计算机技术与发展

双系统冗余热备 EtherCAT 主站的设计与实验

2024年04月10 00:00

EtherCAT 总线技术凭借低成本、高性能的优势已广泛应用于工业控制领域。针对目前 EtherCAT 主站产品普遍无法同时满足线缆冗余和热备份运行,设计了一种双系统冗余热

备主站方案。该主站设备由 2 个主站模块与 1 个冗余控制模块协同工作,主站模块负责控制网络中的从站设备,冗余控制模块在监视主站模块并仲裁其激活 / 备用状态的同时还

通过其内部网口切换组件控制仅激活的主站模块接入网络。方案中主站模块基于龙芯微处理器设计,冗余控制模块基于意法半导体微控制器设计,所选用的主要软件如实时操作

系统( SylixOS,RT-Thread)以及协议栈(SOME,libmodbus) 均为开源产品。最后对所设计的主站设备进行测试验证,结果证明该主站功能完整性能优秀,既保留了线缆冗余机制还

实现了双系统冗余热备份运行,能够在激活系统故障后毫秒级时间完成系统切换,可靠性满足大多数工业控制应用场景对主站控制器的要求。

基于图常量条件函数依赖的图修复规则发现

2024年04月10 00:00

数据一致性是数据质量管理的一个重要内容。为了提升图数据一致性,大量关系型数据库中的数据依赖理论被引入到图数据库,包括图函数依赖、图关联规则等。图修复规则是最新提出的一种针对图数据的数据依赖规则,具有强大的修复能力,但目前尚无有效的挖掘算法。为了自动生成图修复规则并提高图数据修复的可靠性,提出一种将图常量条件函数依赖转化为图修复规则的方法( GenGRR) 。通过图模式在图中匹配同构子图并映射成节点-属性二维表,从表中相应属性域中抽取错误模式把图常量条件函数依赖转化成图属性值修复规则;删去图模式中常量条件函数依赖 RHS 对应的节点与相连边生成图属性补充规则。基于最大公共同构子图筛选并验证生成图修复规则的一致性。在多个真实数据集上进行测试,验证相比图常量条件函数直接修复图数据,通过转化生成的图修复规则具有更好的修复效果。

上下文语义嵌入的变粒度云存储相似数据去重技术

2024年04月10 00:00

针对云存储环境下现有相似数据去重技术效果不佳以及元数据开销大等问题,提出了上下文语义嵌入的变粒度云存储相似数据去重技术。该技术采用基于子块重组的特征提取算法,对数据块内容内部结构进行初步特征提取,并利用 BP( Back Propagation) 神经网络上下文感知模型将数据块上下文特征信息嵌入到初始特征中,实现了具有上下文语义嵌入的变粒度数据块。通过控制数据块大小,动态地合并相邻相似数据块或非冗余数据块,减少元数据开销,并对位于相似数据块和非冗余数据块之间过渡区域进行分割,从而获得更好的相似数据块表示形式。最后,为了评估其性能,实现了一个变粒度相似数据检测算法原型 rCARD 并在真实世界的数据集进行了实验,实验结果表明,与最新相似性检测去重技术 Finesse 相比,　rCARD 在实现更高重复数据删除率的同时,显著降低了元数据的大小,并且加速相似性检测速度高达11.07 倍。

基于空间投影和聚类划分的 SVR 加速算法

2024年04月10 00:00

数据不仅能产生价值,还对统计学的科学发展提供了动力。随着科技的飞速发展,海量数据得以涌现,但大规模的数据会导致很多传统处理方法很难满足各领域对数据分析的需求。面对海量数据时代学习算法的低效性,分治法通常被认为是解决这一问题最直接、最广泛使用的策略。 SVR 是一种强大的回归算法,在模式识别和数据挖掘等领域有广泛应用。然而在处理大规模数据时,SVR 训练效率低。为此,该文利用分治思想提出一种基于空间投影和聚类划分的 SVR加速算法( PKM-SVR) 。利用投影向量将数据投影到二维空间;利用聚类方法将数据空间划分为 k 个互不相交的区域;在每个区域上训练 SVR 模型;利用每个区域的 SVR 模型预测落入同一区域的待识别样本。在标准数据集上与传统的数据划分方法进行对比实验,实验结果表明该算法训练速度较快,并表现出更好的预测性能。

