课程文献中心 更多>>

关键词： 交通标志检测   重参数化   目标检测  

摘要： 针对现有的目标检测模型对复杂天气下的交通标志检测存在漏检与错检的情况,提出了一种改进YOLOv5s的交通标志识别算法。为提高算法在各种复杂场景下的适应性,设计了一种基于重参数化(Re-Parameterized, ReP)的C3模块,将其命名为C3_DB;在网络的Neck部分引入上下文聚合模块,使得算法可以聚焦于重点区域的特征,减少复杂背景造成的混淆,从而提升模型的特征提取能力;引入高效交并比(Efficient Intersection over Union, EIoU)损失函数代替传统的完全交并比(Complete Intersection over Union, CIoU)损失函数,提升模型训练时的收敛速度,进一步提升模型对复杂情景下目标的检测性能。在中国交通标志数据集CCTSDB 2021上的实验结果表明,改进后算法的平均精度均值(mean Average Precision, mAP)为79.8%,相较于YOLOv5s提升2.4%,检测速度达到128帧/秒,在检测性能与检测速度之间取得了较好的平衡。意味着改进后的算法能够满足更高精度的交通标志实时检测需求,为实际应用提供了可靠的解决方案。研究成果对未来的交通管理和自动驾驶系统的发展具有重要意义,为提高安全性和可靠性提供了新的前景。

关键词： 主体分割   神经网络   感受野   参数量   分割精度  

摘要： 通过在Mobile-Unet网络的基础上加入SENet通道注意力机制来改进图像前景主体分割算法。改进后的算法引入深度可分离卷积来减小模型参数量,同时利用跳跃连接和多尺度特征融合来提高模型的分割精度。在训练过程中,采用了带空洞卷积的空间金字塔池化模块来增加感受野,提高模型对于大尺度物体的识别能力。实验结果表明,改进后的算法在PASCAL VOC2012数据集上达到了96%的MIOU(Modular Input/Output Unit)分割精度,准确率达到了0.971,优于现有的多种图像分割算法,例如FCN全卷积神经网络算法。在速度方面,模型对于每张图片的处理时间为1.7~2.5 s,改进后的算法相对于传统的全卷积神经网络具有更快的推理速度,适合于在移动设备上实现实时图像分割。通过对比实验,比较了改进前和改进后的Mobile-Unet模型以及FCN模型对于明亮条件下和昏暗条件下图像前景主体分割的效果,并得出了改进后的Mobile-Unet模型具有最好效果的结论。最终进行算法的部署,设计了GUI可视化操作界面,并生成.exe可执行文件。

关键词： 综合运输   多目标路径优化   进化算法   多式联运   不确定时间   碳排放  

摘要： 多式联运能充分发挥各运输方式的优势,助力实现货运降本增效,其中,联运路径决策是关键。联运组织过程和外界环境变化均可导致运输时间发生波动,本文考虑多式联运过程中路段运输时间和节点转运时间随机性对路径优化的影响,引入梯形模糊数刻画时间不确定性,以最小化运输成本、碳排放量和运输时间为目标,构建带时间窗约束的多式联运路径优化模型,并基于模糊机会约束规划理论,将不确定性模型转化为较易求解的混合整数规划模型;结合种群实时进化状态,将进化过程划分为两个阶段,第1阶段旨在优化目标函数,第2阶段寻求目标优化与约束条件之间的平衡,在此基础上,设计一种多阶段多目标进化算法求解模型;最后,以某多式联运网络为背景开展算例分析。计算结果表明:所提方法能合理编制面向不确定时间的多式联运路径优化方案集,其机会约束满足概率均超过90%;且与当前最先进的约束多目标进化算法相比,其超体积指标值提升了2.11%~41.95%;所提方法的性能较为显著,能够为多式联运经营主体提供有效的路径决策支持。

关键词： 决策树算法   学习效果   监测系统   精度  

摘要： 本文针对传统学生学习效果监测系统精度与准确率较低的问题,设计了一种基于决策树算法的学生学习效果监测系统。在系统设计中,本文进行了数据采集和处理,利用决策树算法构建学生学习效果预测模型,重点关注了软件和硬件层面的实施细节,保证系统能够处理大规模数据,并具有实时预测能力。测试表明,与传统系统相比,本系统在精度与准确率上具有显著优势,能够高效、准确地观察学习效果,可为教师提供个性化支持,有效提升教学质量,为学习效果监测领域的进一步发展提供示范。

