找到相关信息 760 条
文献
基于多尺度注意力与双流融合特征的微表情识别
郭小龙1;薛珮芸1，2;白静1;徐姜帅1为了解决微表情识别中特征提取能力不足和样本数据不均衡导致的识别偏差问题，文中提出一种基于多尺度注意力与双流融合特征的微表情识别方法。首先设计多尺度注意力模块，通过光流和差分序列特征的融合提升微表情关键动态信息的提取能力；其次设计了改进的多核Inception模块，结合深度可分离卷积和多尺寸卷积核，在提升特征表达能力的同时降低计算复杂度；最后采用数据扩充策略和Focal Loss损失函数以缓解样本类间不均导致的识别偏移。实验结果显示，该方法在CASME Ⅱ、SMIC⁃HS、SAMM和MEGC2019等4个自发微表情数据集上实现了优异性能。其中UAR和UF1指标分别达到最高，为0.914和0.912，显著优于近期主流方法。同时，设计的消融实验验证了多尺度注意力模块和多核Inception模块在特征提取中的关键作用。实验结果表明，所提方法通过多维度融合、创新特征提取、数据扩充和改善损失函数等操作，获得了高精度且具有竞争力的微表情识别性能。
ICEEMDAN⁃FE联合改进小波阈值的振动信号去噪算法
高祥1，2;王健1，2;段俊萍1，2;张斌珍1，2;余杰1，2针对恶劣环境下振动信号复杂、噪声难以去除的问题，文中将改进的自适应噪声完备集合经验模态分解、模糊熵（FE）特征提取与改进的小波阈值相结合，提出一种ICEEMDAN⁃FE联合改进小波阈值的振动信号去噪算法。首先，将测得的振动信号经过ICEEMDAN分解为多个固有模态函数（IMF）与具有相对平滑的变化趋势的残余项（Res）；其次，通过模糊熵（FE）特征提取算法计算各IMF模糊熵特征值，通过设定的IMF阈值条件对信息主导部分的IMF进行保留；然后，采用改进小波阈值对仅保留的信息主导分量的各IMF进行相应去噪处理；最后，将残余项与改进小波阈值去噪处理后的IMF进行信号重构，得到最终信号。通过建立仿真信号对滤波效果进行评估，实验结果表明，与ICEEMDAN 去噪、小波阈值去噪以及ICEEMDAN⁃小波阈值去噪相比，所提算法信噪比（SNR）分别提高了3.233 5 dB、1.181 1 dB、1.066 3 dB，归一化互相关（NCC）分别提高了0.033 42、0.009 39、0.008 4，均方根误差（RMSE）分别降低了52.5%、23.81%、21.77%。导入实测振动信号后的去噪结果也表明，所提算法在进行去噪后有效信号更加完整，信号更为平滑，去噪效果较为理想。
DCM⁃Net：用于复杂环境下的道路裂缝分割算法
王翔1;陈里里2;李荣华1;贺智轩1针对路面裂缝图像背景噪声复杂、裂缝形态复杂和误分割严重的问题，文中提出一种基于U型网络改进的路面裂缝分割算法（DCM⁃Net）。DCM⁃Net采用双编码器设计，新增加的支路减轻了由于一条支路简单堆叠卷积池化造成的信息丢失；在原有的跳跃连接中增加CoTAttention，旨在加强低级语义信息中的重要特征，减轻由于背景噪声以及车道线和井盖等杂物产生的影响，增强有用信息的特征表达能力；对原编码器中的卷积模块进行重新设计，引入膨胀卷积增大感受野，采取多维特征提取的策略，提高模型在不同裂缝形态下的特征提取能力。对比实验结果表明，在自建数据集CrackNew上，DCM⁃Net在Dice、平均交并比、准确率、召回率和F1 上相较于UNet分别提升了6.3%、5.7%、5.4%、1.8%、5.3%。同时，优于其他主流分割模型，在Crack500和Gaps384两个公开数据集上各个指标仍保持领先，在DeepCrack数据集上进行了消融实验，证明了各模块的有效性。对比其他分割模型，DCM⁃Net提高了路面裂缝的分割精度，该模型可适用于复杂环境下的道路裂缝分割。