基于相关性模型与大数据分析的关键词优化方法研究

文继权 — 2024年04月10 00:00

随着计算机网络与信息技术的快速发展,电子商务得到了爆发式的发展,电子商务网店运营成为广大电商从业者所追捧的技术。随着大数据技术的普及应用,电子商务网店运营技术也在不断地推陈出新,基于大数据的关键词筛选优化就是人们所关注的重要技术。相关性模型是电商平台商品搜索排序的基础模型,基于相关性模型的搜索引擎优化(SEO) 是目前电子商务数据化运营中进行关键词优化筛选的基本方法。该文将原有方法与大数据分析相结合,从关键词采集、筛选、组合、监测、调换等多维度进行关键词的优化筛选,提出并论述关键词设置的三个筛选优化模型:竞争系数、单品位竞争个数、关键词主体价格区间适应性,并对筛选优化后选用的关键词进行了应用有效性实践监测。大量监测数据表明,使用相关性模型与大数据分析相结合的关键词筛选优化方法得到的商品标题关键词,可以有效提升商品的曝光量、点击率与转化率,实现更高效的网店引流与成交量。

基于弱监督表示学习的热红外目标跟踪

袁笛 — 2024年04月10 00:00

由于热红外成像技术具有更强的穿透雾、霾、雨、雪的能力,在恶劣天气条件下的成像效果几乎不受影响,使得基于热红外图像的目标跟踪任务越来越被研究者重视。针对基于卷积神经网络的热红外目标跟踪算法在模型训练过程中需要的带有标签的数据不足的问题,提出了一种基于弱监督表示学习的方法,利用少量的标签数据及大量的无标签数据进行模型训练,从而用于热红外目标跟踪任务。首先,利用主动学习的指导在大量无标签的数据中挑选最具有代表性的训练样本;然后,给定每个样本序列的首帧目标的真实标签,利用基础跟踪器生成该序列中其他图像帧中目标的伪标签;之后,利用带有真实标签和伪标签的训练数据进行模型训练;最后,利用训练好的模型在热红外目标跟踪算法测试数据集上进行模型测试。实验结果表明:该方法可以在减少模型训练对标签数据需求的同时保证跟踪器的准确性。

基于实时视频流的 3D 人体姿势和形状估计

2024年04月10 00:00

为满足元宇宙、游戏及虚拟现实等应用场景中对实时视频流 3D 人体姿势和形状估计准确性和真实性的要求,提出了一种基于时间注意力机制的 3D 人体姿势和形状估计方法。

首先,提取图像特征,并将其输入运动连续注意力模块以更好地校准需要注意的时间序列范围;随后,使用实时特征注意力集成模块以有效地组合当前帧与过去帧的特征表示;最后,

通过人体参数回归网络得到最终结果,并使用基于图卷积的生成对抗网络判断模型是否来自真实的人体运动数据。相较于之前基于实时视频流的方法,在主流数据集上加速度误

差平均减少了 30% 的同时,网络参数与计算量减少了 65% ,在实际测试中实现了每秒 55 ~ 60 帧的 3D 人体姿态和形状估计速度,为元宇宙、游戏及虚拟现实等应用场景提供更

好的用户体验和更高的应用价值。

基于 U 形多尺度注意力方法的真实图像去噪

王新武,陈春雨 — 2024年04月10 00:00

针对真实世界图像去噪算法存在对上下文信息和全局信息利用不足导致的去噪效果不佳问题,提出一种 U 形金字塔注意力网络( UPCA) 。 U 形结构由多尺度特征模块与长距离通

道注意力模块融合形成的金字塔注意力模块组成,U形结构通过拼接操作可以将每一层的输出特征图融合,减少卷积过程以及下采样过程中图像细节特征的丢失。多尺度特征金字

塔模块可以更好地利用上下文信息从而更好地恢复出干净的图像,而建立长距离依赖的通道注意力模块可以更好地利用全局信息,提高网络的去噪效果。同时在损失函数部分加入

噪声项来加快训练时收敛的速度以及提高去噪效果。UPCA 网络在数据集 SIDD 和 DND 进行对比实验,验证了 UPCA 网络的可行性和先进性,同时与同样使用通道注意力的RIDNet 相比 UPCA 网络的 PSNR / SSIM 指标提升了 0. 81 dB / 0. 044,去噪后的效果图直观表现也更好,而且同等参数下训练所需的算力更小。

基于多尺度 Scale-Unet 的单样本图像翻译

2024年04月10 00:00

随着生成对抗网络(GAN) 的发展,基于单样本的无监督图像到图像翻译(UI2I) 取得了重大进展。然而,以前方法无法捕获图像中的复杂纹理并保留原始内容信息。为解决这个问题,提出了一种基于尺度可变 U-Net 结构( Scale—Unet)的新型单样本图像翻译结构 SUGAN。所提出的 SUGAN 使用 Scale—Unet 作为生成器,利用多尺度结构和渐进方法不断改进网络结构,以从粗到细地学习图像特征。同时,提出了尺度像素损失 scale-pixel 来更好地约束保留原始内容信息,防止信息丢失。实验表明,与 SinGAN、TuiGAN、TSIT、StyTR2 等公共数据集 Summer－Winter、Horse－Zebra 上的方法相比,该方法生成图像的 SIFID 值平均降低了 30% 。所提方法可更好地保留图像内容信息,同时生成详细逼真的高质量图像。

