盐岩储气库稳定性评估模型与应用研究

为了解决盐岩储气库稳定性评估的模糊性和不确定性问题,降低事故发生的概率,提高判断准确度,将功效系数法引入盐岩储气库系统的评估与控制中,提出一种基于集成赋权-功效系数法的盐岩储气库稳定性评估模型。在所建评估体系下,运用反熵权法(AEW)、决策试验和评价试验法(DEMATEL)、改进组合数的有序加权平均C-OWA算子计算指标权重,三者优势互补,削弱了单一赋权方法的不足,并利用乘法合成原理获得综合权重。通过计算盐岩储气库的总功效系数值,评估整个系统的风险等级,最后利用实例,验证了模型的适用性与有效性。验证结果表明:该模型赋权方法可靠,计算结果贴近实际情况,能有效评估盐岩储气库的状态。

基于YOLO目标检测算法的人群多目标识别跟踪方法

目前对人群跟踪方法主要是建立跟踪模型,实现人群群体检查和跟踪,但是无法实现人群中多行人的识别和个体跟踪,造成人群跟踪与多目标识别存在效率低下和不准确。本文提出基于YOLO目标检测算法的人群多目标识别跟踪方法,通过对人群多目标的可见特征提取人群的行人轨迹和外观特征,实现人群多目标识别的跟踪。实验结果表明,该方法提高了人群多目标的识别效率,具有一定的实用性。

基于多分类器融合模型的步态数据膝骨关节炎诊断系统的构建及应用

膝骨关节炎(Knee Osteoarthritis,KOA)的诊断是指导临床治疗的重要信息。本文研究目的,是构建基于多分类器融合模型的KOA动态辅助诊断系统。该系统以健康受试者和KOA患者的步态数据为基础,融合机器学习子算法建立多分类器融合模型,实现动态KOA诊断系统的构建,并采用临床步态数据验证系统的性能。多分类器融合模型的有效性采用分类准确率(Accuracy,ACC)评估,KOA诊断系统性能采用F1评分验证。研究结果表明,多分类器融合模型的分类准确率为97.83%,达到KOA动态诊断系统的设计要求。系统验证的F1评分为0.970,表示系统在平衡精确率和召回率后,具有较高的可靠性。本研究构建的系统可为KOA后期治疗提供临床参考依据,也可用于肌肉骨骼等其他疾病的辅助诊断。

基于自适应权重优化的多任务深度学习模型在甘蔗病害识别中的应用

针对农业领域中甘蔗病害识别的准确率和任务间平衡的问题,提出一种基于自适应权重优化的多任务深度学习模型。该模型采用包含3种病害和1种健康状态的甘蔗叶片图像数据集,通过卷积神经网络(CNN)和多任务学习(MTL)实现病害识别。在模型训练过程中,为应对不同任务间的不平衡问题,引入了自适应权重优化方法。实验结果表明,该模型能显著提高甘蔗病害识别准确率,并在多任务之间实现平衡,为甘蔗智能化种植发展提供一定的借鉴。

基于协同训练的半监督学习3D医学图像分割模型

近年来人工智能应用于COVID-19医学影像诊断,降低了检测成本和漏检率,但临床医学图像样本数量较少和标签质量较低,影响了3D模型的分割性能。本文提出基于协同训练的半监督学习3D医学图像分割模型,使用空间翻转和窗口技术生成多视角、多模态图像,增强3D图像样本的空间差异性;采用一种基于加权不确定度的虚拟标签生成模块,为无标签数据生成可靠的虚拟标签,减少过拟合;采用基于三阶段的三维度六模型协同训练,增强分割精度和泛化性能。此外,本文可视化协同训练各阶段的特征关注度热力图,为临床诊断提供有效参考。针对661位新冠患者的771例NIFTI格式3D COVID-19的CT图像展开实验,5折交叉验证结果表明,本文模型Dice系数为73.30%,平均表面距离(ASD)为10.633,灵敏度(Sen⁃sitivity)为0.630,特异度(Specificity)为0.996。与各种典型半监督学习3D分割模型相比,具有更好的分割精度和泛化性能。