基于Fisher⁃ISSA⁃BiLSTM的酗酒脑电信号分类研究
吕卓言;黄丽亚传统的脑电时频信号分类方法仅关注脑电信号的局部特性，没有充分探究不同脑区之间的关联特征，无法全面捕捉大脑活动的前后时间关联，存在对大脑理解不够全面、分类准确率不高等问题。文中基于加州大学尔湾分校提供的酗酒脑电数据集，运用相位锁定值（PLV）构建功能脑网络，研究了α、β、γ、θ四个子频段和全频段的EEG脑网络拓扑特征，探究了酗酒者与健康对照者EEG脑网络的拓扑属性差异。同时，提出一种基于Fisher特征筛选和改良麻雀算法优化的BiLSTM分类算法（Fisher⁃ISSA⁃BiLSTM），运用Fisher准则进一步筛选了脑网络特征，通过双向长短时记忆网络充分分析了脑电信号前后时序的关联性，运用改良的麻雀搜索算法（ISSA）优化BiLSTM的超参数。在原麻雀算法的基础上，引入Sobol映射的初始化方式，提升了麻雀种群的分布质量；加入搜索因子，避免算法过早地陷入局部最优；引入自适应方向因子dti, j，优化了麻雀跟随者位置的更新方向。相比其他超参数优化算法，文中算法分类所需时间减少了约4%~5%，分类准确率达92.6%，相比传统的LSTM分类算法提升了约20%，对于运用脑电信号识别酗酒患者具有一定的实际意义。
基于多样性场景性能的微电网鲁棒经济优化算法
钱帮远;郑鹏远;单婷婷针对微电网中可再生能源和负荷的不确定性，文中提出基于多样性场景性能的微电网鲁棒经济优化算法。该算法对历史数据进行K⁃means聚类，得到典型场景序列和最小包络集序列。基于最小包络集序列构建两阶段鲁棒优化模型，从而计算最小包络集内的最恶劣场景序列。通过将期望场景、典型场景序列和最恶劣场景序列混合，构造多样性场景集。在日前计划阶段，算法以任意场景下的设备正常运行及功率平衡为约束条件，以多样性场景对应的微电网运行成本概率加权为目标函数，构建两阶段鲁棒优化问题，并通过列与约束生成算法求解，从而确保“多样性场景性能最优，所有场景可行”。在日内调度阶段，利用可再生能源和负荷的测量数据，基于日前计划调度结果，对传统能源发电功率和电网交互功率偏差进行惩罚，进而调整微电网日前优化解，使微电网的经济性提升。最后，通过仿真算例对提出的方法进行验证，证明所提方法具有一定的经济性和鲁棒性。
基于等角映射的高维不平衡数据增量式降维算法
任宁宁;陈曦;孙力帆高维不平衡数据增量变化时，因多类别样本数目不一、特征分布不均，降维时难免过度关注多数类样本，忽视少数类样本，导致降维后少数类数据失真。为此，文中提出基于等角映射的高维不平衡数据增量式降维算法。利用模糊C⁃means算法将高维不平衡数据划分为不同类型数据后，使用基于时间窗口的增量数据抽取方法，抽取不同类型高维不平衡数据的增量数据。由基于等角映射的增量流形学习降维算法运算增量数据与原始数据点距离。结合距离设定权重因子，将此增量数据映射于低维空间，实现高维不平衡数据增量式降维。实验结果表明：所提算法在不同类别高维不平衡数据增量式降维中，无论是1 GB还是10 GB的新增数据量，降维后数据维度较低，数据结构和信息的保真度较高，没有出现明显失真情况。该方法是一种有效的数据降维算法，可应用于处理大规模高维不平衡数据增量式降维问题中。
自然语言处理下并行化命名实体识别