基于区域特征优化及边缘增强的多聚焦图像融合

2024年04月10 00:00

针对多聚焦图像融合中存在的聚焦信息缺失、边缘特征表达不充分的问题,提出了一种基于聚焦区域特征优化及边缘增强的多聚焦图像融合方法。首先,提出了一种四流向的聚焦特征增强网络,在图像编码过程中实现聚焦特征的增强与补全;其次,提出了一种新的基于空间频率(NSF) 的聚焦区域提取策略,实现对聚焦区域特征的高效提取;最后,提出了一种边缘特征增强模块,通过计算图像边缘梯度,实现对目标区域的边缘信息增强。在 Lytro 数据集与 MFFW 数据集中与 8 种融合方法进行定性与定量对比。实验结果表明,该融合方法较好地解决了多聚焦融合图像中聚焦特征表达不充分、纹理细节不完整和边缘模糊等问题,视觉效果显著。

结合循环提取器与自蒸馏的目标检测方法

仲林伟,陈丹伟 — 2024年04月10 00:00

在深度学习时代,目标检测方法不断发展,且在良好的视觉环境中已经具有较高的水平。但是,在特殊天气下,常规的目标检测方法的检测性能大幅下降,甚至失效,而特殊天气环境的行车安全一直是社会广泛关注的问题。为了解决上述问题,该文主要设计了一个目标检测器的模型,即引入循环解纠缠、自蒸馏方法的改进 YOLO 模型。在循环解纠缠模块,从输入图像中循环提取域不变特征,通过循环操作,可以在不依赖域相关注释的情况下,提高图像域特征和域不变特征的解缠能力;在自蒸馏模块,以提取到的域不变特征为教师对象,进一步提高泛化能力。并且该检测器在只有一个源域进行训练的情况下,面对许多未曾训练过的目标域上仍然表现良好,提高了检测器在未知域的鲁棒性。实验验证了模型在各种天气下城市场景目标检测的效果,实验数据表明,该方法优于基线约 8 百分点,相比基线方法获得了性能提升。

基于改进 YOLOv5 的眼睛及瞳孔检测算法

2024年04月10 00:00

针对眼睛图像易受光照干扰导致的眼睛部位和瞳孔部位检测不准确及误检漏检的问题,提出基于改进 YOLOv5 的眼睛及瞳孔检测算法。首先,进行图像预处理,对比了三种图像增强方法,决定运用效果较好的 CLAHE( 限制对比度自适应直方图均衡化) 方法进行图像增强,提高对比度;其次,在 YOLOv5 网络中引入 Swin Transformer 模块代替骨干网络的最后一个 C3 模块和三个预测头中的三个 C3 模块,提高网络的特征提取能力,提升眼睛部位的检测精度;最后,在 YOLOv5 网络中通过引入多尺度特征跨层融合机制的方法,增加两个目标预测头,降低网络对眼睛部位和瞳孔部位的漏检率。该文从 ELSE 标准数据集中的 Data setXVIII 中选取了受光照程度不同的眼睛数据集 2 400 张,其中,1 600 张为训练集,800 张为测试集。实验结果表明,改进后的 YOLOv5 网络能检测出眼睛整体部位及完整的瞳孔部位,检测置信度也较高,mAP 提高了 3. 2 百分点,Recall 提高了 2. 7 百分点,且具有较好的实时性。

基于改进的 V-Net 模型肺结节分割算法的研究

2024年04月10 00:00

由于 CT 图像是三维图像,在原始的 V-Net 模型分割中,易出现结节漏检和边界分割不清晰,以及损失函数 Dice 训练时不稳定等问题。根据这些问题,提出 3D 多尺度 SE V-Net,

简称 MSEV-Net 网络,同时通过联合损失函数来提高训练的稳定性。该网络模型在 V-Net 网络的基础上,使用多尺度卷积模块来替换原有的 5 ×5 ×5 卷积,同时在残差连接后加

入SE 通道注意力模块,通过不同尺度的特征融合和学习不同通道之间的关系,解决肺结节小不易分割的问题。同时在 V-Net 网络残差连接基础上加一条短跳跃连接,使得整个网

