摘要:针对目前卷积神经网络对时序序列识别率较低、单模态数据信息量不充足等问题,提出了一种基于特征层融合的卷积神经网络(CNN)和双向长短期记忆(BiLSTM)网络组合的方法。首先在毒品成瘾患者的脑电图和近红外光谱数据上,利用全新的CNN和BiLSTM组合网络分别对双模态数据进行特征提取,将最后一层BiLSTM的输出作为特征并进行特征串联,然后对串联特征进行分类识别。特征融合实验结果表明,文章提出的CNNBiLSTM模型的分类效果最高准确率达到97.3%,并且双模融合方法进一步提高了分类准确率。
摘要:随着云计算的发展和普及,云原生应用作为一种新的应用开发和部署方式备受关注,以其高度的可扩展性、可移植性和弹性成为现代云环境下的首选开发模式。文章首先分析了微服务架构管理的复杂性、持续集成与持续部署(CI/CD)的自动化难题及跨多云和混合云环境下存在的兼容性问题等带来的挑战,并提出应对方案;其次采用Kubernetes进行统一的微服务管理,利用开源工具实现CI/CD自动化流程,以及设计跨云应用
摘要:当前,在国家级车联网先导区的建设过程中,智能网联云控平台作为车联网的重要组成部分,存在建设经验不足的问题。文章阐述了智能网联云控平台的研究背景及意义,从硬件、软件等方面介绍了智能网联云控平台的建设内容,分析了其应用的系统架构、大数据等关键技术,总结了智能网联云控平台在车联网领域的主要应用场景,并对平台未来的发展进行了展望。应用智能网联云控平台能提高交通系统的运行效率和驾驶员的行车安全性,在智慧城市建设和智能汽车产业方面有着广泛的应用前景,本研究可为该平台的建设提供指导和借鉴。
摘要:针对当前量子密钥分发技术在实际应用中存在建设成本极高和难以实现远距离的量子密钥分发等问题,提出了一种基于区块链的量子密钥分发方案。将该方案应用于云存储的数据隐私保护中,利用量子密钥对数据进行加密存储,实现量子密钥的扩展应用。实验结果表明,利用区块链技术能够实现安全且高效的量子密钥分发,相较于传统的量子密钥分发技术,该方案在实际应用中具有显著的优势。
摘要:针对Transformer模型在处理图像任务时存在计算复杂度过大的问题,提出了一种改进的SwinTransformer图像分类识别方法。首先,Swin Transformer使用补丁(Patch)化的图像特征图处理方法,极大地降低了计算复杂度,提高了模型性能。其次,在Swin Transformer的基础上加入全局的信息交互模块,加深了跨模态特征信息之间的表征能力,使模型能够获得更准确的图像分类准确率和更快的模型收敛速度。实验结果表明,该模型在公开数据集ImageNet上获得的分类准确率能达到84.2%。本文方法相较于Swin Transformer图像分类方法,分类准确率提高了2.8%。
摘要:为了提高训练速度和人脸表情识别效果,提出一种基于局部二值模式(Local Binary Pattern,LBP)和注意力机制的改进视觉几何群网络(Visual Geometry Group Network,VGG网络)的人脸表情识别方法。首先,通过LBP获取数据集的纹理特征。其次,利用全局平均池化层代替全连接层,并在基准模型卷积层后和全局平均池化层前引入注意力模块,创建新网络模型NEW-VGG;通过对NEW-VGG做消融实验,验证模型改进的正确性。最后,融合LBP+NEW-VGG模型对CK+和Fer2013两种数据集进行10倍交叉验证,取得了97.98%和76.75%的识别率。实验结果表明,该方法不仅能加快网络训练迭代速度,增强人脸表情识别效果,还具有较强的鲁棒性。
摘要:文章研究分析了直播中多用户、多服务器场景下存在的直播用户的体验质量(Quality of Experience,QoE)不高的问题,为提升用户的QoE,将能耗和时延作为决策目标,设计一种经改进的NSGA-Ⅱ(非支配排序遗传算法),即L-NSGA-Ⅱ,用线性排名的方式进行父代的选择加速算法收敛。实验表明,与LUA、NSGA-Ⅱ和Random算法策略相比,所提方案的平均延迟降低约9.1%,用户QoE提升约4.39%。该方案应用于直播场景中,在减少延迟、提升吞吐量和降低能源开销方面表现出较好的效果。
摘要:针对当前海空集群对抗智能指挥控制决策研究缺乏有效的算法研究平台的问题,设计了深度强化学习算法研究平台。首先分析了应用需求,其次对平台组成、硬件架构进行了设计描述,最后针对想定设计、算法训练和算法评价进行了子流程设计。平台设计采用仿真内核和显示模块分离、并行与分布式运行的模式,支持深度强化学习算法的快速训练和决策控制效果的验证评价,避免直接进行海空装备实物实验耗费大量时间和面临未知风险,有效提高了算法研发效率。
摘要:针对经典的容量约束设施区位模型(CFLP)缺少考虑公平、效率与服务质量三方面的因素,以及平衡三者关系的问题,文章提出了引入覆盖半径?、最低覆盖率μ、设施建设成本CAP 对模型进行改进,算法的求解实质是求解线性规划问题的最优解。根据以上方法进行案例区的计算验证,实验结果表明,与传统模型算法相比,改进的CFLP模型通过灵活选择设施的服务半径和覆盖率参数求解计算,能较好地兼顾服务成本、服务质量和空间公平性三者之间的关系,并可于5 s内得出最优解,相比传统算法150 s的平均计算时间,有显著的提升,对城市公共服务设施的布局优化具有较高的实用价值。
