结合双线性网络和注意力的蓝藻图像识别方法

针对实际工程环境中采集的蓝藻图像数量不均衡、复杂光照条件影响、蓝藻图像局部区域特征捕捉不全面等问题,提出一种结合双线性网络和注意力的蓝藻图像识别方法。首先构建蓝藻图像数据集,并使用图像增强算法对数据集进行优化,再使用双线性网络充分提取蓝藻图像特征信息,同时结合卷积块注意力机制,聚焦重要的局部特征,忽视无用信息,进一步提升对无蓝藻、颗粒状蓝藻、带状蓝藻和片状蓝藻等4类不同形态蓝藻图像的分类效果。在构建的Algea-ultimate蓝藻数据集上进行实验,结果表明:相比识别效果最好的经典网络模型ResNet18,所提方法在识别准确率上提升7.29%,识别精度有明显提升。识别方法可用于太湖流域水质监测和预警平台中,提供蓝藻图像自动识别功能,为实时监测水体蓝藻形态提供智能化解决方案。

基于双线性RepVGG注意力网络的花卉分类

为进一步提高花卉分类的准确率,在对双线性卷积神经网络、RepVGG及注意力机制进行研究的基础上,提出一种基于双线性RepVGG注意力机制的网络模型。首先利用RepVGG网络替换原始的特征提取网络VGG,以提高对花卉主要特征的提取能力;然后在两个RepVGG网络中分别引入通道注意力及空间注意力机制,并利用两个RepVGG网络外积后生成的高维双线性特征,来提取花卉的细粒度特征;最后通过结构重参数化,将RepVGG的各层转换为单路结构,以提高模型推理的速度。实验结果表明,在增强的Oxford-102数据集上,新模型与原始模型及常见模型相比,其推理速度及分类准确率均有较大的提升,与未引入注意力前相比,分类准确率也有一定的提升。

基于双线性插值的单目标检测算法

针对已有算法对于空中小目标检测效果差、精度低、漏检等问题,提出一种基于双线性插值的单目标检测算法。对主干网络进行设计,再根据特征图的特点,使用不同的方法进行特征融合。在特征融合的过程中使用双线性插值算法进行上采样。对算法的先验框进行设计,使算法的先验框尺寸与数据集目标框尺寸更加契合。实验结果表明,提出算法的平均检测精度对比SSD提升了10.29%,算法计算量对比Faster-RCNN减少了82.18%。

基于稳态响应规律的双线性滞回模型等效参数研究

为了研究等效线性化方法的位移估算精度,以双线性滞回模型为分析模型,分析了非线性单自由度体系的自由振动过程,指出采用割线刚度法(R-H法)计算的等效参数与实际结果偏差较大,进而提出了一种简谐力作用下的等效参数计算方法。考虑了简谐激励的激励周期以及结构振动的位移峰值对计算结果的影响,通过数值分析对不同参数对应下的非线性体系进行等效线性化分析,验证了所提出的等效参数计算方法的有效性与准确性。结果表明,采用R-H法计算的等效刚度偏大,而改进方法能够合理估算非线性时程位移结果,其计算精度优于R-H法。

任意大小图像的量子描述及双线性插值方法

为解决任意大小图像的量子描述及缩放问题,提出一种改进的量子图像描述方法。采用量子基态描述像素值,采用量子叠加态描述像素位置,该叠加态可包含任意数量的基态,描述任意大小的图像。提出一种基于量子傅里叶变换的图像双线性插值方法。基于量子傅里叶变换基本原理,设计实现加法和乘法的量子线路,利于这两个模块及其它辅助模块,研究实现图像双线性插值的量子线路设计方法,设计双线性插值放大和缩小两种具体的量子线路。基于线路中采用的量子基本门的数量,分析线路的复杂度,其结果表明,该方法可以实现对经典方法的指数加速。经典计算机上的仿真结果验证了提出方法的有效性。

快速反射镜双线性插值标定技术

为满足光电系统中对快速反射镜高指向精度的需求,对基于电涡流传感器测量的快速反射镜二维角度标定技术进行研究。分析了利用电涡流传感器进行二维角度测量的工作原理,设计了快速反射镜角度标定系统。对多项式拟合、双线性插值两种标定模型进行了理论分析和实验测试。结果表明,在±1000″角度范围内,双线性插值法标定的误差在2″以内,比传统的多项式拟合法标定精度高。标定精度的提高对实现快速反射镜高精度指向具有十分重要意义。

