融合多维注意力机制与动态尺度的数据校核算法

为实现对医疗机构中设备、药品及耗材等数据的智能监控与校核,文中提出了一种基于多维注意力机制的动态尺度数据校核算法。该算法引入了通道注意力和空间注意力两种机制来挖掘出数据的深度特征及空间位置,并将其送入主干网络Transformer中进行准确地数据校核。同时在算法模型中加入了动态尺度,且通过设置阈值来确定是否需要利用潜补偿来缓解不平衡网络。在自建数据集上进行的实验结果表明,所提算法模型的预测精确率可达96%,优于传统模型。证明了该算法的有效性,能够实现对数据的自动校核。

动态尺度块匹配约束下的链式优化图像修复研究

针对由块间像素值突变引起的修复质量下降问题,提出一种基于动态尺度块匹配的链式优化图像修复算法.该方法依据先验信息与结构特征确定当前修复层所有图像块的候选匹配块数量;构建多尺度块匹配搜索模型,以二次搜索定位目标候选块,形成图像修复可行解空间.在候选块集合约束下,建立基于块间关联匹配特性的链式优化修复模型,并采用动态规划法求解当前修复层的最优匹配块集合,实现对图像的由外向内修复.实验结果表明,算法对多种自然图像的修复达到了令人满意的效果.

RTI时间管理的一种新型动态尺度标注算法

时间管理算法是决定RTI时间管理服务性能的关键。为解决时间管理中常用的Frederick算法计算GALT(greatest available logical time)时可能出现死锁以及仿真系统消息延迟等问题,定义了联邦成员尺度的概念,并结合时间前瞻量的动态调整思想,提出了动态尺度标注算法,并对其进行了分析。分析表明该算法不但减少了消息的延迟时间,还解决了时间管理中的死锁问题。通过在制导弹药飞行视景仿真系统上测试,表明算法改善了仿真效果,提高了仿真系统性能。

基于多尺度动态卷积和边缘增强的低剂量CT去噪

计算机断层扫描(CT)技术广泛应用于疾病检测与筛查,然而在扫描过程中产生的X射线辐射会对人体造成伤害.采用低剂量CT可以减少患者的辐射暴露,但是重建的图像会有显著的噪声和伪影,干扰医生的诊断.针对这一挑战,众多学者提出了基于传统卷积神经网络的低剂量CT去噪算法,并已取得显著成就.然而,传统卷积在不同像素位置共用相同卷积滤波器,这会忽略不同图像区域的内容差异,导致去噪结果的过度平滑化.为避免这一问题,本文提出一种基于多尺度动态卷积和边缘增强的低剂量CT去噪网络MDCEENet,旨在在去噪过程中保留更多的图像纹理和结构细节.MDCEENet是自编码器结构,包含编码器和解码器两个主要模块.具体而言,将低剂量CT图像及其边缘信息输入到编码器中,通过多尺度特征流MFS和边缘信息流EIS,分别提取多尺度图像特征和图像边缘特征,并将它们融合成引导信息GI,引导解码器中多尺度动态卷积块MDConvBlock的参数生成.在GI的引导下,MDConvBlock模块对上采样特征进行多尺度空洞卷积计算,旨在获取更高质量的重建图像.本文在Mayo Clinic公开的两个数据集上执行了相关实验,通过实验结果可知,MDCEENet的去噪效果优于DnCNN、RED-CNN、WGAN、CNCL、NBNet,获得了最优的平均峰值信噪比和平均结构相似性指标,这表明本文提出方法的优越性.本文还在这两个数据集上进行了消融实验,来说明MDCEENet中引入多尺度动态卷积和边缘信息的有效性,以及与ADFNet网络的区别.实验结果表明了本文提出的方法相比于ADFNet更适用于低剂量CT去噪任务.

一种动态跟踪尺度补偿的ORB特征点提取算法

在全景图像拼接背景下,深入研究图像特征点的提取算法发现,ORB算法比SIFT、SURF算法的执行效率更高,但ORB算法不具备SIFT、SURF算法的尺度不变性,为了确保图像匹配的准确性,文章提出了一种动态跟踪尺度补偿的策略,对ORB算法进行优化,实现成像效果和计算效率的改善,并分析了该思路的可行性。通过OpenCV视觉库进行实验,得出提取的特征点数量约是SIFT算法的2.44倍、SURF算法的2.24倍、原始ORB算法的1.47倍,验证了动态跟踪尺度补偿的ORB算法的可行性。

无人机街景影像的多尺度扩展卷积神经网络语义分割

视觉环境感知作为无人机智能导航、自主控制的关键环节,是执行多样性任务的先决条件。因此,如何为无人机智能决策和控制提供精准的视觉语义信息显得尤为重要。针对城市交通复杂场景无人机鸟瞰图像的语义分割算法进行研究,主要工作为:①对航拍数据集进行数据增强,增强模型训练鲁棒性;②针对无人机大场景目标尺寸多样,提出动态多尺度扩张卷积模块提取目标区域多尺度特征,利用残差神经网络结构增加模型深度的同时防止梯度消失;③利用特征融合增强模块在不同尺度融合深层和浅层特征,突出目标多尺度信息表征能力,抑制背景噪声;④后端通过二叉树边缘修正模块对分割图像进行优化,提高目标边界之间的分割效果。为验证算法有效性,实验部分与当前最新语义分割算法进行对比。实验结果表明,所提方法在多个评价指标上均优于比较方法。

