析提供有效技术支持。