摘要:针对铝材入库计数过程存在效率低和耗时长的问题,提出了一种基于机器视觉和改进的图像金字塔的铝材计数方法。该方法应用Sobel边缘检测提取模板轮廓,采用加权最小二乘法进行直线拟合实现模板轮廓的优化处理,进而得到最优模板,改进后的图像金字塔算法实现了对图像模板匹配的快速计数。实验结果表明,所提出的方法应用于铝材入库计数,具有较高的召回率和较快的匹配速度,测试数据集的平均检测准确率达到98.4%,匹配效率相较于传统图像金字塔算法提升了37.0%。
摘要:儿童颅骨畸形的判断是典型的机器学习分类问题,文章对电子计算机断层扫描(ComputedTomography,CT)图像进行三维建模和数据增强,从中提取9个数值特征并分析其在正常颅骨与畸形颅骨之间的区别,表明所选特征的有效性。选用Stacking(堆叠)方法构建针对颅骨畸形自动判断的集成学习分类模型,将其应用到医院提供的临床CT数据集进行十折交叉验证实验。实验结果表明,集成学习模型优于单一的分类模型,其平均预测准确度约为0.986,F1值(统计学中用于衡量分类模型精确度的指标,同时兼顾了分类模型的准确率和召回率)约为0.982,各项评价指标也优于目前同类模型。
摘要:为解决各类复杂的数据预测问题,文章提出以五折交叉验证(5CV)、Optuna超参数优化和LightGBM回归预测模型为基础的5CV-Optuna-LightGBM混合回归预测模型。采用影响二手车价格的因素数据集,首先进行数据预处理与Pearson相关性分析,确定37个特征指标。其次通过L1正则化对模型进行降噪处理,并利用交叉验证和Optuna算法不断优化模型,最终得到在5CV-Optuna-LightGBM回归预测模型下的数据预测结果。从准确率、花费时间等多个评价指标出发,开展实验分析模型的预测效果,得到准确率为99.433%、花费时间为15 s、平均绝对误差为0.306%的结果,与其他模型对比,其预测值更加准确、建模效率更高、拟合度更高。
摘要:诊断与识别植物叶片的病虫害是农业生产中的一大难题。为了解决西瓜叶片病虫害的诊断与识别问题,方便瓜农评估西瓜叶片的健康状况,提出了一种先分割、后识别的西瓜叶片病害识别算法。该算法首先采用UNet模型对叶片进行分割,其次使用Swin-Transformer模型进行病虫害识别。通过在自建的西瓜叶片数据集上进行对比实验,文章所提算法识别准确率达到92.9%,相比直接在原始图像上使用Swin-Transformer模型进行病虫害识别,准确率提高了3.2%。实验结果表明,使用分割后的图像进行病虫害分类可以显著提高识别准确率。
摘要:针对对话式推荐系统中忽视用户负反馈和对话历史信息的问题,创新地提出了一个对话式推荐模型。首先,该模型通过构建负反馈图捕获和编码用户拒绝的属性和项目信息,结合动态奖励函数,使系统能更精准地理解用户的实时偏好。其次,将序列模型融入智能体实现了对每步对话状态的编码,从而能基于全局对话状态做出更准确的推荐决策。为验证模型的有效性,在LastFM和LastFM*数据集上开展实验,相较于最优的基线模型,本文方法的推荐成功率分别提升了21%和13.7%,平均推荐轮次数也分别降低了1.56轮和2.35轮。实验结果表明,用户负反馈和对话历史的深度整合,为对话式推荐系统带来更高的准确性。
摘要:聚焦以智能安防系统为基础的吸烟行为自动检测问题,解决复杂背景影响下吸烟检测的误检漏报缺陷,提出了基于YOLOv7的人体关联实时吸烟目标检测方法。通过定位香烟和场地内人员,利用目标关联的方式解决吸烟行为的实时检测问题。实验测得该方法的mAP 值为90%,帧率为130.1 FPS,结果说明基于YOLOv7的人体关联实时吸烟目标检测方法可适用于高精度的实时目标检测系统。
摘要:针对目前绘画领域缺乏标准的价值评估指标体系,提出了基于BERT-LDA和K-means聚类的绘画作品价值要素挖掘方法。运用超平面法对绘画文献进行了停用词筛选,基于BERT-LDA模型构建了包含文本语义信息的融合特征向量,运用K-means算法对融合特征向量进行降维可视化,随之构建了绘画作品价值评估指标体系。结果表明,基于BERT-LDA模型和K-means算法识别的主题及主题词相比传统LDA模型的查准率、查全率和F值分别提升了28.5%、10%和21.5%。通过随机森林等算法对指标体系进行验证,验证了构建的绘画作品价值评估指标体系的科学性。
摘要:为了提高多人人体姿态检测的准确率,本研究采用YOLOv5s模型用于多人人体姿态检测并对模型进行改进。首先,引入坐标注意力(Coordinate Attention)模块改进骨干网络,将注意力资源分配给关键区域,降低复杂环境中的背景干扰,增强模型对多人目标的精准定位能力。其次,使用双向特征金字塔网络改进YOLOv5s的特征融合网络,增强网络的信息表达能力。实验结果表明:在多人人体姿态MS COCO2017验证集上,经改进的YOLOv5s算法的检测平均精度高达61.9%,相比原始YOLOv5s网络,平均精度提升了1.5%。由此可见,改进后的网络能更加精准、有效地检测多人人体姿态。