管道漏磁信号分类的多特征融合网络研究

【目的】地下管道如预应力钢筒混凝土管(PCCP)等检漏是城市基础设施管理和维护中至关重要的一项工作。提出一种识别地下管道弱磁分布类型的磁异常多特征融合网络(MMF)。【方法】充分利用标准正交基函数(OBF)和最小熵(MED)两种检测特征,以全面而准确地捕捉漏磁信号的复杂特性。首先,在不同物径距离上利用OBF和MED进行磁异常检测,获取实测目标磁场特征;其次,融合磁场特征设计多特征融合网络MMF,并引入多头注意力机制捕捉序列磁场中的复杂关系和特征;最后,采用多特征熵权法MFEW,根据输入特征熵分配网络权重。【结果】实验结果显示,MMF网络异常分类达到了98.86%的精度,AUC评估结果为99.25%,同时模型更加精简,具有更高的计算效率,能够在相对较短的训练时间内取得令人满意的性能。

一种基于差异特征驱动的红外与可见光视频拟态融合方法

针对固定融合算法无法适应动态场景下视频帧间差异特征变化造成融合效果差的问题,提出了一种基于差异特征驱动的红外与可见光视频拟态融合方法。首先,分别提取了红外与可见光视频序列的3种差异特征;其次,利用改进的融合有效度公式计算不同融合算法对3种差异特征的融合有效度;最后,利用熵权法对融合有效度进行加权合成,进而得到多融合算法的决策评分,确定视频不同序列段上的最优融合算法。实验结果表明,所提出方法相较于在不同序列段选取的最优融合算法RP和MOD,在整段视频序列上融合效果更好,综合客观评价指标上比上述固定算法分别提升了59.925%、2.7608%,为红外与可见光视频融合提供了新思路。

基于XGBoost和改进灰狼优化算法的催化裂化汽油精制装置的辛烷值损失模型分析

为了降低催化裂化汽油精制装置的辛烷值损失,基于机器学习技术和改进灰狼优化算法建立了汽油辛烷值损失的预测和优化模型。首先通过Pearson相关系数法、最大互信息系数法(MIC)和基于随机森林的特征选择方法分别对影响汽油辛烷值的367个特征进行训练获得各特征的重要度评分,对3种方法的结果按权重法进行融合获得最终的特征重要度排序,根据特征重要度占比之和超过95%的指标,选出25个特征作为建模主要变量;然后基于XGBoost算法建立汽油辛烷值损失预测模型,对比其他机器学习模型,验证了XGBoost在测试集上的预测性能最优,其均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R2)分别为1.3197、0.3581和0.9981;最后采用汽油辛烷值损失值与主要变量的映射函数作为目标函数,建立关于汽油辛烷值损失值最小的单目标优化模型,为了提高模型的求解速率和准确度,基于sigmoid函数的收敛因子调整策略和个体更新的差分变异策略,提出了一种改进的差分灰狼优化算法。结果表明,优化后的样本辛烷值损失值均减小到0.4左右,同时86.15%的样本辛烷值损失降幅在60%~80%之间,说明建立的优化模型和所提出的改进差分灰狼优化算法是合理的。通过数据挖掘技术建立的降低汽油辛烷值损失模型可以尽量减少汽油精制过程中的辛烷值损失,为石化企业和运营商提供决策分析。

不同能源系统的典型气象年生成方法研究

基于Sandia方法,对北京地区的3种不同能源系统(全空调建筑和2个可再生能源系统),采用随机森林提取特征重要性的方法替代专家判断,定量地分配权重因子,生成适用于不同能源系统的典型气象年(TMY),并利用EnergyPlus进行模拟分析。结果显示:该方法可定量地生成适用于不同能源系统的权重因子集,用于生成相应的TMY。根据不同能源系统的特性,对时间段进行划分并提取对应的权重因子集,可进一步提高TMY的代表性。

一种基于灰关联分析的多目标跟踪算法

针对多特征信息融合算法进行研究,给出了一种基于灰关联分析的多目标跟踪算法.该算法首先利用灰关联算法对多特征信息进行处理,然后利用证据距离法赋予各种特征信息不同的权重,进而利用D-S证据组合规则对多特征信息进行加权融合.将基于灰关联证据距离(GED)融合多特征信息的新算法与已有算法进行仿真对比,结果表明,本文所提新算法不仅具有较准确的目标跟踪精度,而且其时间花费较少.

