基于PCA-KNN融合算法的风力机变桨角度故障诊断方法

针对风力机变桨系统变桨角度4种主要故障类型,基于机组SCADA数据分析,提出一种基于非参数核密度估计和Relief-F特征参数提取数据处理,以及PCA-KNN融合算法故障诊断的风力机变桨角度异常状态识别方法。首先,对风力机SCADA数据进行非参数核密度估计预处理,运用Relief-F算法提取变桨角度故障的7类(13个)特征参数;然后,通过PCA-KNN融合算法对变桨角度故障状态进行识别,结果表明:该方法能够准确识别变桨角度4种主要的故障类型。最后,将改进的PCA-KNN融合算法与常用的KNN算法、PCA-KNN算法和BP神经网络进行对比,结果表明:改进的PCA-KNN融合算法具有更为准确的识别率。

基于时空融合算法的水体叶绿素a反演研究

为了准确反演水体中叶绿素a浓度,以黄柏河东支流域为例,采用STNLFFM时空融合算法,对2017年GF-4和Sentinel-2反射率数据进行融合,以重构Sentinel-2影像的时间序列数据,并对应用算法前后获取的水质参数-光谱特征响应关系建立多元线性回归模型,比较模型对叶绿素a的预测效果以验证时空融合算法的可行性,利用重构后影像光谱特征与水质参数的响应关系建立人工神经网络模型,反演2017年黄柏河东支流域各水库水体叶绿素a浓度。结果表明:利用时空融合算法生成的影像接近真实影像,提高了多元线性回归模型预测叶绿素a的效果,R2从融合前0.659提高至融合后0.844,且基于时空融合算法获取的水质参数-光谱关系建立的人工神经网络模型模拟精度较好,R2和MRE达到0.925和9.461%,反演的叶绿素a浓度空间差异性明显。证明了时空融合算法在水质参数反演过程中具有较好的应用前景。

基于多感受野与多尺度融合的草莓病害分割算法

针对草莓病害在区域分割时存在背景复杂、目标较小导致难以被有效分割等问题,提出一种基于多感受野与多尺度融合的草莓病害分割算法。首先搭建了U-Net基础模型,使用结合注意力机制与残差网络的主干特征提取网络(CBAM-ResNet50)替代U-Net中的主干特征提取网络VGG16,一方面来加强目标区域的表征能力,抑制背景区域,以此实现复杂背景下的病害区域分割问题;另一方面通过残差减少梯度消失,提升模型的收敛速度;接着在特征融合层,设计基于3D无参注意力机制(SimAM)的多尺度自适应特征融合模块,通过邻近特征信息弥补当前层特征的信息丢失,以此提升小目标的检测能力;最后在网络底层设计基于膨胀卷积的多感受野模块,通过不同膨胀率的膨胀卷积来增加特征的全局感受野以实现整体分割区域的感知。结果表明,本研究提出的方法mPA达90.30%,相比于标准U-Net模型提高了7.13百分点,本研究提出的方法能更好地对复杂背景下及小目标病害进行精准分割。

基于改进A^(*)蚁群融合算法的路径规划研究

随着智能化技术的发展,无人车路径规划技术在未来无人战场上将发挥重要的作用。针对A^(*)算法易发生碰撞障碍物的问题,提出通过改进转弯机制进行避碰。针对路径较长和不够平滑的问题,提出一种改进A^(*)蚁群融合算法。仿真结果表明,使用改进A^(*)蚁群融合算法得到的路径长度和平滑度更优,简单地图中路径长度减少2.34%,总转弯角度减小5.62%;复杂地图中路径长度减少2.62%,总转弯角度减小26.3%。因此,该算法在保证无人车避障的基础上,有利于其快速完成相应任务。

BEV特征下激光雷达和单目相机融合的目标检测算法研究

为提高自动驾驶汽车对周围目标物的检测精度,提出了一种激光雷达和单目图像数据在鸟瞰图特征上融合的目标物检测算法(monocular-bird’s eye view fusion,Mono-BEVFusion)。为构建相机BEV特征,搭建了简单高效的深度预测网络预测相机特征的深度,基于显式监督的方法用深度真值对其进行监督。构建激光雷达BEV特征时,将激光点云体素化为柱状网格转化到BEV特征下,设计BEV特征融合网络将激光点云BEV特征和相机BEV特征融合,将融合特征输入到目标检测框架得到目标物(汽车、行人和骑行人)检测结果。利用KITTI数据集和实车路采数据对Mono-BEVFusion融合算法进行评估,实验结果表明该算法相较于现有融合算法综合平均精度提升了2.90个百分点,其中汽车类和行人类单项检测精度分别提升3.38个百分点和4.13个百分点。Mono-BEVFusion融合算法对遮挡目标或者距离较远的目标有较稳定的检测效果,能够有效避免单传感器的漏检现象,具有较好的实际应用价值。

