基于改进Mask R-CNN的绝缘子目标识别方法

为了提高绝缘子目标检测精度,缩短网络训练时间,提出基于卷积神经网络的InsuNet绝缘子目标识别方法.InsuNet网络采用56层卷积层作为主干网络,在特征提取网络的每个池化层后附加一层开运算,以过滤掉目标特征周围的干扰,增强算法鲁棒性.图像经主干网络传向区域提议网络提取感兴趣区域和主干网络前向传播的特征图共享给感兴趣区域对齐层固定特征尺寸,而后掩膜分支和目标分类、边界框回归分支并行输出ROI目标的掩膜、类别和回归框.结果表明,与Mask R-CNN模型对比,本方法在识别各种类型绝缘子时精确率达到94.7%,单张图像处理时间约为0.18 s,缩短了约40 ms.

结合聚类模型和自适应模型的遗传算法

在进化后期,自适应遗传算法有助于保存种群中的优秀模式;但在进化初期,对适应度值大的个体的保护,易降低种群的多样性、减弱算法的搜索性能。基于聚类的遗传算法可以提高遗传算法的收敛速度和搜索性能,但交叉概率和变异概率取定值,易使优秀模式在进化后期遭到破坏,难以收敛到全局最优。在遗传算法中同时引入聚类模型和自适应模型,有利于继承两类改进型遗传算法的优点,克服各自的不足。使用经典的测试函数对引入聚类模型和自适应模型的遗传算法进行测试,仿真结果表明:同时引入聚类模型和自适应模型的遗传算法比引入聚类模型或自适应模型的遗传算法具有更好的收敛速度和寻优能力。

Design of a new type of integrated classifier for network intrusion detection systems

Based on the analysis of the network intrusion detection model,a new design scheme for the integrated classifier is proposed.The attribute reduction algorithm of the discernibility matrix is used for the optimization design of reducing nodes of input and hidden layers.The experi-mental test result shows that this design is valid.