络更好利用全局特征。联合损失函数选择 Dice 和交叉熵损失函数进行融合,可以很好地解决训练不稳定问题。提出的 MSEV-Net 网络模型和联合损失函数在平均分割准确率

PA 达到0. 998,DSC 达到 0. 837。实验结果表明,该方法在提高肺结节分割精度方面具有一定的效果。

基于姿态引导特征增强的遮挡行人重识别

2024年04月10 00:00

为解决遮挡行人重识别在特征提取过程中的特征丢失、特征匹配过程中的噪声干扰问题,提出了一种姿态引导的特征增强模型。首先,在关键点信息的辅助下,设计一种对称区域特征修复模块,将被遮挡区域丢失的局部特征替换为未遮挡区域的局部特征;其次,为挖掘局部特征的内在语义联系,设计一种相邻区域特征补偿模块,通过相邻区域特征修正局部特征表示;最后,通过引入广义均值池化对特征图的中心区域再次进行特征提取,提升行人特征向量的表达能力,以获得更加准确的全局特征。仿真实验表明,该模型在常见的全身数据集、半身数据集和遮挡数据集的 Rank-1 和 mAP 均优于绝大部分算法,其中在遮挡数据集 Occluded-Duke、Occluded-REID 上的 Rank-1 分别达到了 56. 7% 和 72. 4% 。

基于改进 VGG16 的自编码器视频异常检测算法

杨大为,刘志权 — 2024年04月10 00:00

在使用自编码器结构的神经网络处理视频异常检测任务时,U-Net 风格的自编码器由于编码器层数深度过浅,导致在面对复杂的数据集时,不能充分抽取更多有用的特征信息。同时,在训练模型时使用 MSE( 均方误差) ,仅考虑了预测帧与真实帧之间的像素级相似性,对于复杂场景,像素级相似性可能无法准确判断预测帧与真实帧之间的相似性。针对以上问题,对基于 U-Net 风格的自编码器进行改进,提出了一种使用改进的 VGG16 作为编码器的视频异常检测算法,同时在均方误差的基础上添加结构相似性( SSIM)损失函数。改进的 VGG16 去掉了全连接层,并加入了残差连接防止特征退化,添加 SSIM 在计算像素级相似性的同时计算图像的亮度、对比度和结构等方面的相似性来优化网络。实验结果表明,改进后的算法,在 Ped2 数据集上检测效果达到 95. 91% ,在 Avenue 数据集上检测效果达到 84. 89% ,与改进前的方法相比分别提高了 0. 80% 和 0. 19% ,验证了所提方法的有效性。

基于 DTA-FSAF 的无人机小目标检测研究

赵侃,汪慧兰,郭娇娇,王桂丽 — 2024年04月10 00:00

随着无人机的应用越来越广泛,基于无人机下的交通场景目标检测的需求也越来越高。但是现有算法在无人机视角下检测精度不高,鲁棒性也不够稳定。为了解决交通场景下无人机视角的车辆和行人的目标检测问题,该文提出DTA-FSAF 的目标检测网络。首先,将可变形卷积融入骨干网络 ResNet-50 中提高 FSAF 网络( Feature Selective Anchor-Free) 的特征学习能力,采用 PAFPN( Path Aggregation Feature Pyramid Network) 实现多尺度融合,从而提高小目标的检测精度与网络的拟合能力;其次,使用任务对齐检测头减小网络的分类与定位任务在检测小目标时出现的分类与定位任务的错位,从而进一步提高网络的鲁棒性;最后,通过调整 IoU 损失提高网络整体的检测效果。通过在无人机数据集 VisDrone上进行实验和分析比较可知,相比于其他网络,在不同的交通场景下,DTA-FSAF 网络在满足实时性需求的同时检测精度达到了 41. 3% 。相比于 FSAF 网络提升了 19. 6% 。通过实验证明改进算法能有效地在各种复杂交通场景下完成对行人和车辆的目标检测。

无连接区域覆盖的绿色网格网与数字孪生验证

2024年04月10 00:00

尽管“ 连接未连接冶的挑战一直是研究热点,但最近发布的全球 6G 愿景中,泛在连接场景尚未直接包含仍处于实验阶段的 5G 非地面网络。该文认为,5G 非地面网络架构上一个潜在的发展趋势是绿色和灵活性,它很有可能在后期的6G 阶段发挥更大作用。为了增强空天地一体化系统的绿色和灵活性,该文特别考虑了一种地面上的绿色网格架构,采用数字孪生建模方法进行了概念验证,对微基站处的可再生能源、物联网设备运行和无线资源分配策略等进行了建模,并开发和评估了基于 Transformer 的精确数据驱动的能效预测方案。这一初步的网络架构和无线接入概念验证,将有益于推动早期阶段数字孪生卫星的可行性研究,为未来 6G 空天地一体化网络的发展提供参考。 5G 非地面网络目前尚处于前期探索阶段,但其在绿色、灵活、可持续等方面的创新理念,非常契合 6G 网络的发展方向。该文通过数字孪生建模的方法,验证了非地面网络在 6G 时代具有广阔的应用前景。