融合改进Bi-RRT和DWA算法的无人机动态路径规划

为解决无人机在复杂环境中的避障问题,提出一种融合改进Bi-RRT和DWA的无人机动态路径规划算法。通过设置启发式函数、动态步长和安全距离改进Bi-RRT算法,提升全局路径的搜索效率和安全性;之后,修剪路径中的冗余路段并对修剪后的路径进行插值与平滑操作获得全局最优路径;对DWA修正障碍物距离评价函数并引入目标点距离评价函数,提升局部预测轨迹评分的准确性;然后,实时输出速度指令控制无人机跟踪全局最优路径并实现局部动态避障。仿真实验表明,改进Bi-RRT算法生成的路径更短更平滑、安全性更高且规划时间更少;在同时存在动、静态障碍物的复杂环境中,所提融合算法能控制无人机精准地跟踪全局最优路径并高效地完成局部动态避障。

中垂线遗传融合算法研究

为改善遗传算法的局部寻优性能和收敛速度,提出了一种将遗传算法和中垂线相算法结合的融合算法——中垂线遗传算法。中垂线遗传算法以遗传算法进行全局搜索,再以中垂线算法进行局部搜索。并将中垂线算法中的单一种群分化为双种群,将双种群中的优秀个体进行耦合交叉和变异,提升改进算法的全局搜索能力和跳出局部最优的能力。仿真实验讨论了算法转换系数的变化对改进算法性能的影响。通过与6个算法的对比实验,证明改进的中垂线遗传算法解决了传统遗传算法收敛速度慢和局部寻优能力弱的问题。并且与主流优化算法和其他遗传融合算法相比,改进的算法性能更加优越。最后,利用改进算法处理了三杆桁架的设计问题。结果表明:中垂线遗传算法在处理实际问题时具有可行性。

融合改进A^(*)算法与动态窗口法的移动机器人路径规划

为解决移动机器人在随机障碍物环境的导航过程中,使用A星(简称A^(*))算法出现碰撞导致路径规划失败的问题,设计了一种融合改进A_(*)算法和动态窗口法(dynamic window approach,DWA)的全局动态路径规划方法。首先,从以下两方面改进传统A^(*)算法:混合使用4邻域和8邻域A^(*)搜索算法,与通过删除冗余路径点和转折点来提高路径的平滑性;接着将改进A^(*)算法与DWA融合,利用融合算法使移动机器人进行全局实时动态路径规划。Matlab仿真试验结果表明,改进后的A^(*)算法较传统A^(*)算法不会使机器人穿越障碍物及其顶点,这有效减少了碰撞,从而提高了安全性;融合DWA后,在获得全局最优路径的基础上,能避开静态随机障碍物和动态障碍物,这证明了融合算法有良好的路径规划能力。

多算法融合的高性能稀疏特征点匹配研究型实验设计

影像间特征点匹配是图像处理领域的基础问题,是实现目标识别、影像拼接、三维重建、机器视觉等功能的基础。针对基于深度学习的SuperPoint特征点匹配算法具有很强的特征描述能力但特征点检测精度不高的问题,提出将SIFT亚像素特征点检测算法与SuperPoint特征描述相结合,改进SuperPoint提取的特征点精度,同时保留其强大的特征描述能力,最后通过SuperGlue特征匹配网络实现特征点的匹配筛选,从而得到多算法融合的高性能稀疏特征点匹配算法。实验测试结果表明,新方法获得的匹配点对数量是SIFT匹配算法的2.04倍,且对称极线距离小于等于10^(-4)的匹配点对比例较SIFT匹配算法提高了7.2%,对比其他ORB、SuperPoint等经典算法,新算法总体性能有一定提升。

基于跨阶段特征融合算法的混合部位运动图像超分辨率修复方法

混合部位运动图像存在模糊、失真、低分辨率等问题,且峰值信噪比差值较小。提出基于跨阶段特征融合算法的混合部位运动图像超分辨率修复方法。结合非线性映射关系重构像素点,采用跨阶段特征融合算法,完成混合部位运动图像超分辨率修复。实验结果表明:得到完整的混合部位运动图像修复结果,表现出的峰值信噪比差值较大,修复后的图像分辨率更优,满足了混合部位运动图像的现实应用需求。