基于混合双线性模型的抑郁症辅助诊断

抑郁症作为常见的慢性精神障碍疾病,其致病原因复杂且康复率较低。基于头皮脑电图提出一种使用混合双线性深度学习网络完成抑郁症辅助诊断的方法。首先,将卷积神经网络提取得到的空间特征和卷积长短时记忆网络提取得到的时空特征通过双线性方法融合成二阶混合特征,构建时空特征混合双线性模型;然后,使用脑电信号各频段的功能连接矩阵进行训练,并用不同的功能连接度量方法分析脑电信号各频段与抑郁症功能连接之间的关系;最后,在MODMA公开数据集上应用此方法。实验结果表明,使用二阶混合特征的混合双线性模型在Beta频段相关性功能连接矩阵上取得99.38%的准确率,说明了Beta频段相关性功能连接矩阵的二阶混合特征在抑郁症辅助诊断中的有效性,与其他方法相比,所提方法达到了较高的准确率,具有较好的应用前景。

融合逆密度梯度和双线性插值的深海地图构建

为提高深海探测机器人水下作业的效率和安全性,提出一种融合逆密度梯度聚类和双线性插值的地图构建方法。将机器人所采集的海底环境图像进行灰度化、分割和去噪预处理;对障碍物区域的图像像素进行聚类;根据探测机器人结构尺寸对聚类后二值图像进行改进双线性插值的局部膨胀处理,获得最终环境地图。2种不同环境的地图构建结果表明:传统Meanshift算法和双线性插值算法相比,融合逆密度梯度聚类和双线性插值的图像处理能够实现地图中非可行区域的确定,检出率平均提升26.1%,漏检率平均降低31.4%,该方法有效。

双线性参数系统的极大似然递推参数估计

研究具有自回归滑动平均噪声的双线性参数系统,该系统结构复杂,噪声项的研究更具普遍意义。为实现系统参数的在线辨识,采用梯度搜索方法,推导了双线性参数系统的随机梯度算法。对于出现的未知项,基于递阶辨识原理使用其估计值进行替代。极大似然估计方法基于概率论,具有良好的一致性、渐近正态性和可用性,在引入极大似然估计方法后得到了相应的极大似然随机梯度算法,为进一步减小有色噪声对参数估计精度的影响,结合多新息辨识理论,将标量单新息扩展为多新息向量,研究了具有自回归滑动平均噪声的双线性参数系统的极大似然多新息随机梯度参数估计方法,并进行了仿真验证。

融合门控注意力机制与双线性特征交互的推荐模型

为了在影视、书籍等单一类型推荐中准确地表达用户的真实偏好,充分地捕获到推荐数据中的有效特征,研究并提出一种融合门控注意力机制与双线性特征交互的推荐模型。使用融入门控机制的注意力单元来对用户的局部显性偏好建模,使用双线性特征交互层来对用户的长期泛性偏好进行挖掘,以提升深度推荐模型的学习能力。在Amazon(Books)和MovieLens-1M两个公开数据集中进行实验,实验结果表明所提模型相比于其他推荐模型,推荐效果有一定程度的提升。

基于双线性卷积宽度网络的水稻病虫害识别

针对水稻病虫害数据集构建不够完善,现有方法对小样本数据集识别准确度低的问题,提出一种基于双线性卷积宽度网络(BCBN)的小样本水稻病虫害识别方法。所提方法利用双线性卷积神经网络(B-CNN)提取水稻病虫害图像的双线性特征,并通过宽度学习系统(BLS)算法增强双线性特征,从而提高模型的识别准确率。实验结果表明,BCBN在使用BLS增强双线性特征后,病虫害图像中的判别性特征得到了更高的权重占比,有效降低了模型的误分率,模型识别准确率达97.44%。所提方法在样本量较少时具有明显优势,能够满足真实场景下水稻病虫害分类检测的需求,为水稻病虫害识别技术提供了一种可行的思路。

基于图卷积和双线性注意力网络的药物靶标亲和力预测

药物靶标亲和力预测在药物研发中扮演着重要的角色。针对现有预测方法大多忽略药物分子的二维结构信息、缺乏深层表征融合学习的问题,提出了基于图卷积和双线性注意力网络的药物靶标亲和力预测模型(GBN_DTA)。该模型首先基于多层图卷积神经网络编码药物分子图,同时结合1D-CNN和双向长短期记忆网络(BiLSTM)编码靶标序列;然后使用双线性注意力网络融合编码后的药物和靶标特征,最终获得亲和力预测分数。实验结果表明,该模型在DAVIS和KIBA数据集上的性能均优于其他6种主流方法,有效提升了预测准确率。

(3+1)维广义非线性发展方程的双线性Backlund变换与精确解

基于Hirota双线性方法和试探函数法,研究一个(3+1)维广义非线性发展方程的双线性Backlund变换和精确解问题。用Hirota双线性法,构造(3+1)维广义非线性发展方程的双线性形式和双线性Backlund变换。基于双线性形式和双线性Backlund变换,利用试探函数法与符号计算系统Mathematica,获得(3+1)维广义非线性发展方程的多种精确解,包括呼吸波解、复合型解、Lump周期解和孤子解,并分析解的相互作用情况。

(3+1)维Hirota双线性方程的lump解

非线性发展方程是现代数学的一重要分支,其精确解的计算一直都是非线性科学领域的主流与焦点问题.lump解是精确解析解的一种特殊形式,以(3+1)维Hirota双线性方程为例对此展开研究.首先,利用Hirota双线性方法研究其经典lump解.其次,以双线性神经网络方法为基础,借助符号计算方法,得到方程的高阶lump解,主要是4阶lump解的计算.最后,通过对参数赋予一些特殊值,借助Maple软件,绘制出相关的三维图、密度图、相图以及传播图等,得到一些新的现象,同时展示了所求出的解的动力学行为.