基于深度强化学习的任务卸载和资源分配优化

2024年04月10 00:00

移动边缘计算(MEC) 可以在网络边缘为用户提供就近的存储和计算服务,从而为移动用户带来低能耗、低时延的优势。该文针对基于超密集网络( UDN) 的多用户多 MEC 场景,从用户侧出发,以最小化用户计算总开销为目的,解决用户在卸载过程中的卸载决策和上传传输功率优化以及 MEC 计算资源分配问题。具体而言,考虑到该问题是一个具有 NP-hard 性质的 MINLP 问题,该文将该问题分解为两个子问题并通过两个阶段的方式进行求解。首先在第一个阶段设计了一种基于深度强化学习( DQN) 的任务卸载决策来解决任务卸载子问题,然后在第二个阶段分别使用 KKT 条件以及黄金分割算法解决 MEC 计算资源分配和上行传输功率的优化问题。仿真结果表明,所提方案在保证用户时延约束的前提下,有效降低了用户的计算开销,提升了系统性能。

因果图表征的网络攻击数据集构建

2024年04月10 00:00

高级可持续威胁攻击因其多阶段可持续的特性,已经成为现阶段网络攻击的主要形式。针对此类型攻击的检测、预测研究,不可避免地需要相关数据集的支撑。在构建数据集时,往往需要真实的网络与主机数据。但出于隐私与安全的考虑,很少有满足要求的开源数据集。现有的数据集也往往只提供原始的网络流和日志数据,对长时攻击上下文解析的缺乏导致单纯地利用神经网络进行数据包的恶性甄别和预测的实用性不足。为了解决这些问题,该文基于网络环境的真实攻击过程数据,构建并公布了一个基于因果图的网络攻击数据集。与传统的原始网络流和日志数据集相比,该数据集充分挖掘了攻击上下文中的因果关系,可以跨长时域对高级可持续威胁攻击进行建模,方便研究人员进行攻击检测与预测的研究。该数据集开源在 https: / / github. com / GuangmingZhu / CausalGraphAPTDataset 上。

基于信息熵与服务器识别的 DoH 流量检测

2024年04月10 00:00

DNS over HTTPS( DoH)协议是一种针对域名系统( DNS) 的最新改进方案,然而用户可使用第三方 DoH 服务规避内网原有的监管,所以异常流量检测方法不再适用于检测 DoH 流量。针对该问题提出了一种 DTESI 算法。首先,基于信息熵将 DoH 流量作为异常流量从全部网络流量中筛选出来;然后,利用 DoH 服务器与同一客户端建立 TLS 连接时响应方式

总是相同的特性,用指纹识别检测客户端与 DoH 服务器之间的 TLS 协商,确定 DoH 服务器身份;最后,使用 Top-K 抽样算法选出一定时段内网络中前 K 台活跃主机着重进行流量检测,使算法能应用于中大型组织的网络。实验结果表明,针对发现的异常流量,DTESI 算法检测出的 DoH 服务提供商准确率超过 94% 。在此基础上比较了在不同 K 值下的算法检测时间和对网络中全部 DoH 流量的检测覆盖率,结果表明合理选择 K 值可以提升算法的整体效能。

基于知识子图与注意力机制的在线课程推荐模型

2024年04月10 00:00

推荐系统可以帮助用户在海量的资源中筛选出满足其需求的项目,不断发展的推荐系统为在线教育提供了新的思路。在线课程资源推荐作为在线教育领域中的重要一环,目前存在课程资源过载和课程推荐结果缺乏可解释性的问题。对此,该文提出了一种基于知识子图与注意力机制的在线课程推荐模型,以利用知识子图进行推荐。有别于直接利用知识图谱进行推荐而忽略了知识表示不准确问题的模型,该模型首先采用 Node2vec 随机游走方法从知识图谱中提取连接用户-课程对的连通子图,然后通过分层注意网络对子图进行编码,以生成用于用户所需课程预测的子图嵌入,最后生成 Top-N 推荐课程列表,并给出模型的可解释性说明。为验证模型的有效性,以“ 中国大学 MOOC( 慕课) ”上的数据为样本构建数据集,实验结果表明,相较于 KGCN-PN、GAT、KGAT 以及 POCR 模型,文中模型在 NDCG、HR 以及 MRR 评价指标上分别提升了 10. 6% ,9. 41% ,13. 7% 。