基于多任务学习与注意力机制的多层次音频特征情感识别研究

传统音频分类任务仅仅是从单层次音频提取特征向量进行分类,即便使用过大的模型,其过多的参数也会造成特征之间的耦合,不符合特征提取“高聚类,低耦合”的原则。由于注意到一些与情绪相关的协变量并没有得到充分利用,本文在模型中加入性别先验知识;将多层次音频特征分类问题转化为多任务问题进行处理,从而对多层次特征进行解耦再进行分类;针对特征分布的再优化方面设计了一个中心损失模块。通过在IEMOCAP数据集上的实验结果表明,本文提出模型的加权精度(WA)和未加权精度(UA)分别达到了71.94%和73.37%,与原本的多层次模型相比,WA和UA分别提升了1.38%和2.35%。此外,还根据Nlinear和Dlinear算法设计了两个单层次音频特征提取器,在单层次音频特征分类实验中取得了较好的结果。

基于光纤传感技术的手臂弯曲角度检测系统教学仿真设计

随着光纤技术与传感器技术的快速发展,光纤传感具备高灵敏度、强抗干扰能力、体积小、重量轻、低成本等特点,在测量受伤患者手臂弯曲角度时具有独特优势。同时,光纤传感技术也能够很好地应用在动态角度测量中,有助于解决在医疗康复中角度测量设备体积大、测量精度差、成本高等问题。本文基于光纤传感技术设计了手臂弯曲角度检测教学仿真系统,使用TracePro光学仿真软件建立光纤弯曲模型,采用光纤弯曲代替手臂弯曲,对光纤在不同弯曲角度下光强度变化规律进行仿真,得到总光通量随光纤弯曲角度的变化关系。

基于改进注意力机制Transformer网络的快消品销量预测方法

销量预测能为企业生产计划、仓储运输提供决策支持,使企业能更好地适应市场需求。快消品销售量受众多因素的影响,具有季节性和周期性规律,传统的线性模型难以准确的预测,本文从长时序列预测的视角,运用深度学习理论,提出了一种基于订单时序和订单频率的改进自注意力机制模型(Sequence-Frequency Transformer,SFTransformer)。首先,基于快消品订单数据构建原始数据集,采用time2vec编码处理订单时序信息,并融合订单数据的时序和频率特征在基于时序的订单数据的不同订单频率分别对应不同的注意力头来关注订单数据的订单时序特征和频率特征;使用Transformer模型架构提取特征进行长时序列预测。在真实数据集上进行对比实验,SFTransformer模型在均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)3项指标上均取得了最佳性能,验证了本文所提方法的有效性。

基于可穿戴式纳米生物传感器的人体运动数据挖掘算法

针对当前人体运动数据挖掘算法无法对实时数据进行采集与分析,导致人体运动数据挖掘正确率较低且时间较长的问题,提出基于可穿戴式纳米生物传感器的人体运动数据挖掘算法。首先,利用可穿戴式纳米生物传感器采集人体运动数据,将采集到的数据转换为二进制数据形式,并对转换后的数据进行清洗与补位处理;最后,使用萤火虫算法对K均值聚类方法进行优化,利用优化后的K均值聚类方法对清洗与补位后的数据进行聚类处理。实验结果表明,所提算法的召回率平均值为97.12%,数据挖掘正确率平均值为98.42%,为运动员生理指标的实时监测与分析提供重要的数据基础。

基于能量效益的无人机辅助移动群智感知系统任务分配

与传统移动群智感知系统的感知工人相比,无人机具有能够执行危险任务、易控制、不需要额外的激励成本等优点,因此无人机更适合作为任务执行的主体。然而无人机的能量有限,且感知任务的完成时间有限制,因此如何综合考虑以上2个因素设计一种高效的任务分配方法是一个关键问题。由此提出一种基于能量效益的无人机辅助移动群智感知系统任务分配方法,在能量效益最大化的同时提高系统任务完成率。该方法首先在无人机获得的回报和消耗的能量基础上定义了能量效益计算方式,用于评价任务分配方案的优劣;然后,设计了一种改进的模拟退火遗传算法以获得能量效益最大化的任务分配方案。经实验证明,与其他基准算法相比,所提出方法在任务平均能耗、系统任务完成率、系统能量效益有更好的表现。