朱宸宇;朱心砚;陈勇在自然语言处理下的命名实体识别任务中，文本序列长度差异较大，逐词处理会导致计算时间长、效率低下。因此，提出自然语言处理下并行化命名实体识别方法。利用自然语言处理领域中的QRNN（准循环神经网络）和CRF（条件随机场）技术构建并行化命名实体识别模型，通过预处理层对输入文本进行去噪、文本编码等预处理操作，并将预处理后的文本序列输入至QRNN层。QRNN层通过交替使用卷积模块构建网络结构，能够同时处理文本序列中的多个位置，解决逐词处理导致的效率低下问题，从而并行化提取文本深层次的命名实体上下文特征。CRF层通过综合考虑标签序列的全局信息，对QRNN层输出的命名实体上下文特征向量进行解码，采用维特比算法输出最大分数的命名实体标签，从而实现自然语言处理下并行化命名实体识别。实验结果显示，该方法提取的命名实体上下文特征的重要性得分在90分以上，能够为命名实体识别提供关键的信息支持，并且能够精准无误地识别文本中的所有命名实体，无任何遗漏。
基于迁移学习的多载波相位差位移估计方法
李壮;郑霖;杨超视距情况下的高精度位移估计对滑坡监测、建筑形变监测等场景非常重要，但是在多径与噪声等误差因素的影响下，无线电测距方法对位移的估计精度不佳。针对该问题，文中提出一种基于迁移学习的位移估计方法，从少量的新环境信号样本中快速学习误差知识，修正估计网络，提高新环境中位移估计的精度。使用单输入/单输出系统信道频率响应（CFR）协方差矩阵的随机低秩近似（RLA）作为特征信息，构建基于深度卷积神经网络（CNN）的位移估计模型，学习输入信号样本与其位移信息的映射，并引入对信号样本划分支持集⁃查询集的学习策略，设计迁移学习模型，优化模型的泛化性和适应能力。通过仿真实验结果表明，提出的方法在测距精度方面优于传统无线电测距方法，在新环境中的总体均方根误差（RMSE）能达到0.01 m以下。验证了迁移学习在无线位移估计中的有效性，为复杂环境下的高精度位移检测提供了一种具有强适用性的新解决方案。
一种基于量化神经网络的SLAM增强型点特征匹配方法
朱代先;吕佳昊针对同步定位与地图构建中前端特征提取与匹配鲁棒性不足的问题，提出一种基于量化神经网络的SLAM增强型点特征匹配方法。通过构建适应度函数并采用柯西变异策略优化卷积核权重，同时应用CLAHE算法均衡图像亮度分量，从而提升图像质量；在特征提取阶段，通过增加额外的卷积层，并设计含有跳跃连接结构的注意力机制，进一步提升ZippyPoint网络的性能；最终，通过计算欧氏距离的平方差构建距离矩阵，结合反向匹配结果批量提取匹配点，并通过张量操作验证双向一致性，从而实现精确的特征点匹配。实验结果表明，增强后的图像亮度适中，灰度分布均匀，且在复杂场景中的平均匹配精度达到70.87%，匹配时间为0.243 s，两项指标分别较ORB+BF算法提高52.07%和60.94%，具有较高的应用价值。
基于Bsdiff的冷链物流OTA升级技术研究
王玲慧;姚爱琴;孙运强为了解决传统系统依靠人力现场维护以及全量升级存在的文件过大导致通信延迟与设备端占用内存等问题，文中提出一种基于Bsdiff的冷链物流OTA升级技术对设备端进行程序分区设计，经4G进行远程数据传输与下载更新，通过设置中断向量表的偏移量及改变跳转栈顶地址实现程序的跳转。结合Bsdiff算法，通过差分工具分离新旧程序的差异，提取关键信息并压缩生成补丁包，设备端获取还原信息还原出目标更新包。通过STM32F429芯片进行系统验证并进行全量升级和差分对比，实验结果表明，该系统可以实现程序的远程更新，且系统升级文件的平均大小是全量升级的1/6，减少了内存空间的使用率与程序更新的时间，提高了系统的升级效率，验证了所提方法的可行性和可靠性。