农村寄宿制初中生独处偏好与攻击性行为的关系——基于潜在剖面分析

为探索农村寄宿制初中生的独处偏好与攻击性行为的关系,采用攻击性问卷(AQ)、独处偏好量表(PSS)对516名农村寄宿制初中生进行调查。结果显示:一是农村寄宿制初中生攻击性存在显著的群体异质性,分为低攻击型、中等攻击型与高攻击型;二是相比低攻击型,农村寄宿制留守初中生在中等攻击型中占比更大,父母受教育程度越低的农村寄宿制初中生在高攻击型中占比更大,年级越高的农村寄宿制初中生在中等攻击型、高攻击型中占比更大;三是具有高独处偏好的农村寄宿制初中生更可能归属于中等攻击型和高攻击型。研究结果验证了农村寄宿制初中生攻击性存在显著的群体异质性,且年级、是否留守、父母受教育程度、独处偏好是其影响因素。

农村幼儿园教师专业心理求助意向的影响因素

为了探讨农村幼儿园教师专业心理求助意向的影响因素,采用方便取样方式,在甘肃省某市选取农村幼儿园教师223名,使用基本情况调查表、简易应对方式问卷(SCSQ)、社会支持量表(SSRS)、情绪调节自我效能感量表(RESE)、寻求心理咨询帮助的行为意向量表(ISCI)进行评估。结果显示:学历为硕士及以上水平的农村幼儿园教师在ISCI的心理和人际困扰维度得分显著高于本科和大专水平的农村幼儿园教师,学历为硕士及以上水平的农村幼儿园教师在ISCI的物质滥用困扰维度得分显著低于本科和大专水平的农村幼儿园教师,月收入在5000元以上的农村幼儿园教师在ISCI的心理和人际困扰维度得分显著高于月收入在3000~5000元和月收入小于3000元的农村幼儿园教师;消极应对、客观支持负向预测求助意向,情绪调节自我效能感正向预测求助意向。研究表明:消极应对、客观支持和情绪调节自我效能感是农村幼儿园教师专业心理求助意向的重要影响因素。

基于流计算和大数据平台的实时交通流预测

目前交通流预测实时性差,很难满足在线分析和预测任务的需求,基于此提出一种Flink流计算框架和大数据平台结合的实时交通流预测方法。基于流计算框架实时捕捉和预处理数据,包括采用Flink的transform算子对数据进行校验和处理,将处理后的数据sink到大数据的HDFS文件系统,交由下一步的大数据并行框架进行分析建模与训练,实现基于流计算和大数据平台的实时交通流预测。实验结果表明,Flink能够实时捕捉和预处理交通流数据,把数据准时无误送入分布式文件系统中,在此基础上借助大数据框架下的并行分析和建模优势,在实时性数据分析与预测方面取得了较好的效果。

结合轻量卷积的非自回归语音合成方法

对如何有效捕捉音素之间的关联及如何合成韵律丰富的音频进行研究,提出一种结合轻量卷积的非自回归语音合成模型LCTTS。引入轻量卷积建立起音素之间的联系,解决发音出错问题。通过添加音高和能量预测器预测生成语音的韵律,解决音频韵律缺乏问题。训练模型获取梅尔频谱,结合预先训练好的声码器转化为音频。实验结果表明,提出的LCTTS模型优于先前提出的SpeedySpeech模型,在Emotional Speech Database数据集上平均意见得分获得2.8%的提升,梅尔倒谱失真测度下降0.15。

基于单目SLAM稀疏特征的避障方法

为在使用单目相机的低成本移动机器人上实现避障,提出一种基于现有单目SLAM系统生成的稀疏特征的可通行区域检测方法。通过使用单目SLAM生成的稀疏地标点标识障碍物,根据环境信息恢复构建三维体素地图,生成二维栅格代价地图。为解决单目SLAM中尺度不明确的问题,提出一种基于视觉-轮式编码器的尺度求解器。通过直接使用机器人已有的SLAM框架生成的地标点,在降低系统整合成本同时降低计算量。实验结果表明,在KITTI和DRE数据集上构图的耗时在10 ms~20 ms,可以很好满足在性能受限的设备上的实时避障需求。