低资源青岛方言语音识别方法研究

相紫涵,谷潇,饶崇郅,渐令 — 2024年04月10 00:00

方言识别是语音识别的重要研究方向,常见的语音识别系统是基于标准语言训练的,导致其方言识别效果不佳。鉴于此,该文选择青岛方言作为应用案例开展方言语音识别研究。为解决方言语料匮乏、训练深度网络模型困难导致识别准确率受限等问题,提出应用数据增强方法,搭建基于改进 Conformer 的方言语音识别模型。首先,收集多源语音数据构建方言小型语料库;其次,采用数据增强技术扩充训练数据,以解决语料匮乏问题;最后,为了更好地提取信息,改进Conformer 模型的降采样结构,引入膨胀卷积和 Mish 激活函数,实现语音到文本的直接映射。实验结果表明,提出的改进降采样模块的端到端模型结合数据增强方法后字错率可达 25. 96% ,能有效实现低资源条件下的方言识别。

基于不平衡社交媒体文本的抑郁症检测方法

郭耀木,刘鹏,孙源乐,白其炜,张少华,刘建* — 2024年04月10 00:00

针对目前基于社交媒体数据的抑郁症检测模型难以适应不平衡数据和评估指标不全面的问题,提出一种基于文档自适应增强 Bagging- τSS3(Document Adaptive Enhanced

Bagging- τSS3,DAEB- τSS3) 模型的社交媒体文本数据抑郁检测方法和一种新的机器学习评价指标 GF( α,β ) -Score。在 τ -SS3 模型基础上引入置信度加权处理,增强少数

类数据影响;同时,采用文档自适应增强 Bagging 方法进行集成学习,改进 Bagging 的随机采样为分层采样并对少数类数据文档进行自适应增强以提升模型适应不平衡数据的

能力;最后在模型评价阶段,使用 GF-Score 进行自动参数选择,丢弃表现不佳的基学习器,提升模型的可信度和稳定性。在 E-Risk2017 抑郁症检测数据集上的实验结果表明,

DAEB- τSS3 有更强的适应不平衡数据集的能力,相较于 τSS3、双向长短时记忆网络和 ERNIE 3. 0 等模型有显著性能提升,GF-Score、F1 -Score 和 G-Mean Score 平均

提升 13% ,0. 7% 和 26. 9% ,可以更加有效地实现基于不平衡社交媒体文本的抑郁症检测。

基于窦性变异的改进人工蜂群白骨顶鸡算法及应用

张羽,何庆 — 2024年04月10 00:00

针对白骨顶鸡算法(COOT)存在求解精度低、收敛速度较慢和易陷入局部最优的问题,该文提出一种基于窦性变异的改进人工蜂群白骨顶鸡算法( ICOOT) 。首先,采用精英反向学

习策略初始化个体位置,增加初始个体寻优多样性;其次,考虑到人工蜂群算法强大的搜索能力,提出一种以全局最优值引导的改进人工蜂群搜索策略,更新白骨顶鸡个体的位置,以提高 COOT 的搜索能力和收敛精度;最后,引入窦性变异策略对最优个体进行扰动,一方面使算法能够有效跳出局部最优,另一方面提高最优个体质量。利用 12 个基准测试函数对 ICOOT 进行寻优性能测试,将 ICOOT 应用于拉力 / 压力弹簧优化工程设计问题,并与其他元启发式算法进行了比较和分析,结果验证了改进的算法的可行性和优越性。

基于 mx2 正则化交叉验证的神经网络超参数调优方法

2024年04月10 00:00

超参数调优是神经网络建模的关键问题。针对传统的超参数调优方法存在的问题,该文提出了一种基于 m x2 正则化交叉验证的超参数调优方法。目的是给出一种适用于复杂模

型、大数据集背景下的计算开销较小且稳健的超参数调优方法。该方法的思想是从完整的数据集上选取少部分数据进行调优,避免模型在数据集较大时非常耗时的超参数调优难题;在 m x 2 交叉验证的基础上设置正则化条件均衡训练集与验证集之间的分布差异,从而减少分布不一致带来的性能波动;使用信噪比作为调优的优化目标,从而可以综合考虑模型性能评价指标的均值和方差;并采用正交设计选择相关性较低的超参数组合以提高调优效率。以命名实体任务为例进行实验,在 CoNLL 2003 数据集上的实验结果显示,提出的调优方法能够选到和网格搜索性能上没有显著差异的超参数组合,且调优时间可显著降低约 66% 。

