混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究

稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,但其中信用风险问题成为融资决策中需解决的最关键问题之一。本文提出了一种混合增强型机器学习算法,首先采用动态透镜成像反向学习改进的海洋捕食者算法(IMPA)对支持向量机算法(SVM)进行优化,再采用AdaBoost算法对优化后的SVM进行集成,建立AdaBoost-IMPA-SVM模型。采用该模型对供应链金融风险进行评价,重新建立供应链金融风险体系指标,通过相关性分析进行特效选取,并从计算机通信及其他制造业选取52家中国上市中小企业2019—2021年期间140个样本作为特征变量输入模型。仿真实验结果验证了该模型相较于其他信用风险评价模型具有更好的分类识别性能。

红外图像处理技术在苹果早期淤伤检测中的应用

在苹果品质检测中,淤伤是影响检测效率的一个重要原因,针对苹果淤伤检测这一难题,提出应用红外图像处理技术解决。根据红外热图像成像原理及其特点,采用风扇加热与冷却两种实验方法。在实验过程中,红外摄像机拍摄获得苹果红外图像,选用优越的混合图像增强算法等红外图像处理方法识别早期淤伤。实验结果表明,应用红外图像技术可以检测苹果早期淤伤,且效率达96%以上。

基于细节增强的级联多分类光电船舶检测

为提升无人船航行环境中船舶目标的感知精度,提出一种基于细节增强的级联多分类船舶检测模型。首先,提出混合平移数据增强(pan-mixed data augmentation,PMDA)算法,减少模型对船舶整体轮廓的依赖;其次,设计可变卷积平衡特征金字塔(deformable convolution-balanced feature pyramid,DC-BFP),提高模型对船体细节特征的提取能力;再次,将全连接层和卷积层联合构成级联交叉检测器(cascaded cross detector,CCD),提高模型对船体细节特征的解析能力;最后,采用标签平滑正则化(label smoothing regularization,LSR)方法,改善多分类检测的过拟合问题。在自建11分类光电船舶检测数据集MCSD11上进行消融和对比实验,特征提取结果和实验结果数据可视化表明,模型的各个改进部分能够提升船舶检测效果,平均精度达到了91.53%,相比主流的检测模型,算法得到大幅提升。

LEARNING ALGORITHM OF STAGE CONTROL NBP NETWORK

This letter analyzes the reasons why the known Neural Back Promulgation (NBP)network learning algorithm has slower speed and greater sample error. Based on the analysis and experiment, the training group descending Enhanced Combination Algorithm (ECA) is proposed.The analysis of the generalized property and sample error shows that the ECA can heighten the study speed and reduce individual error.