基于SE-Hardnet网络的无人机图像目标匹配算法

针对无人机对目标进行匹配定位过程中,面临图像旋转变化及视角尺寸过小导致的图像特征提取困难等问题,提出了一种融合候选区域检测与SE-Hardnet特征提取网络的无人机目标图像匹配算法。通过Edge Boxes算法检测候选区域,结合SE-Hardnet网络进行特征提取,实现了目标图像的精确匹配。实验结果表明,所提算法在图像发生角度、尺寸变化时,具有更高的匹配正确率和鲁棒性,在近距离条件下图片数据集中的匹配正确率比现阶段图像匹配算法高8%~11%。为无人机目标定位提供了一种可行和有效的手段。

基于主题的SE-TextRank情感摘要方法

技术的目的是以简洁的形式准确表达文章的核心情感内容。为解决不同的文档结构及内容特征等问题对摘要结果的影响,提出了一种基于主题的SE-TextRank情感摘要方法。通过LDA模型自动获取收敛后的文本主题,利用余弦距离算法进行主题句子分组,使用传统多特征融合以及SE-TextRank情感摘要算法对组内中心句抽取,最终获取目的摘要。实验表明,采用此方法能够更为高效的获取新闻文本摘要结果。

基于YOLOv5s网络改进的钢铁表面缺陷检测算法

针对目前钢铁表面缺陷检测算法存在检测精度低、检测速度慢和模型复杂度高等问题,提出基于YOLOv5s改进的钢铁表面缺陷检测算法。将SE通道注意力模块融入骨干网络中以增大缺陷特征通道权重,降低背景干扰,提高算法对缺陷特征的提取能力;在颈部网络融入STR多头自注意力模块,提高缺陷边缘纹理等细节特征的比重;改进损失函数为SIoU,缩短预测框回归收敛过程以提高算法检测速度。实验结果表明:改进算法在NEU-DET数据集上的mAP值为80.4%,较YOLOv5s提高5.5%,每秒处理帧数为100,算法体积降低约8.3%,算法计算量降低约4.3%,对比其他的目标检测算法,改进算法在检测精度、检测速度上均明显提升,模型复杂度降低明显。改进算法可满足实时钢铁表面缺陷检测需求。

基于VMD-SE和DE-ELM的直升机滚动轴承故障诊断方法

针对直升机自动倾斜器滚动轴承转速低、钢球多,故障特征频率难提取的问题,利用VMD-SE和DEELM对直升机滚动轴承进行故障诊断。首先,对振动信号进行变分模态分解,利用中心频率法选择模态数,通过样本熵提取模态分量的特征;其次,利用差分进化算法对ELM进行优化;最后,利用课题组测得的真实数据进行故障诊断试验。结果表明:相比ELM和BA-ELM方法,DE-ELM在隐含层节点数较少情况下对轴承故障识别率达到99%以上,验证了该方法用于直升机自动倾斜器滚动轴承故障诊断的有效性。

基于改进PP-YOLOv2的IC引脚焊接缺陷检测算法研究

针对IC引脚焊接缺陷因目标尺寸小、引脚密集导致检测精度低等问题,提出一种基于改进PP-YOLOv2的IC引脚焊接缺陷检测算法。通过在骨干网络后引入SE注意力机制,区分特征图中不同通道的重要性,强化目标区域的关键特征,提升网络的特征提取能力。使用k-means++聚类算法产生9个聚类中心,以降低因初始聚类中心随机选择不当对检测结果所造成的误差影响。实验结果表明:改进算法对IC引脚焊接短路、缺脚、翘脚、少锡缺陷检测的平均精度分别为97.9%, 96.1%, 96.7%, 95.8%;在阈值为0.5的情况下,平均精度均值达到了96.6%,与YOLOv3、PP-YOLOv2相比,分别提高了14.9%, 5.1%。改进算法对单幅图片的检测时间为0.151 s,满足IC质检的速度要求,为IC引脚焊接缺陷检测提供了参考价值。