聚蚁算法在中国高职院校产教融合中的应用

聚蚁算法是一种基于蚂蚁群体行为的优化算法,其原理是模拟蚂蚁在寻找食物时的行为。聚蚁算法可以应用于产教融合中的多个方面,例如人才匹配、项目管理等。本文介绍了聚蚁算法的原理和在高职院校产教融合中的应用,以及在某高职院校的实践研究中取得的效果。聚蚁算法的优点是可以自适应地调整匹配方案或任务分配方案,从而更好地适应实际情况。因此,聚蚁算法有望成为高职院校产教融合中的一种新的优化方法。

正余弦动态干扰哈里斯鹰算法的PCNN参数优化图像融合

哈里斯鹰优化算法存在前期全局开发种群分布不广泛、后期局部开发易陷入收敛精度不够的缺陷,因此提出一种正余弦动态干扰的哈里斯鹰优化算法。首先,在前期的全局开发阶段,对两种不同的进化策略分别采用余弦函数和正弦函数进行鹰群群体分布干扰,从而扩大群体分布范围,强化鹰群初期全局探索阶段的广度,为后期进行局部开发提供更好的条件;然后,在局部开发阶段,通过对猎物逃逸能量公式进行曲线化调整,使得猎物能量损耗与自然界中的真实能量损失更加匹配,进而提升开发阶段的捕获能力;最后,将改进的正余弦动态干扰的哈里斯鹰优化算法对脉冲耦合神经网络(PCNN)的链接输入、时间衰减系数、链接强度3个参数进行优化,并应用于可见光与ToF置信图的图像融合。采用6种对比算法及24个测试函数对改进后的算法进行仿真实验验证,证明了基于正余弦动态干扰的哈里斯鹰优化算法具有较好的寻优能力和更高的收敛精度。通过与其他融合算法进行对比实验,验证了改进后的融合算法相比原始算法的融合效果有显著提升。

融合改进A^(*)算法和DWA算法的全局动态路径规划

针对常规A^(*)算法存在的路径规划中冗余节点过多、拐点过多、规划路径与障碍间的距离过短、容易产生碰撞等问题,提出了一种将改进A^(*)算法与动态窗口法相结合的新方法。该算法通过对栅格地图中的障碍栅格进行量化处理,提取环境信息,并根据这些信息对A*算法的启发函数和子节点选择策略进行调整。此外,为了优化路径的平滑度和安全性,设计了一种路径节点平滑处理算法。仿真实验结果表明,融合动态窗口法的融合算法不仅能够保证所规划路径的全局最优性,而且能够有效地避开随机障碍物。

基于语义分割和融合算法的草坪杂草定位

【目的】探究基于多算法融合的草坪杂草精准定位算法,为草坪杂草的自动识别和清除机器人的除草作业提供技术支撑与理论依据。【方法】提出了一种基于语义分割的多算法融合的草坪定位算法。首先,通过PSPNet网络分割草坪和非草坪轮廓。其次,针对分割出来的非草坪轮廓提取感兴趣的区域,去除非杂草轮廓,保留杂草轮廓。然后,利用Zhang-Suen细化算法提取杂草轮廓骨架线,并获取骨架交叉点数量和坐标位置。最后,利用融合算法依据交叉点数量选择不同的定位策略,实现杂草根部的精准定位。【结果】融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为83.17像素,相比平均质心法减少了14%,相比最小外接圆减少了22%。换算到实际场景之下,融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为12.48 mm,误差在可接受的误差范围内。融合算法提高了杂草根部中心的定位精度,降低了杂草定位的误差。【结论】基于语义分割和融合算法的草坪杂草定位方法提高了杂草根部中心的定位精度,降低了单一方法的定位误差,可以为草坪杂草自动识别和除草作业提供技术支持。

融合A^(*)与DWA算法的水面船艇动态路径规划

为解决水面船艇路径规划同时要求全局最优、实时避障和航迹安全可靠的问题,提出了一种基于融合A^(*)算法与动态窗口算法(DWA)的水面船艇路径规划方法。首先通过引入启发函数动态加权策略,提高A^(*)算法的搜索效率;然后综合考虑水面船艇的运动特性,采用一种路径转角节点角度削弱策略,减少转角,缩短全局路径长度;最后,基于全局因素影响与航迹安全约束对DWA算法的轨迹评价函数进行改进,并以全局路径提供子目标点引导DWA算法进行局部规划的方式完成算法融合。实验结果表明,融合算法相比于现有算法的总转向角度分别减少了45.6%、46.0%,验证了融合算法的有效性与可行性,并且相较于其他传统算法更具优越性。