问答模式下结合属性语义的实体属性抽取研究

常露予,张晓滨 — 2024年04月10 00:00

实体属性抽取任务中常面临属性标签过多时模型存在爆炸风险的问题,且目前大多数属性抽取模型对文本均分配一致的注意力因子,未将上下文的变化考虑在内。为解决上述问题,提出一种基于问答模式的结合属性语义的实体属性抽取方法。该方法的要点在于,将文本看作上下文,把属性视为查询,从上下文中提取到的答案等同于期望的属性值。文中对文本和属性的语义表示进行建模,并提出一个动态注意力机制用于捕捉二者间的语义交互、实现信息融合,同时自适应地控制属性信息融入文本向量的程度。为了验证该方法的有效性,将模型与目前广泛应用的 BiLSTM 模型、BiLSTM-CRF 模型、OpenTag 模型和 Open Tagging 模型在包含大量属性标签的数据集 AE-110K、AE-650K 上进行对比实验,结果表明,模型在结合属性语义信息且采用动态 Attention 的条件下,其预测准确度、召回率和 F1 值更高。

基于混沌精英和 Levy 飞行策略的鲸鱼优化算法

2024年04月10 00:00

针对鲸鱼优化算法(Whale Optimization Algorithm,WOA) 存在的收敛速度慢、精度低的问题,提出了基于 Tent 混沌精英和 Levy 飞行策略的鲸鱼优化算法( TELWOA) 。使用 Tent 混沌映射初始化鲸鱼种群,保持种群的多样性,并通过引入精英反向学习策略,对初始种群的精英个体生成反向解,选取适应度高的种群作为下一代鲸鱼种群,加快算法收敛速度。其次,通过使用非线性收敛因子,缓解算法全局搜索和局部搜索能力不平衡的现象。最后,在鲸鱼位置寻优过程中使用Levy 飞行策略,避免算法陷入局部最优,提升算法的全局搜索能力。通过对不同改进策略的有效性分析、与其他智能算法的对比分析,证明了 TELWOA 算法在收敛精度、算法稳定性和全局寻优能力上与对比算法有显著提升,具有一定的实际工程应用能力。

基于 MATLAB 的卫星通信资源分配教学软件设计

张晨,刘子威 — 2024年04月10 00:00

系统资源的优化分配是提升卫星通信系统容量和用户业务满足度的重要技术手段之一,也是卫星通信课程教授的重点内容。影响卫星通信系统资源分配的因素复杂且动态变化,但现有的课程教学大多以静态条件下的资源分配为主,也很难建设以实物为主的卫星通信教学环境,而且传统的理论教学直观性不强,不利于学生掌握相关知识点。为直观演示多种条件变化下的卫星资源分配,提升学生的学习兴趣,基于 MATLAB 软件利用图形用户界面工具设计开发了卫星资源动态分配教学演示软件,涵盖用户业务需求、链路雨衰、频谱资源等条件变化下的资源分配,并进一步设置了不同的资源分配算法进行对比分析。该教学软件可交互性强、直观性强、架构灵活,并在设计过程中贯彻组件化、模块化、接口化思想。实际教学效果表明,该软件对卫星资源分配的仿真效果良好,可以更好地辅助教师授课、帮助学生掌握知识点。

影院票务辅助系统中座位信息的自动提取

刘思樊,杨洋,童恒建,唐杰辰 — 2024年04月10 00:00

在电影院的票务系统中,一般分为线上售票和线下售票两种方式。目前线上售票有成熟的软件工具,用户可以通过手机或电脑在线上自动选择各种类型的座位信息。但在线下售票中,操作人员只能通过人工观察票务系统软件的屏幕界面,人工获取某个场次的不同类型的空余座位信息,然后再手工输入空余的座位信息到出票系统,打印纸质电影票后,然后进行售票。针对线下售票需要人工操作这种不方便不快捷的情况,作者利用 C++语言,基于 OpenCV 图像处理库,首先快速读取票务系统软件的界面图片的彩色图像,将三通道的彩色图像转化为单通道的灰度图像。利用 findContours( )函数获取图像的轮廓集,处理掉缺失和过小的轮廓后,通过外接矩形来获取轮廓的位置,将轮廓和外接矩形作为属性初始化对应的每个座位的实例化对象。通过读取各个对象的矩形内的像素点信息,可以确定对象的颜色以及位置。实现了对屏幕中各种不同类型的座位信息的自动识别与定位,准确率为 100% ;然后,自动输入到出票系统,自动打印出纸质电影票,达到了自动线下售票的目的。开发此系统使用的技术方法,对于需要识别第三方软件界面的屏幕信息及其变化的场景,如:监控系统屏幕的变化,有一定的借鉴意义。