基于改进YOLOv5s的安全帽检测算法

针对现有安全帽检测算法难以检测小目标、密集目标等缺点,提出一种基于YOLOv5s的安全帽检测改进算法。采用DenseBlock模块来代替主干网络中的切片结构,提升网络的特征提取能力;在网络颈部检测层加入SE-Net通道注意力模块,引导模型更加关注小目标信息的通道特征,以提升对小目标的检测性能;对数据增强方式进行改进,丰富小尺度样本数据集;增加一个检测层以便能更好地学习密集目标的多级特征,从而提高模型应对复杂密集场景的能力。此外,构建一个面向密集目标及远距离小目标的安全帽检测数据集。实验结果表明:所提改进算法比原始YOLOv5s算法平均精确率(mAP@0.5)提升6.57%,比最新的YOLOX-L及PP-YOLOv2算法平均精确率分别提升1.05%与1.21%,在密集场景及小目标场景下具有较强的泛化能力。

基于ISSA-VMD的滚动轴承早期故障诊断方法

针对滚动轴承早期信号微弱导致故障特征难以提取和故障诊断准确率不高的问题,提出了一种基于改进麻雀搜索算法-变分模态分解(ISSA-VMD)和样本熵(SE)的滚动轴承早期故障特征提取方法。首先,在轴承早期故障诊断过程中,模态分解个数和惩罚因子的选择对变分模态分解(VMD)的分解效果有着很大的影响,为消除人为选择参数的影响,将麻雀搜索算法(SSA)优化为改进麻雀搜索算法(ISSA),利用ISSA参数优化后的VMD方法对信号进行了分解;然后,计算了敏感固有模态函数(IMF)分量的样本熵,构成了特征向量;最后,将特征向量作为支持向量机(SVM)的输入,进行了滚动轴承早期故障类型的识别。研究结果表明:ISSA-VMD+样本熵特征提取模型的故障诊断准确率为98.3%,与SSA-VMD+样本熵、灰狼优化算法(GWO)-VMD+样本熵、鲸鱼优化算法(WOA)-VMD+样本熵、传统VMD+样本熵、经验模态分解(EMD)+样本熵等特征提取模型相比,故障诊断准确率分别提高了3.3%、6.6%、5%、3.3%、5%;该模型可以准确地提取故障特征,提高故障诊断准确率。

基于Adomian分解法的分数阶Lü混沌系统的动力学分析及数字实现

基于Adomian分解方法,研究了一类分数阶Lü混沌系统.从系统的分岔图、基于谱熵(SE)算法和C0算法的系统复杂度、吸引子相图等数值仿真分析研究了0.9阶次Lü混沌系统丰富的动力学特性.又基于Adomian分解法,利用数字芯片TMS320F28335DSP中设计了程序以及外围硬件电路,实现了分数阶Lü混沌系统.最后,通过示波器观察DSP数字电路输出结果与理论分析结果相一致,从而进一步揭示了分数阶混沌系统的动力学特性.

最小二乘支持向量机用于水量预测

针对标准支持向量机建模时间长的缺点,为了城市用水量准确预测,需建立有效的预测模型。采用的最小二乘支持向量机基于结构风险最小化,并在支持向量机的基础上,将求解二次规划问题转化线性方程组,采用径向基核函数,使最小二乘支持向量机模型的待定参数比标准支持向量机少,可大大加快建模速度,同时还采用了人工免疫系统的自适应动态克隆选择算法,在寻优过程中能够准确、快速地搜索最小二乘支持向量机的最优参数。把上述模型用于城市日用水量预测,具有学习速度快,也具有良好的非线性建模和泛化能力,而且预测精度较高。

克隆粒子群算法的镜像层叠滤波器的优化设计

层叠滤波器是一种具有层叠性和阈值分解性的滑动窗非线性数字滤波器.层叠滤波器的优化设计过程关键就是对正布尔函数优化.本文利用了克隆粒子群优化算法的全局寻优能力和免疫系统的免疫信息处理机制,改善了粒子群优化算法摆脱局部极值点的能力,提高了算法进化过程中的收敛速度和精度.仿真实验的结果也表明,该算法在正布尔函数的优化效果得到了显著改善,收敛加快,试验结果表明该算法设计的层叠滤波器具有良好的细节保持能力和去噪声能力,有效地改善了滤波性能.