融合标签特征和胶囊注意力的口语理解方法

针对目前意图检测和槽位填充联合学习中未充分考虑交互前标签特征信息的有效提取和融合,缺乏对交互后标签特征的提炼问题,提出一种融合标签特征和胶囊注意力的口语理解方法。主要由意图与槽位标签特征融合交互(label feature fusion interactive, LFFI)和多头胶囊注意力机制(multi-head capsule attention, MHCA)两大关键模组组成。LFFI-MHCA通过LFFI提取序列中有效的意图和槽位标签信息,对两者进行融合和交互;利用MHCA对交互过程中产生的不同子空间信息进行提炼,获得更为精确的意图和槽位标签特征。该模型在ATIS和SNIPS数据集上进行实验,句子准确率分别为88.1%和89.0%,验证了该模型的有效性。

我国民族民间舞蹈创作的当代缺失与对策

中国民族民间舞蹈起源民间,传承于群众,历史悠久、种类繁多。每种民间舞蹈都带有独特的民族特色,能够体现特定历史时期的民族文化和民间艺术精神。在全球一体化的今天,民族民间舞蹈尤其要保护好民族性这个精神内核。同时,舞蹈创作也要参照现代,创作更多符合时代审美、紧跟新时代潮流的民间舞蹈作品。文章通过分析现阶段中国民族民间舞蹈创作的缺失,探讨传统舞蹈的融合创新路径,为进一步推动我国民族民间舞蹈艺术的繁荣与发展提出可行之策。

国家一流本科专业建设背景下的校史档案资源建设现状调查与建议

教育部办公厅印发《关于实施一流本科专业建设“双万计划”的通知》已经成为各高校专业建设的政策指导,在此背景下,高校应如何挖掘和利用丰富的校史档案资源已成为亟待思考和探索的新问题。本文通过对“双一流”高校校史档案资源建设现状的调查和分析,提出对校史档案资源建设的建议,以期有效提升高校校史档案育人效能,满足国家一流本科专业建设需求。

融合权重自适应损失和注意力的人体姿态估计

在自底向上人体姿态估计方法中存在前景和背景样本不平衡的问题,同时高分辨率网络在特征提取和特征融合时不能有效获得通道信息和空间位置信息。针对以上问题,提出以高分辨率网络(HigherHRNet)为基础融合权重自适应和注意力的自底向上人体姿态估计网络WA-HRNet(weight-adaptive fusing attention HRNet)。提出权重自适应损失函数,自适应调整不同区域的损失权重,使得HigherHRNet训练时更加关注人体关键点中心区域;同时为了获取丰富的全局信息进一步定位关键点区域,提出高效全局注意力,加强关键点中心区域的表征;引入热力图分布调制,提高热力图解码关键点位置的准确性。在CrowdPose数据集以及COCO2017数据集上的实验表明,与基线HigherHRNet相比,WA-HRNet在CrowdPose测试集上AP值提升了5.8个百分点,在COCO2017测试集上AP值提升了1.8个百分点达到了72.3%,优于其他自底向上人体姿态估计主流算法。

融合多特征与语义图卷积网络的摔倒检测方法

摔倒事件严重影响老年人的生命健康,对摔倒行为进行检测可以降低老年人再次跌倒的风险,从而保证其生活能力以及提高生活质量。目前基于视觉的摔倒检测方法在实验数据集上能够取得较好的精度,但是无法很好地泛化到现实环境中,在实际应用时往往并不符合动作判断逻辑。针对该问题,对比光流法以及基于人体姿态估计的方法,在2D人体姿态估计的基础上提出一种鲁棒的摔倒检测方法。设计一种摔倒检测优化框架,构建融合多特征与语义图卷积的检测模型,采用更贴合动作判断逻辑的训练策略对该模型进行训练,以提高摔倒检测系统在现实环境中的泛化性。在Le2i Fall Detection Dataset、UP Fall Detection Dataset和Multiple Cameras Fall Detection Dataset这3个公开数据集以及自收集数据集上进行实验,结果表明,该模型的总体检测准确率达到98.3%,基于所提优化框架与训练策略的模型配合YOLOv3和Alpha_pose实现的整体摔倒检测方法在GTX1060显卡中帧率达到约25FPS,在现实场景测试中体现出较好的鲁棒性,相较以往的基于视觉的检测方法更适合部署在实际应用环境中。