视频人像检验鉴定综合实验设计

为了更好地讲授视频人像检验鉴定的原理和方法,本文设计了视频人像检验鉴定综合实验系统,实现了视频中人脸检测与定位、图像预处理、特征提取和人像比对。系统使用警视通软件的辅助功能对检材和样本进行多种方法的人像标注和检验鉴定,学生可根据实验比对的结果对检材和样本中存在的多个相似点和差异点进行剖析,从而完成人像检验鉴定的全过程。该综合实验系统的设计不仅有助于学生对人像检验鉴定相关原理的理解,还可以提升学生的科研素养和实战能力,激发学生对视频图像侦查技术的学习兴趣。

基于可变形卷积和注意力的带钢瑕疵识别方法

带钢生产中瑕疵检测的准确性对于其质量的保证有着至关重要的意义。本文针对带钢表面瑕疵检测中的瑕疵种类复杂、背景干扰严重、瑕疵样式间面积形态差异较大等问题,提出了一种基于ResNet50改进的结合多尺度变形卷积和注意力的带钢表面瑕疵分类识别方法。首先通过细化ResNet50中BottleNeck结构的卷积块为一组多尺度卷积以扩大感受野,然后引入可变形卷积代替组中的卷积核,使网络在训练中捕捉不同形态尺度的瑕疵特征。最后在网络中引入增强注意力模块,使网络可以关注到通道与空间之间的信息,将其联合起来从而关注到更重要的通道和空间位置。通过对比实验表明,本文提出的方法在带钢的表面瑕疵分类识别上精确度优于现有方法,可以应用于企业实际的带钢的工业生产中。

基于RSS指纹的室内定位方法

随着智能手机和WiFi设备变得日益普及,室内定位技术、特别是基于WiFi接收信号强度RSS的指纹定位方法在不断进步。K近邻算法是目前普遍应用在RSS指纹定位的快捷有效算法。这种方法因其成本效益低和易于部署的特性而备受青睐。然而室内环境复杂多变,多径效应、障碍物遮挡等问题常常导致RSS信号出现显著误差,影响定位精度。为提高其鲁棒性和准确性,在研究K近邻算法的同时通过滤波预处理、改进权重因子和加入冗余动态数据库等方式对原有方法进行改进。实验结果显示改进方法提高了楼层定位的准确性,并降低了平均定位误差。

基于模糊计算的音乐人工智能演奏系统设计

本文设计了一种基于MIDI的音乐人工智能演奏系统,其特点是根据乐谱音乐要素审美的模糊性,运用模糊计算建立了能够调整声音变化参数的演奏解释规则。该系统在人机交互的作用下,会产生符合演奏者或学习者音乐表现需要的自适应、自调整功能。系统功能通过MIDI声音调整技术、音乐感知规则生成技术、音乐审美学习技术等环节实现。基于模糊计算的音乐演奏系统克服了MIDI音乐情感表现力的局限性,将演奏算法作为一种人工学习工具融入演奏技术系统中,从一定角度建立了音乐人工智能演奏的审美表现学习模式,为音乐演奏者提供了一种从审美感知到认知的学习训练系统。

基于集合学习的超链接预测

超图链接预测作为图预测的重要研究方向之一,能够通过预测节点间的高阶相互作用解决许多实际问题。目前大多数链接预测研究多集中于成对关联关系的预测,而实际应用中链接关系的对象往往大于两个。因此,本文提出一种基于集合表示和transformer的链接预测模型。该模型通过对集合表示实现链接预测的无序性,并将传统的语言模型拓展应用于链接预测问题。模型首先将数据嵌入编码层对数据特征进行提取,然后使用池化机制对解码层进行解码,并引入评分函数对模型预测结果进行评估。实验表明,本文提出的模型可以有效利用网络结构特征,在6个不同规模的代谢网络数据集上的表现优于多个基准算法。