成因机制控制下低对比度油气层研究方法

为精准描述低对比度油气层与其他类型储层之间的数学差异,引入特征选择和分类归纳等数学分析模型。所提方法并不要求储层计算参数与储层实际特征完全吻合,只要能准确刻画不同类型流体之间的数值差异即可。以鄂尔多斯盆地陇东地区超低渗透油层改造后的产能预测为例,阐述整个实施过程。结果表明:利用所建产能模型预测77口新井压裂后的产能,平均绝对误差为0.95 t/d,平均相对误差为9.49%,可以满足实际生产需求;在开展或完善储层表征参数理论模型研究的同时,各种数学分析方法的适用性、逻辑性也应被重视;传统方法和数学模型的有效结合能避免方法的单一化或模式化,有助于解决地层评价领域中的各种疑难问题。

管道复合噪声主动控制系统及其实现

自适应噪声主动控制(ANC)中,由于FXLMS算法较为简单、计算量较小,使之得到广泛应用。在前馈ANC中,要获得好的降噪效果,参考传感器信号和噪声声源要紧密相关,这在实际复杂系统中较难以满足;反馈ANC系统降噪效果不依赖于声场的相关性,但其降噪频带较窄,而且还存在稳定性问题。复合ANC的方法是将反馈和前馈的方法结合起来,以求取得比单独使用前馈或反馈的方法更好的降噪效果。本文应用基于TI公司的TMS320C30芯片作为控制器的实时的ANC系统,在一风机、通风管路系统上进行ANC试验研究。结果表明应用复合FXLMSANC方法,能获得较理想的降噪效果。

中药材粉末显微特征图像的检测方法研究

针对中药材粉末显微特征图像存在的目标断裂残缺这一关键问题,提出一种改进型SSD检测算法,即在SSD网络的预测卷积特征图之后加入SE模块,使SSD网络对该特征图的多个特征通道进行重要性的学习,并据此让包含较多信息且对最终结果起重要作用的特征通道分配到较大的权重。这样,断裂残缺的目标所保留的关键信息在网络迭代过程中能够被网络充分地学习,实现网络对目标的自动定位和种类识别,提高最终的检测效果。将改进型SSD算法用于厚壁细胞、导管和花粉孢子这三类显微图像的检测,mAP由79.8%提升到81.5%,这一结果证明了改进型SSD算法的有效性。

柔性作业车间调度优化的改进模拟退火算法

针对柔性作业车间调度问题,提出一种改进模拟退火算法来进行求解。该算法引入粒子群算法中的基于位置取整和基于轮盘赌两种个体编码方法,并采用3种不同的局部搜索方法来构造个体的邻域结构。算例计算表明,改进模拟退火算法在求解柔性作业车间调度问题时,比粒子群算法、混合粒子群算法以及模拟退火算法具有更好的求解性能,其中采用轮盘赌编码时,算法的求解性能要优于采用位置取整时的求解性能,且基于互换的局部搜索方法要优于其他两种局部搜索方法,能更有效地改善算法的求解性能。

基于计算机视觉技术的蚕丝截面积测量

针对传统的蚕丝截面积的测量方法费时 ,费力且精度低的缺点 ,提出了基于计算机视觉技术的蚕丝截面积测量方法。采用计算机视觉系统获取蚕丝截面图像 ,利用模糊熵实现截面图像分割 ,用种子填充法进行标注计数 ,从而有效地获得了蚕丝的单丝截面积。实验结果表明 ,该方法消除了传统测量方法的主观误差 ,提高了测量精度 ,适应了纺织品检测自动化的需要。