智能化表格识别技术综述

在大数据和互联网的历史背景下,信息技术的发展伴随着大量文档的产生。作为数据关系直观体现的表格常见于文档中,表格的归档也是文档处理的重要任务之一。如何在海量的文档中快速地对表格进行自动化识别成为妨碍文档处理迈向智能化的关键因素。作为人工智能研究领域重要分支之一的表格识别,能实现表格对象和结构的自动化检测与识别,被广泛应用在文档智能化处理等场景。因此总结与综述表格识别领域的概念、技术、应用与挑战显得尤为重要。阐述表格识别的概念,指出表格识别任务可被分为表格检测和表格结构识别两大子任务。针对表格检测研究方向主流的anchor-based和anchor-free算法进行介绍和分析,总结不同算法的优缺点。分别阐述基于语义分割、基于双向割并、融合神经网络以及端到端等四大类别的主流的表格结构识别算法的原理和优缺点。同时分析并讨论目前常见的有机融合表格检测和表格结构识别的非端到端与端到端的表格识别算法。最后总结并指出表格识别的应用、挑战与展望。

改进判别式深度Dyna-Q的任务对话策略学习方法

作为任务型对话系统中的关键一环,对话策略可以通过判别式深度Dyna-Q框架训练得到。然而,该框架在直接强化学习阶段采用原始的深度Q网络方法学习对话策略,在世界模型方面采用多层感知机作为模型的基本结构,导致对话策略的训练效率、性能和稳定性降低。本文提出了一种改进判别式深度Dyna-Q的任务对话策略学习方法。在改进后的直接强化学习阶段,利用噪声网络改进了智能体的探索方式,同时将竞争网络的双流架构、双Q网络与n步自举法三者相结合,优化了Q值的计算过程。在世界模型方面,设计了一种基于软注意力的模型替代多层感知机结构。实验结果表明,本文提出的方法在对话成功率、平均对话轮数以及平均奖励3个指标上均优于现有的最佳结果,最后本文通过消融分析和鲁棒性分析,进一步验证了方法的有效性。

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位(adaptive Monte Carlo localization,AMCL)和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。

椭球语义对象辅助的RGB-D相机重定位方法

提出了一种基于椭球语义对象的RGB-D重定位方法。首先,在相机跟踪过程中,利用深度点云对观测对象进行单帧初始化,采用椭球体描述被观测的地图对象,通过对象共视图关联地图对象和相应的目标检测结果,以构建椭球对象级语义地图;然后,基于地图对象的位置进行相机重定位;最后,利用ICP(iterative closest point)点云配准算法优化相机位姿。OR10数据集测试表明,在词袋方法(bag-of-words, BoW)和随机蕨方法(random ferns, FERNS)表现较差的大视差环境下,该重定位方法仍能有较高的成功率,且算法运行时间与这2种方法相近。

面向ARM同构处理器的单目视觉SLAM方法

近年来,以视觉传感器为主导的同时定位与建图(SLAM)方法得到广泛关注与研究,但因定位的实时性和精度需保证一定的视觉计算和地图刷新频率,对计算及存储的需求高,导致资源有限的平台随着工程的迭代更新而失去支持。因此,研究一种面向ARM同构处理器的单目视觉SLAM方法。该方法首先基于纯视觉构建无尺度的初始地图,通过对齐带有绝对尺度的IMU测量数据,求解出视觉尺度因子;然后提出一种快速跟踪策略,通过减少特征提取与描述子的计算量来提升运行速度;最后通过滑动窗口算法对后端优化问题规模进行限制,同时对历史数据及时进行边缘推送与数据整合,有效地避免了长时间运行下本地计算量与存储量的激增。在TUM视觉惯导数据集上的实验表明,相比ORB-SLAM3方法,该方法在树莓派上的平均运算速度提升了69.29%,且绝对轨迹误差更低,支持地图数据实时推送与离线保存,是视觉SLAM在嵌入式系统平台落地应用的一种有效方法。