人脸识别任务中角边距损失函数的对比研究

深度卷积神经网络(DCNNs)和嵌入(Embedding)学习人脸特征是人脸识别任务的常用方法。在DCNNs网络中广泛使用Softmax损失函数,将欧几里得边距强加到DCNNs学习到的特征矩阵中,获得较好人脸识别正确率,但是仍具有较大的提高空间。近年来提出的角边距损失函数进一步提升了人脸识别任务的正确率,但是人脸识别任务中角边距损失函数的对比研究较少,且缺乏在不同类别人脸数据集上对比角边距损失函数对人脸识别正确率的影响。本文使用MS1MV2数据集训练ResNet50模型,以Softmax损失函数为基准,对比研究ArcFace、CosFace、Combined Margin(CM)3种角边距损失函数在3个不同类别人脸数据集LFW、CFP-FP和AGEDB-30上的识别准确率,并调整角边距损失函数的参数值,讨论其对人脸识别任务性能的影响。实验结果表明,角边距损失函数较Softmax损失函数可以显著提升模型人脸识别正确率。在不同数据集和不同任务条件下,选择合适的角边距损失函数和参数设置可以提高人脸识别性能。

基于注意力机制的海关报表识别方法研究

海关报表作为进出口业务中的重要材料,需要快速识别文本并录入系统,提高业务效率。海关报表图像通常存在字迹模糊粘连、字号过小和噪声污染等问题,增加了报表文本识别的难度。本文针对海关报表图片识别准确率低的问题,提出了基于注意力机制的海关报表识别方法。在DBNet模型中引入了注意力机制,提升小字符文本检测能力,使网络更加关注字符相关区域;在视觉模型中引入可变形卷积模块,扩大感受野,并将视觉特征和语义特征增强后通过门控机制实现多模态融合,提升对低质量字符的识别精度。实验结果表明,本文方法在海关报表低质量图像的检测和识别准确率方面领先其他方法。

基于重要值排序和自适应阈值的Douglas-Peucker算法

矢量数据压缩长久以来一直是地理信息系统(GIS)领域的关注焦点,旨在缩减数据规模以满足应用性能方面的需求,同时减少数据传输、系统处理时长以及储存成本,从而提高系统性能和运行开销。虽然在该问题上已取得了一些研究成果,但由于技术进步和新需求的涌现,对矢量数据压缩的压缩率和精度都提出了更高的要求,同时如何确定最优的阈值也成为了一个亟待解决的问题。因此,本文从矢量数据中不同节点对整个矢量图形产生变化的重要性以及如何确定最佳阈值出发,设计了结合重要值排序和自适应阈值的Douglas-Peucker算法。通过对上海市民政部门内部矢量数据集的实验表明,改进算法在压缩率相同情况下,数据压缩效果整体优于Douglas-Peucker算法及其改进算法。

基于密集图卷积和注意力的攀爬行为识别技术

为解决大量特征信息在经过特征提取网络层层传递过程中不断被削弱以及针对时空和通道信息提取不充分的问题,本文基于MST-GCN提出了基于注意力和密集图卷积的攀爬行为识别方法。首先,在MST-GCN原先的时空图卷积网络中引入了密集连接,重构了特征提取网络,获取更丰富的关节之间的上下文关系;其次,在每层卷积块中引入卷积块注意力模块(CBAM),沿着通道和空间维度生成注意力特征图,加强模型对关键信息的特征提取能力。实验结果表明,本文所提出的方法相对于基线网络对攀爬行为的识别准确率提升了11.2%,并且超过当前其他方法。

基于坐姿压力检测的人脑注意力分析研究

本文提出了一种基于坐姿压力检测的人脑注意力状态分析方法,旨在深入分析和评估人类在外界环境认知过程中的注意力状态。研究显示,坐姿不仅能反映人体健康状况,还能揭示精神状态。特别地,坐姿的变化往往与注意力的专注程度密切相关。为此,利用压力传感器采集受试者的坐姿压力数据,并借助GRU模型对其进行深度分析,以揭示坐姿压力分布及其变化,进而推断出用户的注意力集中程度。为获得准确的注意力状态标签,结合基于脑电数据的注意力分类模型和ABR检测方程,通过提取脑电数据关键通道的特征数据,使用KNN模型进行训练,并获得一个分类模型以进行注意力状态分类。同时,计算ABR值以评估注意力专注程度。在标签确定过程中,当分类模型的分类结果与ABR检测方程的判断一致时,该结果将作为最终的注意力标签;否则,相应数据将被舍弃。这种双重验证确保了注意力标签的准确性和可靠性。该方法在注意力分析领域取得了显著成效,模型准确率可达98%以上。此方法不仅成本低廉、操作简便,还具备非侵入性特点,为注意力的相关研究和应用提供了有力的支持。