关键词： 幼儿园小朋友优化算法   玩具吸引策略   找伙伴策略   小红花策略  

摘要： 为了提升黑猩猩优化算法开发精度和全局搜索能力,通过观察、总结4~6岁幼儿园小朋友行为特点,建立数学模型,提出一种新的元启发式算法:幼儿园小朋友优化算法(kindergarten children optimization algorithm,KCOA)。在算法设计上,幼儿园小朋友拥有玩具吸引、找伙伴、小红花三种社会行为。玩具吸引策略体现最优个体的引领作用。找伙伴策略增加普通小朋友间相互交流、提升普通小朋友个体自主探索种群空间能力,避免因最优个体错误判断让整个种群陷入局部极值点、搜索停滞。小红花策略实时评估当前小朋友位置状态,及时更新劣解、提升算法收敛速度和寻优精度。通过对23个基准测试函数的寻优对比分析、Wilcoxon秩和统计检验、Friedman排名以及部分CEC2014测试函数寻优结果对比,KCOA算法相比黑猩猩、两种改进黑猩猩、粒子群等优化算法在开发精度和寻优稳定性上都具有显著优势。最后,通过两个工程问题证实了该算法的有效性。KCOA算法求解弹簧、减速器设计问题对比黑猩猩优化算法最优开销分别减少0.85%、2.13%。

关键词： 大规模多输入多输出   混合波束成形   峰均功率比(PAPR)   选择性映射(SLM)  

摘要： 在大规模多输入多输出系统中,峰均功率比(PAPR)是影响发射机性能的主要因素之一。传统的PAPR降低方法都是基于全数字编码结构,无法有效地降低混合波束成形结构中发射天线端信号的PAPR。为解决这一问题,提出一种改进选择性映射(SLM)算法,该方法对输入信号进行独立的相位旋转并计算发射天线端信号的PAPR,最后选取PAPR最小的一组信号进行发送。此外,还分析了使用该算法下发射天线端信号PAPR的上界和下界。理论分析与仿真结果显示,改进SLM算法能够有效地降低混合波束成形结构发射天线端信号的PAPR。

关键词： 输电线路   覆冰   遗传算法   图像处理  

摘要： 输电线路覆冰时会严重危害电力系统稳定运行,为了能够准确检测输电线路的覆冰状态,本研究提出了一种基于遗传算法结合图像处理的输电线路覆冰检测方法。该方法首先将图像灰度化并对图像进行增强处理;然后对增强后的图像进行改进的中值滤波处理,去除噪声;接着通过遗传算法迭代计算图像最佳阈值,根据计算的最佳阈值对图像进行分割;最后对分割图像进行形态学处理和连通域分析,去除背景相关部分。结果表明,该方法能够快速准确地检测出覆冰部分,为输电线路的安全运行提供了有效的保障。

关键词： 知识点标注   超图卷积网络   知识场景   情境超图  

摘要： 针对图片资源的视觉特征与高级知识语义不一致的挑战,提出一种新的知识点自动标注算法,称为基于知识场景的情境超图卷积网络(SHGCN),以便高效组织管理教育领域中的图片数据,促进知识理解与有效利用,实现教育智能化。该算法在提取图片资源显性视觉特征的同时,又挖掘了隐含在细粒度区域的隐性知识信息。利用Faster R-CNN和OCR技术来识别知识对象和坐标文本等知识实体,这些知识实体特征融合后作为该图片的知识向量;提出双筛选机制来生成不同类型的知识场景,并将知识场景作为超边来构建情境超图,建模蕴含相似情境信息的图片间高阶知识相关性。利用超图卷积实现知识相似图片的情境信息聚合,实现“视觉-语义”到“视觉-语义-知识”的转化。还构建了一个物理学科的图片数据集来训练和验证SHGCN。实验结果表明,SHGCN在提取图片显性视觉信息的基础上,进一步挖掘隐性知识信息,其性能优于基线方法。

关键词： DCP算法   三维图像增强   对比度   多尺度   分数阶   阈值分割   图像去雾   纹理特征提取  

摘要： 由于二维图像映射到三维模型表面时,三维图像会产生纹理特征缺失和颜色失真等问题,使得生成的三维图像的对比度过高或过低,导致三维图像的清晰度较差。对此,提出一种DCP算法下三维图像对比度多尺度分数阶增强方法。采用最佳阈值方法分割三维图像,并通过DCP算法实现图像去雾处理,确保图像中的颜色与实际颜色保持一致。基于动态梯度自适应能力,依据去雾的图像的实际情况自适应调整阶数,提取图像纹理特征;采用拉普拉斯金字塔算法多尺度融合纹理特征,提升三维图像对比度。测试结果表明:所提方法增强后的三维图像的图像方差和图像熵结果分别在0.931和0.927以上,具有较为平衡的对比度,且图像的清晰度较高。

关键词： CFD-DEM   算法   气力输送   气固两相流   特性分析  

摘要： 本文聚焦于基于 CFD-DEM 算法对气力输送气固两相流特性的研究。首先阐述气力输送在工业领域的重要性以及研究气固两相流特性的意义。详细介绍 CFD-DEM 算法的基本原理,包括计算流体力学(CFD)对流体相的处理和离散单元法(DEM)对颗粒相的模拟方法。分析了气固两相流在气力输送过程中的速度分布、浓度分布、压力损失等特性,并探讨不同操作参数如气体流速、颗粒粒径、输送管道直径等对这些特性的影响。对这些特性和影响因素的研究,旨在为气力输送系统的优化设计、高效运行和故障诊断提供理论依据和技术支持。