面向导航的动态多尺度路网数据模型

导航应用需要动态多尺度路网数据的支持。描述交通特征的时空多尺度语义,利用象形符号扩展的UML表示法,设计适用于导航的动态多尺度路网数据模型。模型以车行道为拓扑数据建模的基本单元,以完整道路为几何数据建模的基本单元,实现路网拓扑/几何的分离与多尺度表达,以及交通状态、交通事件、统计行程时间等动态信息与路网的集成表达。试验表明,本文提出的模型为相应的数据结构设计与数据库实现奠定了良好的基础,能有效支持导航应用。

脆性颗粒材料的动态多尺度模型研究

脆性颗粒材料的多尺度模型一般包含微观尺度的基本粒子、细观尺度的颗粒和宏观尺度的颗粒堆积体3个尺度。基于离散元方法(DEM)构建多尺度模型,并将该模型应用于动态加载。首先,对多尺度模型所涉及的两种接触模型和两种黏结模型的参数进行分析,详细讨论微细观模型参数与宏观材料常数之间的联系。然后,选用Hertz-Mindlin接触模型[1]和平行键黏结模型,建造石英砂的动态多尺度模型。通过选择合适的强度和局部阻尼参数发现,模型宏细观尺度上的动态压缩响应与对石英砂的相关试验结果吻合很好。利用多尺度模型和选定的参数,探讨与动态加载密切相关的局部阻尼机制对多尺度模型各个尺度上力学响应的影响。结果表明,阻尼越大则颗粒材料对波的衰减能力越强,但过高的阻尼会使团簇强度和模型的宏观压缩曲线都表现出异常的加载速度效应(后者实际是阻尼引起的微惯性效应)。另外,高阻尼会过度衰减颗粒破碎过程产生的应力波,从而阻碍颗粒破碎。最后,应用改进的动态多尺度模型,对脆性颗粒材料的动态破碎特性进行研究,发现该模型不但能给出与试验相吻合的颗粒级配曲线,还能揭示出颗粒破碎过程中微裂纹分布的空间不均匀性,即颗粒破碎过程中波的产生机制和衰减机制相互作用导致的微裂纹聚团分布的现象。

基于M带小波的动态多尺度系统融合估计

研究一类动态多尺度系统的融合估计方法,这类系统具有已知的动态系统模型约束,由具有不同采样率的多个传感器独立观测,传感器的采样率以M(M>2)倍递减.用M带小波变换来拟合状态在各尺度空间的投影关系,建立了满足标准卡尔曼滤波条件的系统模型.进行卡尔曼滤波后,可以获得系统状态最优估计值.仿真结果验证了该动态多尺度系统融合估计算法的有效性.

一类动态多尺度系统融合估计算法的分析

为了进一步认识基于状态空间投影的一类动态多尺度系统的融合估计算法本质,本文对该算法进行了分析．首先,将该融合估计算法和在最细尺度上直接进行卡尔曼滤波的算法性能进行了比较,并用仿真进行了验证．结果表明,在最细尺度上,融合估计效果比直接进行卡尔曼滤波的效果好．其次,从计算过程和计算量方面,与一般的时间配准方法进行了对比分析．结果表明,该融合估计算法用比较严谨的数学模型代替了时间配准,可以在每个尺度上获得基于全部观测信息的最优估计,但计算量比时间配准方法大．本文的研究为基于状态空间投影的一类动态多尺度系统的融合估计算法的实际应用奠定了基础．

一类动态多尺度系统的模型和估计算法

多传感器信息融合是信息学科的重要研究方向,本文的目的就是对分布在多个尺度上的传感器信息进行融合。本文针对一类动态多尺度系统,在国内外相关研究的基础上,提出一种新的动态多尺度系统建模方法。该模型满足标准卡尔曼滤波条件,给出了基于Haar小波的实现方法,基于此可以获得各个尺度上目标状态线性最小方差意义下的最优估计值。仿真结果令人满意,最细尺度上用本文方法进行估计优于直接进行卡尔曼滤波的效果。

电力电子化电力系统多尺度电压功角动态稳定问题

随着可再生能源发电、远距离输电及无功补偿和交流传动等应用的快速发展,电力电子变换装备以其在电能变换方面的灵活性在电力系统中的渗透水平不断提高,深刻地改变着电力系统的动态行为。近年来,国内外电力系统持续出现各种不明机理的动态问题,对电力系统安全稳定和运行构成重大威胁。该文从主要发电、输电和负荷装备的控制方式、动态特性及其对电力系统动态行为的影响角度出发,分析一次调频时间尺度以下电力电子化电力系统电压功角动态稳定问题的多尺度特征,并初步提出基于幅相运动方程、自稳性致稳性及广义稳定器等3个方面的系统建模、分析和控制的一般化概念和方法,即幅相动力学方法。

