课程文献中心 更多>>

关键词： 蜂窝认知无线电网络(CCRN)   频谱接入   加权质心定位   KL散度  

摘要： 在蜂窝认知无线电网络(Cellular Cognitive Radio Network,CCRN)中,主用户(Primary User,PU)与次级用户(Secondary User,SU)之间缺乏通信,单独依靠传统的频谱感知技术来判断频谱接入机会存在一定的不可靠性。提出一种基于KL(Kullback-Leibler)散度与邻居关系的改进加权质心定位(KL-divergence Based Weighted Centroid Localization,KLD-WCL)算法。首先计算未知节点与锚节点接收信号强度(Received Signal Strength,RSS)向量的KL散度值,表征两者的邻近程度;其次,提出一种自适应邻居选择算法,针对每一个未知节点自适应地选择最优的邻居锚节点。在采用KLDWCL算法获得SU位置信息的基础上,最终实现机会性接入授权频段的使能标签设置。所提方案有效减缓了RSS波动对于定位精度的影响,优化了邻居节点选择策略与加权方式。理论推导与实验结果表明,所提方案为CCRN中的SU定位算法提供了更为强健和良好的定位误差性能,能够有效增强蜂窝认知网络对于频谱接入的可靠性。

关键词： 车载边缘计算   停车边缘计算   计算卸载   资源分配   双深度Q网络  

摘要： 目的为了解决车载边缘计算中用户服务质量低以及边缘节点资源不足的问题,方法结合车载边缘计算和停车边缘计算技术,提出“端-多边-云”协作计算卸载模型,并设计基于DRL的协作计算卸载与资源分配算法(cooperative computation offloading and resource allocation algorithm based on DRL,DRL-CCORA)。首先,将路边停放车辆的算力构建成停车边缘服务器(parking edge server,PES),联合边缘节点为车辆任务提供计算服务,减轻边缘节点的负载;其次,将计算卸载与资源分配问题转化为马尔可夫决策过程模型,综合时延、能耗和服务质量构建奖励函数,并根据任务需要的计算资源、任务的最大容忍时延以及车辆到PES的距离对计算任务进行预分类处理,缩减问题的规模;最后,利用双深度Q网络(double deep q network,DDQN)算法获得计算卸载和资源分配的最优策略。结果结果表明,相较于对比算法,所提算法的用户总服务质量提高了6.25%,任务的完成率提高了10.26%,任务计算的时延和能耗分别降低了18.8%、5.26%。结论所提算法优化了边缘节点的负载,降低了任务完成的时延和能耗,提高了用户的服务质量。

关键词： 双重匹配   遮挡目标   精确型傅里叶高度函数   特征置信度  

摘要： 针对传统目标识别算法对于遮挡目标匹配难度大、误匹配率高的问题,提出一种基于双重轮廓特征匹配的遮挡目标识别算法。首先,将形状轮廓分为采样点和轮廓有效片段两个层次,其中轮廓片段是利用离散曲线演化算法和分段优化算法获得的,用于表征形状的全局信息,而轮廓点的用于表征局部细节信息。其次,通过动态规整算法DTW(Dynamic Time Warping)衡量轮廓片段轮廓点之间的精确型傅里叶高度函数特征(Accurate Fourier Height Functions 2,AFHF2)的相似度,同时计算轮廓分段的置信度特征。最后,结合分段置信度再次匹配识别。实验结果表明,与常见的遮挡目标识别算法相比,所提出算法的检索精度有明显的提升。

关键词： 滤波器   目标跟踪   算法  

摘要： 针对目标跟踪中的目标运动模糊、光照变化、尺度变化等多种因素影响所造成的跟踪目标丢失的问题,采用复合相关滤波器实现目标跟踪.利用位置相关滤波器估计目标位置;利用尺度相关滤波器估计目标尺度;在线更新两种滤波器以适应跟踪中的目标位置、表征变化.通过OTB2015数据集对算法进行验证,该算法准确度达到74.5%,成功率达到63%,跟踪速度达到165fps.实验表明,该算法可对目标运动模糊、光照变化、尺度变化序列中的目标进行有效跟踪,在多个指标上优于其他多个比较算法.

关键词： 算法家长主义   算法权力   算法秩序   平台权力  

摘要： 新兴智能科技日益发展,不断推进算法系统与功能的快速迭代。算法从一种演算程序和计算策略逐步异化为一种算法权力意志,即依据其自身的特性与逻辑发挥作用,而这种意志势必会为其自身的强权行为谋求某种合法性与正当性,这便与家长主义立场不谋而合,这使得算法貌似为其自身的强权行为获得了一定程度的道德辩护。这一情形将会合理化算法原有的问题,也会带来值得我们慎思与警惕的新问题、新风险。鉴于此,我们详细论证了算法的家长主义倾向是如何可能的。在此基础上,对算法家长主义可能带来的问题与风险进行伦理反思与批判,即警惕算法家长主义为算法权力提供正当性辩护,慎思算法家长主义为平台权力提供合法性辩护,批判算法家长主义为现存算法秩序提供合理性辩护。