结合跨尺度特征融合与瓶颈注意力模块的轻量型红外小目标检测网络

提出一种结合跨尺度特征融合与瓶颈注意力模块的轻量型单帧红外小目标检测网络。该网络在不引入额外神经元的前提下,直接在编码层和解码层之间进行高频多尺度特征交互,从而维持小目标在网络深层的响应幅值,实现小目标浅层空间结构特征与深层高级语义特征之间的交互融合。同时,该网络在编码器瓶颈处级联轻量型混合注意力模块,进一步增强目标特征在网络深层的响应幅值。实验结果表明,该网络能有效抑制复杂背景杂波,并以较低参数量实现红外小目标检测。

基于特征加权融合的NOMA系统频谱感知方法

频谱感知(Spectrum Sensing,SS)技术能有效地提高频谱利用率,在每一代通信系统中都发挥着重要作用。考虑到未来通信系统中涉及大量非正交多址(Non-orthogonal Multiple Access,NOMA)场景,需要设计契合未来复杂通信环境的新一代频谱感知技术。结合多用户下行非正交系统的特点,提出了频谱感知的加权融合合并判决方法,并设计了工作流程和推导了相应的阈值表达式闭式解。仿真结果表明,所提方法与现有方法相比有较显著优势,对于不同用户功率比和信噪比(Signal to Noise Ratio,SNR)有稳定的性能,在实际的NOMA场景中有较好的实用性。

土体导热系数智能方法预测及影响因素敏感性分析

土体导热系数是描述土传热性能的重要参数之一,对其准确地预测和敏感性分析有助于评估岩土工程的热响应热性,预防工程的变形和破坏。基于Kersten团队的土导热系数试验,分析导热系数的影响因素,考虑将温度变量引入传统经验公式并验证,得到对黏土适用性较好的改进经验公式。基于人工智能算法对导热系数建立以土质、干密度、含水率和温度为输入变量的预测模型。分析预测结果表明随机森林模型、径向基函数神经网络(RBFNN)和鲸鱼优化BP神经网络(WOA-BP)都能准确地预测导热系数,其中WOA-BP的预测性能最好,随机森林和RBFNN次之。选用新的样本集对预测模型进行验证,发现模型预测效果依旧很好,具有一定的泛化能力。利用蒙特卡洛模拟对改进经验公式进行参数敏感度分析;再借助随机森林模型对特征重要性进行排序,评估不同输入变量对模型输出的影响程度:最后通过权积法结合WOA-BP计算影响因素敏感性。发现三种方法得出的结果均一致,即导热系数对含水率、干密度、温度和土质的变化敏感程度依次降低。

基于多特征融合的飞机跟踪算法

针对基于单特征不能准确识别复杂环境下空域目标问题,利用偏最小二乘法(PLS)预处理飞机图像特征,通过变量投影重要性分析法(VIP)选取有效图像特征,并将有效特征融合到粒子滤波算法中,实现了颜色与形状特征融合的粒子滤波跟踪算法。该方法在雾霾和遮挡情况下的跟踪结果准确,且跟踪速度得到提高。

基于特征融合的加权SVM音频隐写分析算法

针对隐写分析中特征维数过高的问题,提出一种特征加权支持向量机音频隐写分析算法。利用特征相关性对原始特征进行优化选择,利用增益比率法计算特征权重,提出了改进特征加权支持向量机。与常用的C-SVM进行的对比实验表明,该方法能够有效提高检测率,降低时间复杂度。