基于 Deepcrack 网络的混凝土裂缝检测方法

武斌,马玉静,刘宇航,赵洁* — 2024年04月10 00:00

混凝土结构裂缝对建筑安全构成了极大的潜在威胁,裂缝检测对建筑结构的维护具有重要意义,当前基于深度学习的裂缝检测针对提取裂缝细节的能力仍有待提高。因此,该文对 Deepcrack 网络进行优化,提出了基于金字塔分割注意力和全局上下文的混凝土裂缝检测算法 PG-Deepcrack。首先,在编码器中提出双卷积-注意力并行模块,增加金字塔分割注

意力分支为卷积层提供更丰富的多尺度裂缝信息;其次,为了捕获长距离依赖关系,并行模块操作后引入全局上下文模块,进一步提升网络对裂缝细节的表达能力;最后,在特征融合阶

段利用全维动态卷积和 GELU 激活函数,对编解码器特征层联级融合,使网络更全面地保留不同尺寸的裂缝信息并提高模型的泛化性能。为验证网络模型的有效性,在 Deepcrack

数据集上与 7 个网络模型进行对比试验,所提出的网络表现了最佳性能,IoU 达到了 72. 78% 。

基于 DLT-Kmedoids 算法的用电负荷聚类分析

2024年04月10 00:00

针对高校用电负荷中传统聚类算法直接应用于时间序列聚类效果准确性较低的问题,提出一种融合 DTW 距离、LB_Keogh 距离以及时间窗口的 DLT - Kmedoids 算法,以提高聚类算法应用于时间序列的准确性以及算法效率。 DLT -Kmedoids 算法使用 DTW 计算时序数据之间的距离取代传统的欧氏距离度量方式,提高了相似性度量算法精度,同时也提高了聚类算法的准确性和复杂度,引入 LB_Keogh 距离在计算 DTW 距离之前过滤掉大部分不可能是最优匹配序列的序列,对于剩下的序列再使用 DTW 逐个比较,进一步降低算法的复杂度。最后结合高校建筑用电负荷时间序列数据进行分析,通过与主流聚类算法进行比较,表明该算法对于高校用电负荷数据的聚类任务,能够更准确地识别相似的负荷模式,并以更高的效率进行聚类分析。

基于非线性自适应比例因子的雪豹优化算法

2024年04月10 00:00

针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段 Logistic 混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用 5 个随机个体提高全局搜索能力和算法

收敛能力,在第二次种群更新位置后,使用 3 个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在 IEEE CEC2022 基准函数测试集上

测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。

封面-封底

2024年04月10 00:00

计算机技术与发展

双系统冗余热备 EtherCAT 主站的设计与实验

基于图常量条件函数依赖的图修复规则发现

上下文语义嵌入的变粒度云存储相似数据去重技术

基于空间投影和聚类划分的 SVR 加速算法

基于相关性模型与大数据分析的关键词优化方法研究

基于弱监督表示学习的热红外目标跟踪

基于实时视频流的 3D 人体姿势和形状估计

基于 U 形多尺度注意力方法的真实图像去噪

基于多尺度 Scale-Unet 的单样本图像翻译

基于区域特征优化及边缘增强的多聚焦图像融合

结合循环提取器与自蒸馏的目标检测方法

基于改进 YOLOv5 的眼睛及瞳孔检测算法

基于改进的 V-Net 模型肺结节分割算法的研究

基于姿态引导特征增强的遮挡行人重识别

基于改进 VGG16 的自编码器视频异常检测算法

基于 DTA-FSAF 的无人机小目标检测研究

无连接区域覆盖的绿色网格网与数字孪生验证

基于深度强化学习的任务卸载和资源分配优化

因果图表征的网络攻击数据集构建

基于信息熵与服务器识别的 DoH 流量检测

基于知识子图与注意力机制的在线课程推荐模型

低资源青岛方言语音识别方法研究

基于不平衡社交媒体文本的抑郁症检测方法

基于窦性变异的改进人工蜂群白骨顶鸡算法及应用

基于 mx2 正则化交叉验证的神经网络超参数调优方法

问答模式下结合属性语义的实体属性抽取研究

基于混沌精英和 Levy 飞行策略的鲸鱼优化算法

基于 MATLAB 的卫星通信资源分配教学软件设计

影院票务辅助系统中座位信息的自动提取

基于 Deepcrack 网络的混凝土裂缝检测方法

基于 DLT-Kmedoids 算法的用电负荷聚类分析

基于非线性自适应比例因子的雪豹优化算法

目次

封面-封底