基于国密SM9的可搜索加密方案

为满足密文数据安全级别的要求,现有基于身份的可搜索加密方案多次使用安全参数较大的对称双线性对运算,导致计算效率降低,且其密钥形式难以与国家商用密码算法SM9相结合。针对该问题,设计一种基于SM9密码算法的可搜索加密方案。在离散椭圆曲线的两个子群中分别生成用户的公私钥对,使方案的密钥形式与SM9密码算法保持一致,解决经SM9密码算法加密后数据的检索问题,同时结合SM9密码算法,基于非对称双线性特性在确保方案安全性的同时提高检索效率。根据双线性对的性质分析该方案的正确性和安全性,并验证其满足在随机谕言模型下的适应性密文不可区分性和陷门不可区分性。仿真结果表明,与EdIBEKS、PEAKS、dIBAEKS方案相比,该方案在索引生成算法、陷门生成算法和检索匹配算法上的计算效率分别平均提高了77%、16.67%、28%以上。

基于多目标进化封装的特征选择在人脸识别中的应用

为了在实施分类工作时将不相关的、多余的、具有噪声的特征从问题表示中去除,以降低复杂度并得到可接受的性能,提出了一种基于多目标进化封装的特征选择方法。首先利用染色体选择的特征重新参数化人脸图像从而获得主动形变模型特征集;然后通过多目标遗产算法进行特征选择,在最小化特征子集基数的同时最大化判别容量;最后结合提出的综合适应度函数及k-近邻分类器完成人脸的识别。在Essex人脸数据库上的实验验证了所提方法的有效性,实验结果表明,相比其它几种较为先进的方法,所提方法不仅降低了表示的维度,同时提高了分类性能。

一种基于粗集理论的知识发现系统的研究与设计

文章在给出基于数据库的粗集理论的形式化描述的基础上,首先引入关联度概念,修改了一个典型的缩减算法;其次,定义了一个能较为全面反映知识形成过程中一些得要统计特征的规则表示方法;最后设计知识发现系统的并举例验证了系统的正确性和实用性。

小波分析和粒子群优化神经网络的语音端点检测

为了提高语音端点检测的适应性和鲁棒性,提出一种小波分析和粒子群优化神经网络(WA-PSO-BP)的语音端点检测算法.首先利用小波分析提取语音信号的特征量,然后将特征量作为输入BP神经网络进行学习,并采用粒子群算法优化BP神经网络参数,从而建立语音端检测模型.仿真结果表明,WA-PSO-BP提高了语音端点检测正确率,有效降低了虚检率和漏检率.这说明WA-PSO-BP是一种可行性较高,环境适应性较强的语音检测算法.

结合互补度的基于扩展规则#SAT问题求解方法

#SAT问题又称模型计数(model counting)问题是人工智能领域的研究热点之一,在人工智能领域被广泛应用.在对基于扩展规则的#SAT问题求解方法 CER(counting models using extension rules)深入研究的基础上,提出一种结合互补度的#SAT问题求解方法.在计算给定子句集的模型个数时,利用SE-Tree(set enumeration tree)形式化地表达计算过程,逐步生成需要计算的子句集合,并在SE-Tree中添加终止结点,避免大部分含互补文字子句集合的生成,且不会因剪枝而导致求解不完备.提出互补度的概念,在扩展SE-Tree结点时按照互补度由大到小的顺序扩展,较早地生成含互补文字且长度较小的子句集合,有效减少枚举树生成的结点个数,进而减少对子句集合判断是否含互补文字的计算次数.实验结果表明:与CER方法相比该方法效率较好,且进一步改进了CER方法在互补因子较低时求解效率低下的不足.