课程文献中心 更多>>

关键词： 火灾检测   YOLOv5   注意力模块   多分支卷积  

摘要： 预警火灾对人类生命财产安全具有重要意义。为了提高算法在实际火灾场景中的检测能力,文章提出了一种基于YOLOv5改进的火灾检测算法YOLO-IFD。在YOLOv5网络的基础上进行改进,首先在主干网络中嵌入Shuffle模块,通过学习通道特征和空间特征,保持高分辨率信息,从而抑制冗余特征,同时增强全局和局部特征的提取能力;其次,引入一种新的残差双重注意力模块(RDAM),进一步增强关键特征的表达能力;最后,在网络结构的最深层特征后添加一个多分支卷积模块(RFB),该模块能够融合不同尺度的空间语义信息和细节信息,有效分离出最显著的上下文特征,提升检测精度。实验结果表明,YOLO-IFD相比YOLOv5s原网络,平均精度(mAP)提升了6.1%,且检测速度达到了121fps,能够满足实际场景中的实时火灾检测需求。

关键词： 睾丸病变   良性   恶性   磁共振成像   影像组学  

摘要： 目的探讨基于多参数MRI影像组学联合多种机器学习算法模型对睾丸良恶性病变的鉴别诊断价值。方法回顾性搜集148例经病理证实为睾丸良恶性病变患者的首次MRI及临床、实验室检查资料;其中良性60例,恶性88例;按照7∶3比例随机将其分为训练集(n=103)和测试集(n=45)。采用3D-Slicer软件逐层勾画病灶的感兴趣区(ROI),并提取组学特征。采用最大相关最小冗余(mRMR)、最小绝对收缩和选择算子算法(LASSO)筛选最优组学特征,并分别采用6种机器学习算法构建模型。应用受试者工作特征曲线(ROC)的曲线下面积(AUC)、敏感度、特异度、准确率评估模型的预测效能。结果对比增强(CE)-T_(1)WI+扩散加权成像(DWI)+T_(2)WI中提取的组学特征联合逻辑回归(LR)机器学习算法所构建的模型的AUC值在训练集和测试集分别为0.927和0.982,且敏感度、特异度和准确率为所有模型中最高。结论基于CE-T_(1)WI+DWI+T_(2)WI组学特征并结合LR机器学习算法的模型在睾丸良恶性病变的鉴别诊断中具有最佳的预测效能。

关键词： 透射边界   插值算法   自由场   散射场  

摘要： 一个时间步内外行波以人工波速走过的距离与网格尺寸往往不一致,因此在应用透射边界公式时,一般通过时间插值或空间插值的方法将透射边界的计算结点用有限元结点表示。本文导出了拉格朗日插值算法、埃尔米特插值算法以及三次样条插值算法的透射边界一次透射插值公式,探讨不同插值算法对透射边界数值模拟结果的影响。首先将弹性半空间中入射P/SV波自由场问题的数值解与解析解对比,讨论3种插值算法对计算精度的影响,然后以半圆河谷地形入射P/SV波散射问题为例,对比不同插值算法计算得到的结果。数值结果表明:不同插值算法对透射边界数值模拟结果有显著影响,在3种插值算法中,三次样条插值算法计算精度最高,其次是拉格朗插值算法,相比之下,埃尔米特插值算法计算得到的精度较低。相比于自由场,散射问题的计算结果受3种插值算法的影响较大,拉格朗日插值算法与三次样条插值算法计算结果相近,而埃尔米特插值算法的计算结果差异较大。本研究成果为在应用透射边界模拟场地动力反应时,选择合适的插值算法提供了科学依据。

关键词： 纸箱联动线   NSGA-II算法   模糊PID控制   生产速度   系统响应时间  

摘要： 针对纸箱联动线在工作过程中存在的生产速度控制精度不高、系统响应慢等问题,提出了一种基于NSGA-Ⅱ算法优化模糊PID的纸箱联动线控制算法。基于NSGA-Ⅱ算法对模糊PID控制器中的比例因子进行了全局寻优,提高了控制精度和系统的响应速度。利用MATLAB的Simulink工具进行了仿真,仿真结果显示,基于NSGA-II算法优化模糊PID控制的超调量为1.46%,到达峰值时间为1.467 5 s,与模糊PID控制和常规PID控制相比超调量及到达峰值时间均大幅降低。实际纸箱联动线(联动线型号GMFG-0820)生产结果显示,应用基于NSGA-II算法优化模糊PID控制生产680 mm×280 mm(L×W)纸箱,生产速度误差在[-1,1],误差最小,有效实现了纸箱联动线生产速度的精确控制及系统响应速度的提升。

关键词： 视差图   立体匹配   堆叠卷积   注意力机制   三池化  

摘要： 为解决小型纹理类物体的视差计算及三维重建问题,提出了基于双重三池化注意力机制的PSMNet-ECSA算法。通过在残差网络主干中嵌入通道和空间注意力两个维度,每个维度以平均、最大、混合池化的方式进行特征维度融合,在一定程度上防止了过拟合现象,从而增强网络信息提取能力和泛化能力。在实验环境和数据集一致的条件下,经过SceneFlow、KITTI2015和真实场景实验分析,相对比原始PSMNet算法,本文算法在平均绝对误差、阈值误差等指标取得了10%的提升;将该算法应用于鲍鱼重建三维点云模型,长、宽、呼吸孔等距离测量平均相对误差在3%以内,能够以自动化的方式测量并记录小型海洋类生物的生长情况,具有良好的实际应用价值。