融合·赋能·共创:区块链嵌入算法推荐的未来发展图景

[目的/意义]算法推荐的迅速发展与广泛应用颠覆了传统的信息分发模式,成为信息负载时代用户与内容精准匹配的重要工具。探索通过技术嵌入与人文弥合对算法推荐系统进行优化,促使其与社会发展有效融合尤为必要。[研究设计/方法]从价值、实践、目标视角切入,探讨区块链嵌入算法推荐的核心逻辑,以区块链的数据溯源、智能合约、激励机制等为技术支撑,深度赋能算法推荐的数据获取、隐私保护、风险预警和生态激励过程,从顶层设计、数据治理、监管评估和法律机制方面提出区块链嵌入算法推荐的实践路径,同时探讨区块链实际应用中可能面临的成本及复杂机理。[结论/发现]区块链为算法推荐系统的纵深发展提供了强大动力,可重构算法推荐的新模式与新业态,助力推荐系统实现多源跨域数据的可信共享与价值共创。[创新/价值]将区块链技术嵌入算法推荐系统,创新算法推荐系统的资源配置方式和内容生成模式,实现数据在算法推荐系统中的有序安全流动,为推动算法推荐的纵深发展提供新视角。

我国人工智能政策新词发现与演化研究——一个多特征融合的算法

[目的/意义]作为中文分词的基础研究,新词发现是研究政策创新和扩散的重要技术方法。本文通过改进新词发现算法优化了政策文本分词不准确的问题,并构建词库以支持人工智能政策的演化研究。[方法/过程]提出多特征融合新词发现算法MFF,实现了对人工智能政策新词的挖掘,从新词角度对人工智能政策的创新、延续和扩散进行演化分析。[结果/结论]实验结果证明,本文提出的多特征融合新词发现算法MFF能够有效提升分词效果,丰富领域词库;人工智能政策新词出现的时序变化反映了不同阶段政策关注的重点发展领域,揭示了中央和地方政府在政策创新、延续、扩散和演化方面的特点。

融合文本分类算法的皮肤病辅助诊疗模型

针对当前皮肤病辅助诊断中生物医学特征建模规模较小且耗费巨大人工成本,而患者疾病特征的时间序列同样无法准确描述等难点,本研究运用融合文本分类算法,融合常用的文本分类模型TextLSTM、TextCNN、RCNN得到皮肤疾病辅助诊疗模型(TLNN模型),通过提取图像传感器医学特征向量化后进行预处理减少焦块数量以及消除偏差较大的特征信息,提高决策数据精度。在ISIC2018和PH2数据集进行对照实验,TLNN模型的准确率为72.36%,高于其余3种文本分类模型。在与医生主观诊断对比实验中,模型诊断准确率为92%,接近于医生94%的平均准确率,而有效诊断效率(1.17min/例)明显高于医生人工诊断(4.57min/例),整体效率提升幅度达290%,结果表明对比传统人工诊断,融合文本分类算法模型能以更短时间获得精确的诊断。TLNN模型可以应用于疾病诊断,辅助医生医疗决策,为患者提供优质便捷的智能诊疗服务。

基于高效通道注意力机制和特征融合网络的冠心病诊断算法研究

针对冠心病重要特征不确定、诊断模型预测性能低等因素而导致冠心病早期诊断精度低的问题,提出一种基于高效通道注意力机制和特征融合的网络。通过XGBoost(eXtreme Gradient Boosting)来确定冠心病重要特征,设计数据生成图片的特征组合算法以适用该模型;为提高诊断模型预测性能,采用可以提升模型学习能力和特征利用率的高效通道注意力机制模块和特征融合模块。实验结果表明,在UCI克利夫兰心脏病数据集上,与其他诊断算法相比,该算法优于传统机器学习方法,预测精度可达100%且稳定性好。

融合CAM和ASPP的车道线检测算法研究

UFLD(ultra fast structure aware deep lane detection)是一种轻量化车道线检测模型,为提升模型的检测精度,对模型进行改进。引入CAM(channel attention mechanism)使模型能更关注携带重要车道线信息的特征通道和像素;为了感知车道线的细节信息,引入ASPP(atrous spatial pyramid pooling)扩大卷积过程的感受野,提高模型分割精度;搭建引入CAM和ASPP后的改进模型,并在改进的模型上进行实验。实验结果表明:在TuSimple数据集上以ResNet18为主干网络的模型检测精度由95.81%提升至95.98%,以ResNet34为主干网络的模型检测精度由95.84%提升至96.12%;在CULane数据集上,无论是以ResNet18还是以ResNet34为主干网络模型,其平均精度均有不同程度的提高。