基于合数阶双线性群的多用户陷门不可区分可搜索加密方案

可搜索加密是云存储环境下密文检索的主要技术。针对以去除安全信道构造的公共密钥可搜索加密方案SCF-PEKS加密时依赖用户公钥导致搜索服务限于单一用户,及无安全信道的可搜索加密方式容易遭受外部敌手的关键字猜测攻击等问题,分析并证明了现有多用户可搜索加密方案存在关键字陷门易遭受攻击的安全缺陷,在使用合数阶双线性对基础上提出一种多用户可搜索加密方案,并基于判定性子群假设和DBDH假设证明论文算法满足关键字陷门不可区分性的安全要求,可以抵御外部敌手选择关键字攻击。对比文献分析显示,在没有明显增加计算复杂度的前提下,提出的加密方案陷门尺寸及密文尺寸良好、安全性更高。

基于双线性注意力网络的垃圾图像识别与分类方法

针对传统图像识别技术应用于垃圾图像的识别及分类中存在的误差较大的问题,文章提出一种基于双线性注意力网络的垃圾图像识别与分类方法。采用二维中值滤波法,对自主拍摄和网络收集而构建的居民生活垃圾图像数据集图像进行去噪处理。应用多尺度融合方法对去噪后的图像质量进行增强处理,以此完成对垃圾图像的预处理。最后,设计一个双线性注意力网络模型,经过模型训练完成垃圾图像的分类识别。实验结果表明,应用该方法识别并分类居民生活垃圾图像的准确率为96.5%,说明该方法具有较好的有效性与较高的准确性。

基于双线性频率分离的梁类结构呼吸裂纹定位方法

针对梁类结构早期呼吸裂纹定位问题,基于含呼吸裂纹梁不同测点位置双线性程度的差异,提出了一种双线性频率分离的梁类结构呼吸裂纹定位方法。利用零点搜索、信号分割等技术将不同空间位置的结构响应,分解为双线性效应对应的正响应和负响应分量,分别反映了结构在裂纹张开状态及闭合状态下的动力学行为。不同测点分裂分量频率成分的差异与裂纹位置及深度有关,为此构造了双线性频率成分间的距离损伤指标,实现裂纹的定位。通过对裂纹位置、裂纹深度、激励频率和幅值、固有结构形状及噪声等影响因素的数值研究,表明了方法的有效性,可为实际工程应用提供理论依据。

具有双线性发生率的SEIR模型的Hopf分支分析

讨论具有双线性发生率的SEIR模型的Hopf分支,首先通过计算得到模型的基本再生数和疾病持续存在的地方病平衡点;将系统线性化,选取适当的参数β*,利用中心流形定理和规范性证明在地方病平衡点处存在生Hopf分支,并得到相应Hopf分支产生的充分条件;当第一Lyapunov系数l1(0)<0时,在地方病平衡点附近有超临界的Hopf分支产生。

图双线性池化特征编码的细粒度目标识别方法

针对细粒度图像识别领域中经典双线性池化模型存在的视觉突发与特征冗余问题,提出了一种图双线性池化模型。该模型将图网络嵌入双线性池化模型,利用图网络的聚合能力,将差异性图像特征编码为高阶特征,改善了编码过程中的视觉突发现象。在CUB、Cars和Aircrafts 3个公共数据集上进行实验,模型的精确度分别达到87.8%、93.5%和89.6%。相较于分解双线性池化,该模型参数量仅为基线模型的25%,识别精度分别提高2.4%、1.7%和1.3%,充分验证了模型的有效性,可为军事目标细粒度识别提供方法参考。

正面碰撞双线性近似等效波形参数对胸部损伤的影响研究

为了探究正面碰撞减速度波形参数对假人胸部损伤的影响,采用将减速度波形等效为双线性近似等效波形(BSAW)的方法,利用MADYMO完成正面碰撞仿真。结果表明,在保证车体速度和变形量不变,BSAW曲线在第一阶段斜率较大、末尾峰值较高时所对应的假人损伤较小;在仅保证速度变化相同的情况下,BSAW参数对于胸部X向减速度峰值的影响显著性由大到小依次为一阶段峰值、二阶段峰值、一阶段峰值时刻。