关键词： 机器学习算法   肿瘤病人   经外周静脉置入中心静脉导管   导管相关性血流感染   预测模型  

摘要： 目的:探讨肿瘤病人经外周静脉置入中心静脉导管(PICC)相关性血流感染预测模型的构建及效能验证。方法:选取2021年4月—2023年3月收治的肿瘤病人2 608例作为研究对象,所有病人住院期间均行PICC导管置管,根据病人是否发生PICC导管相关性血流感染分为发生组和未发生组。基于机器学习算法,分别采用支持向量机(SVM)、XGBoost及Logistic回归分析方法构建肿瘤病人PICC导管相关性血流感染发生预测模型,并进行分析比较,得出具有预测效能的算法模型。结果:两组病人的血小板计数、PICC留置时间、导管留置时间、伤口敷料类型、是否有导管移位以及单次置管穿刺次数比较,差异有统计学意义(P<0.05);XGBoost预测模型中血小板计数对模型影响最大,其次为D-二聚体水平;在SVM模型中,血小板计数的沙普利加性解释(SHAP)值最大,表明其对模型的影响最为明显;而Logistic回归模型中最终纳入PICC留置时间、导管留置时间、伤口敷料、是否有导管移位、单次置管穿刺次数5个因子,且XGBoost预测模型区分能力最高。结论:病人是否发生PICC导管相关性血流感染在多个指标上有差异,且不同模型的影响因素不同。SVM及XGBoost构建的预测模型的敏感度与准确度上优于Logistic回归模型,可以对PICC导管相关性血流感染风险作出相对精准的评估和预测,在临床工作中能有效降低PICC导管相关性血流感染的发生率。

关键词： 改进决策树算法   资源   分类   挖掘   思政教学  

摘要： 针对思政教学资源分类不明确、挖掘效率低的问题,文章开展了基于改进决策树算法的研究。通过技术手段促进思政教育与计算机科学的深度融合,提升了思政教育的质量和效率;提取思政教学资源的多维度特征(涵盖文本内容、图像信息、时间序列数据等),以确保对资源特征的全面量化;综合应用自然语言处理、图像识别和时间序列分析等技术,能够更准确地捕捉思政教学资源的内在属性与价值;基于提取到的多维度特征,构建了一个改进决策树分类器,提高了分类器的鲁棒性和泛化能力。实验结果证明,文章方法相较于现有的挖掘方法在思政教学资源的分类挖掘任务中表现出了更高的分类性能和更快的处理速度。该成果解决了思政教学资源分类的难题,进一步证明了思政教育与计算机科学融合的可行性和有效性。计算机信息技术能够更加高效地管理和利用教学资源,为学生提供更加个性化、精准的学习体验。

关键词： 超视距定位   直接定位   准抛物线电离层模型   脉冲噪声   最大相关熵准则  

摘要： 超视距(over-the-horizon,OTH)无源定位在战略预警、海上导航、无线电频谱监测与管理等领域均具有重要应用和研究价值。在脉冲噪声环境下,可以考虑采用多个运动的单天线接收机实现对OTH短波辐射源的定位。为此,基于准抛物线(quasi-parabolic,QP)电离层模型,在其参数部分未知的情况下,提出了一种基于最大相关熵准则(maximum correntropy criterion,MCC)的超视距直接定位(direct position determination,DPD)算法,实现对目标位置和电离层模型参数的联合估计。针对非凸目标函数求解计算复杂度高的问题,提出了应用增强型鲸鱼优化算法(enhanced whale optimization algorithm,E-WOA),以较低的计算复杂度实现了高效解算。仿真实验验证了所提算法良好的定位性能;此外,在噪声脉冲性较强的环境下,所提算法在低广义信噪比(generalized signal-to-noise ratio,GSNR)时同样能获得较高的定位精度。

关键词： 精准教学   初中数学   数据模型   分层教学  

摘要： 精准教学强调根据学生个体化差异和学习需求为其提供个性化的教学服务,在提高教学质量和效率的同时,促进教育公平,推动教育现代化的发展。本文通过数字化技术,对初中数学学情数据进行深层次挖掘和分析,以期探索基于数据驱动的精准教学路径。

关键词： BP神经网络   PID控制   扩张状态观测器   温度控制   参数自调整   系统扰动  

摘要： 针对传统温度控制系统控温时间长、误差大的问题,提出一种基于改进PID和扩张状态观测器的温度控制算法。首先,建立了结合BP神经网络的PID参数自调整温度控制模型,并对BP神经网络的输入层进行改进,将更多的先验信息加入输入向量,用于训练BP神经网络,以减少系统的不确定性;其次,通过增加状态观测器来估计系统扰动,针对控制系统的扰动进行补偿,并在仿真实验中验证方法的有效性;最后,根据仿真实验结果显示,与参考文献中提及的算法相比,系统的上升时间减少了19.7%,超调量减少了81.7%,调节时间减少了41.7%,静态误差减少了73.0%。