关键词： 算法规训   弱者的武器   同化   异化  

摘要： 随着算法在人们生活各个领域广泛铺开,算法对公民的规训作用无孔不入,对公民的自主性形成巨大挑战。本文从詹姆斯·斯科特的“弱者的武器”理论入手,探讨算法时代算法和公民规训—反规训的力量博弈。本研究认为,算法对公民的规训有间接规训和直接规训两条路径,分别对公民产生同化和异化作用。根据公民和算法的不同关系,即公民为供应方面主体或需求方面主体,公民反抗被算法规训的方式和动机也有差异。然而,作为两个方面主体的公民在反抗算法规训方面存在共同点:第一,公民的反抗行动大多是在遵守算法规则的前提下开展的个人层面的行动;第二,公民的反抗行动一般是对算法规则的微调,不能从根本上颠覆算法和公民的不平等关系。

关键词： 深度学习   目标检测   遥感图像   多尺度特征融合  

摘要： 针对遥感图像背景复杂、特征冲突以及目标尺度多变等问题,以YOLOv8s为基线模型,提出一种基于多尺度特征融合的遥感图像目标检测方法。将RepVGG网络作为模型的特征提取网络,提高模型的特征提取能力,有效实现全局语义信息的捕获;在颈部网络提出了一种三极综合性融合模块(tripolar integrative fusion,TIF),通过位置信息和语义信息的有效融合,提高对各个尺度目标的检测精度;将SlideLoss滑动损失函数作为模型的分类损失函数,增强模型对困难目标的检测能力,从而提高目标检测的准确性。实验结果表明,改进后的模型在NWPU VHR-10、RSOD和UCAS-AOD数据集上分别取得了94.4%、93.0%和95.5%的检测精度,相较基线模型分别提升了5.1、6.0、4.4个百分点,在准确性方面优于其他方法,能更好地完成遥感图像目标检测任务。

关键词： 无锚框目标检测器   特征融合   伪标签   双分支处理策略   半监督学习   半监督目标检测  

摘要： 在深度学习目标检测领域中,标注数据的复杂性对半监督目标检测技术的发展起到了推动作用。近期,无锚框目标检测器在半监督目标检测中的应用逐渐增多。然而,现有方法仍面临特征表达不足和伪标签质量参差不齐的挑战。为解决这一问题,该文提出了一种基于优化Dense Teacher的半监督目标检测算法。首先,通过设计通道信息增强的特征金字塔(CIE-FPN),优化了特征图的感受野和特征融合,旨在捕获更丰富的全局特征信息。其次,采用伪标签双分支处理策略,以解决分类与检测任务在伪标签需求上的不一致性,从而提高伪标签的可靠性。实验结果表明,在COCO数据集仅使用10%有标注数据的条件下,与基线网络Dense Teacher相比,提出的改进算法在提升无锚框半监督目标检测性能方面取得了明显效果。

关键词： 变分量子线性求解器   量子计算   偏微分方程   计算流体力学   三维高速飞行器复杂绕流  

摘要： CFD方法在用于三维大规模复杂流动的空气动力学数值模拟时,面临着计算成本高、模拟时间长等瓶颈问题。近年来,量子计算为航空航天CFD领域带来了新的解决思路,通过利用量子比特的叠加态和纠缠特性,理论上相比于经典计算机能够实现对数级的存储缩减和指数级的效率加速,在处理大规模空气动力学模拟等任务上具有巨大的潜力。聚焦于量子计算技术在航空航天CFD领域的应用探索,针对高速定常流动问题,采用变分量子线性求解器(variational quantum linear solver,VQLS)辅助求解CFD时间离散环节得到的高维线性方程组,进而发展了可以在含噪声中等规模量子(noisy intermediate-scale quantum,NISQ)器件上实现的VQLS-CFD耦合方法。通过三维双椭球模型和探测器火星科学实验室模型的超声速数值模拟测试,验证了VQLS-CFD耦合方法可以实现大规模复杂流动的鲁棒及准确模拟,并产生与试验数据吻合度较高的计算结果,最终获得高可信度的气动预测结果。然而,介绍的量子计算流体力学(quantum computational fluid dynamics,QCFD)方法在计算效率方面尚未达到真正意义上的加速效果,这一现象的突破将依赖量子计算机硬件的持续发展与QCFD算法的不断优化与成熟。

关键词： 主成分分析   核主成分分析   最大相关熵   鲁棒性   风电功率  

摘要： 针对高维非线性数据处理,该文改进了一种较为新颖的可以剔除高维数据中的冗余和无关特征并对这些非线性高维数据进行降维处理的机器学习算法,即基于最大相关熵准则的核主成分分析算法(KPCA-MCC).利用粒子群算法优化数据参数,在向量机(SVM)和最小二乘向量机(LSSVM)的支持下,针对风电功率进行仿真预测,分别对KPCA-SVM与PCA-SVM,KPCA-MCC与KPCA-MSE算法进行对比.通过大量对比试验,证明所提出的基于最大相关熵准则的核主成分分析算法具有有效性、适用性和鲁棒性.