非线性状态方程约束下的一类动态多尺度系统建模和估计算法

该文提出了非线性状态方程约束下的一类动态多尺度系统的模型及估计方法,该系统的状态方程是非线性的,多个传感器在状态空间的一个闭子空间序列中对系统状态进行观测。该文用状态空间投影方程将多个尺度联系起来,建立了一种新的集中式系统模型,该模型满足UnscentedKalmanFilter(UKF)条件。给出了基于Haar小波的模型的具体形式和估计算法,MonteCarlo仿真结果验证了该文算法的有效性。

我国建筑业低碳行为绩效的动态多尺度评价研究

按经济、环境、社会三重底线原则,建立建筑业低碳行为的绩效评价指标,构建低碳行为绩效评价的全排列多边形图示评价模型,避免了确定指标权重的困扰。选取东、中、西部12个省份2010—2014年的相关数据为研究对象,研究结果表明:我国建筑业低碳行为的绩效总体水平不高,但呈逐年上升趋势;其中江苏省建筑业低碳行为的绩效最好,其次是广东省。从单项绩效比较看,经济绩效和社会绩效明显高于环境绩效,我国建筑业在节能减排方面还需要采取更为有效的措施。

2200铝箔四辊轧机辊系动态交叉微尺度行为研究

对某2200mm铝箔四辊轧机的轴向力检测时,发现在轧制运行中工作辊与支承辊在有1mm间隙的运动副辊系内的位置处于不稳定的状态,出现了工作辊与支承辊之间的动态交叉微尺度行为。该微尺度交叉导致产生超大轴向力而使工作辊止推轴承(双列角接触球轴承)超载,造成止推轴承短寿烧损事故。对该微尺度交叉行为的产生机理进行了分析,研究有助于推动四辊轧机"偏移距"力约束辊系定位理论的完善和发展,对各类薄带钢轧机设计具有参考价值。

一种新的动态多尺度系统最优估计算法

给出了一类动态多尺度系统基于Haar小波的序贯式最优估计算法,该算法具有较低的计算复杂度和较高的实时性,为多传感器信息融合提供了一种新的方法。仿真结果验证了这种方法的有效性。

基于多尺度动态模型的自适应跟踪算法

1引言 随着小波理论的发展和进一步完善,小波理论中的多尺度分析思想越来越受到人们的重视.Basseville M,Chou K C等[1,2]率先将多尺度分析引入随机过程,提出了多尺度随机过程理论,并对多尺度随机过程的建模问题进行了深入的研究.

基于Haar小波的一类动态多尺度系统最优估计算法

提出一种基于状态空间投影方程的动态多尺度系统建模方法 ,给出了基于 Haar小波的模型的具体形式。该模型满足标准卡尔曼滤波条件 ,执行卡尔曼滤波 ,可获得各个尺度上目标状态线性最小方差意义下的最优融合估计值 ,仿真结果令人满意 ,并为动态多尺度系统建立了一种新的估计理论框架。

基于多通道融合多尺度自适应残差学习的行星齿轮箱故障诊断研究

针对风电机组行星齿轮箱振动激励源多、故障诊断精度低的问题,提出了一种基于多通道融合多尺度动态自适应残差学习(MC-MSDARL)的行星齿轮箱故障诊断方法。首先,采用多尺度动态自适应卷积神经网络(MSDAC)对不同尺度卷积核权重进行了动态调整,自适应提取了单通道数据的局部和全局特征;其次,通过将MSDAC与残差学习结合,提升了模型的学习能力;最后,采用MC-MSDAR将多通道数据的多尺度特征进行了融合,输入到SoftMax层,实现了故障识别与分类。研究结果表明:基于MC-MSDAR的方法进行行星齿轮箱故障诊断的准确率为97%,验证了该方法的有效性;通过与其他深度学习方法进行对比,该方法具有更好的泛化能力。

复杂系统数据挖掘的多尺度混合算法

任何复杂系统都要受到某些基本规律的约束,包括宏观、中观与微观的多层次规律的约束.怎样从一个系统的这些偶然现象(观测数据)中找出它的必然规律,是知识发现(KDD)与数据挖掘(DM)的首要任务,也是研究目标.建立了一个基于演化计算与自然分形相结合的多尺度的动态预测系统.它以微分方程描述系统的宏观行为,以自然分形刻画系统的微观行为.同时,以股票市场数据(君安证券股票数据)和科学观测数据(武汉汛期雨量数据)为例,进行了分析与预测模拟.数值实验表明,该系统的描述(拟合)性能优越,即使是对起伏波动很大的时间序列,也能拟合得很好,预测效果也较好.