结合多级特征融合和高效注意力的跟踪算法

在光照变化、形状变化、运动模糊等复杂场景下,现有的目标跟踪算法很容易跟踪失败,为了解决这些问题,一些跟踪算法尝试引入全局注意力来增强特征表达以提高准确率,但这需要消耗大量的计算资源。提出一种结合多级特征融合和高效注意力的目标跟踪算法SiamEff(Siamese efficient network),使全局注意力能在耗费少量计算资源的前提下提高准确率。使用无锚框机制以避免基于锚框的跟踪算法对大量超参的敏感问题;引入一种比传统全局注意力更加高效的注意力机制,大大降低内存和运算量的需求,并融合了低层和高层的多级特征,充分利用不同层次的特征信息提高跟踪性能;引入了中心度约束,以减少低质量预测框的干扰。在公开测试平台OTB100和VOT2018上进行了测试,结果表明SiamEff的跟踪性能优于主流跟踪算法,在各种复杂场景下更加鲁棒和准确,且跟踪速度达到150 FPS。

动态环境下基于蚁群算法的实时路径规划方法

提出了一种实现移动机器人在复杂动态环境下进行实时路径规划的新方法。该方法首先利用模糊逻辑来描述机器人局部环境模型;然后采用改进的蚁群系统算法快速地搜索出局部最优路径,并在此路径的引导下,结合机器人滚动规划方法,实现移动机器人在复杂动态环境下的实时路径规划。该方法不仅能克服传感器测量误差等引起环境信息的模糊性和不确定性的影响,还可以充分发挥蚁群算法的群体智能优势来保证系统规划的实时性。仿真结果表明该算法的有效性和可行性。

自主移动机器人走廊识别算法研究与改进

针对移动机器人在室内环境下自主导航过程中的走廊识别问题,提出一种改进的走廊识别算法.该算法采用由Kinect传感器提供的深度图信息,利用连续点间的深度差值和最小二乘法拟合直线检测走廊出口存在性,最后结合贝叶斯分类器完成对走廊类别的判定.实验表明,该方法能够高效地识别走廊类型,同时具有较好的鲁棒性,并且在复杂的室内环境下依然能够保持较高的走廊类型识别率.

基于双向同态加密的深度联邦图片分类方法

针对传统的机器学习存在的隐私保护以及数据孤岛的问题,结合深度学习,提出一种基于双向同态加密的深度联邦图片分类方法——AFL算法。首先,AFL算法是深度VGG神经网络的一种横向联邦改进。同时,基于Paillier同态加密算法提出一种双向Paillier同态加密机制——Bi-HE机制,保证联邦系统的隐私安全。其次,基于AFL算法提出一种自适应的模型聚合等待策略,有效避免传统的联邦学习方法因通信阻滞致使的聚合效率低下的问题。最后,使用CIFAR-10数据集的实验验证,相比于传统的VGG和DenseNet算法,AFL算法具有更好的泛化能力,有效解决了隐私保护和数据孤岛的问题,且在效率上优于传统的横向联邦学习算法。

基于可变码长的音视频同步编码改进算法

针对音视频同步的问题提出一种基于H.264帧间预测的音视频同步编码的改进算法。该算法引入可变码长的概念,将音频编码数据分为若干码组,每个码组为2或3比特的待嵌入数据。在H.264的帧间预测环节,可变尺寸块与码组之间根据公式确定映射关系。根据待嵌入数据来动态决定宏块分割模式的编码方式,以及根据映射关系提取数据的解码方法,使用4×4宏块分割模式表示嵌入数据的结束。实验结果表明,该算法使视频采集样本的峰值信噪比(PSNR)下降了0.031 dB,码率变化率为5.16%,产生1.97%的嵌入开销,但是所嵌入的音频编码数据可以正确完整地提取。因此该算法能够在增加数据嵌入容量、保持视频质量、保证数据正确性和完整性的基础上实现音视频同步编码。