深层特征提取与多输出增强融合的建筑物分割

针对高分辨率遥感影像建筑物语义分割中存在单体建筑部分漏分与纹理相近的非建筑物错分的问题,提出深度特征提取与多输出增强建筑物语义分割网络。首先,在编码与解码交替处设计并行连续空洞空间注意力金字塔模块,对建筑物高维特征实现深层提取;然后,在网络解码阶段设计多输出增强融合模块,提升不同尺度建筑物特征对输出结果的有效参与度。选取U-Net、DeeplabV3+、MA-FCN、BRRNet同类算法进行对比,在Massachusetts和WHU公共数据集上测试,OA、precision、recall、IoU、F1指标分别达到98.87%、94.53%、95.40%、90.41%、94.96%,与同类算法相比,除precision之外其他4项指标更高,与U-Net相比,依次高出0.25%、1.12%、1.14%、2.02%、1.12%。

基于多输入多输出编解码器网络的图像去模糊

针对动态场景下非均匀盲去模糊算法存在去模糊不彻底和纹理细节丢失的问题,提出了一种基于多输入多输出编解码器网络的图像去模糊方法。首先,采用一个特征提取模块获取不同尺度模糊图像的全局和局部特征信息,为网络提供更丰富、更全面的图像特征信息。其次,使用特征融合模块对多尺度特征进行融合,使不同尺度下的上下文特征与细节信息可以在单个U-net网络中流动,增强了特征信息的流动性,解决了传统方法中多个子网络堆叠导致特征流动受阻的问题。最后,设计了一个由L1损失、多尺度频率重建损失和边缘损失组成的混合损失函数,在提升图像复原效果的同时更好地保留纹理结构和边缘信息。为了评估网络去模糊性能,在基准数据集GoPro和HIDE上进行测试,复原图像的峰值信噪比均值分别为31.94、29.45 dB,结构相似度均值分别为0.961、0.936,均高于相比较的去模糊算法。在视觉效果上,恢复的图像纹理结构和边缘更清晰,更接近真实图像。所提出的网络模型能够获取更丰富的特征信息,增强了网络内部特征的流动能力,取得了较好的去模糊效果。

基于能源监控与优化调度的综合能源系统研究

为了提高能源监控与优化调度能力,降低调度过程的损耗量问题,设计了融合自组网技术和综合能源系统,能够改进能源调度过程中的能源损耗问题。利用微电流计算法技术控制能源流向,利用算例的形式保证调度的精细化。采用多目标改进化学反应优化算法计算能源调度折衷解,从而确定最优能源供应方案。通过BEST软件模拟系统调度发现,设计优化后的能源调度系统装机容量最大为485.7 kW,调度过程损耗量为138.3 W,调度效率最高为98.6%。

多分类器融合在水中目标识别中的应用

为了提高对水中目标的识别能力,研究使用DS证据理论对多分类器进行融合,论述以往确定BPA方法的优缺点,并在此基础上提出一种新的利用分类器性能和输出信任度来确定BPA的多分类器融合方法,实验证明这种方法在对水中目标进行识别问题中的优越性,为进一步研究分类器融合在目标识别中的应用提供参考。

MIMO-FNN模型的弹道导弹目标识别方法

针对弹道导弹目标融合识别特点,分析了弹道导弹单传感器多特征多输入多输出模糊神经网络(multiple input multiple output fuzzy neural network,MIMO-FNN)模型、弹道导弹多传感器单特征MIMO-FNN模型,在此基础上,结合弹道导弹目标融合识别的实际流程,提出了弹道导弹目标识别多传感器多特征MIMO-FNN模型。该模型以每个单传感器多特征MIMO-FNN模型的输出为输入,并通过专家知识求取每个传感器的融合权值,采用sum-product模糊推理和加权求和法解模糊,得到模型的融合识别结果,并通过仿真实验验证了所提模型的有效性,最后从多传感器多特征优化和传感器权重2个方面对所提模型进行了可行性分析。

多输入多输出和多特征融合的建筑物提取

针对高空间分辨率遥感影像中多尺度建筑物提取精度不佳的问题,提出了一种基于多输入多输出和多特征融合的全卷积网络。一方面将输入影像进行不同比例下采样,然后将结果和网络中对应编码段的特征进行融合;另一方面将不同解码段输出的特征图上采样后连接在一起,实现跨尺度特征聚合。以上两种特征融合的方式构成对称的多输入多输出结构,强化了网络对复杂地物的分析能力。此外,在编码段和解码段中间使用基于残差密集连接和空洞卷积的多特征融合模块学习深度多尺度特征图,进一步提升网络对多尺度建筑物的提取能力。在WHU航空影像上进行的建筑物提取实验,验证了所提方法的有效性。

基于粒子群算法优化神经网络的电子音乐分类模型

针对基于神经网络算法构建的电子音乐分类模型容易陷入局部最小值问题,分类精准度低,提出基于粒子群算法优化神经网络的电子音乐分类模型。构建模型时需先收集多种类型原生态电子音乐数据,去噪处理收集到的电子音乐数据,分帧和端点检测去噪后的电子音乐,从检测到的有效电子音乐信号中提取电子音乐的时域、频域方差特征和短时能量特征,采用灰色关联分析方法确定三种特征对电子音乐分类的贡献,加权操作上述特征,将加权后的三种特征作为粒子群算法优化的神经网络输入部分,通过优化后的神经网络输出电子音乐分类结果。经过实验分析发现,该电子音乐分类模型对10种电子音乐类型的分类结果与实际电子音乐所属类别相同,分类精准度较高。

基于多模型模糊融合的MEMS陀螺补偿方法

为了实现微机电系统(MEMS)陀螺的高精度补偿,本文借助分段线性拟合与多模型模糊融合的方法,得到了一种新的标定补偿算法。通过对各轴分段组合的标定数据进行拟合建立多组补偿模型,并通过角速率的隶属度函数的模糊加权实现多模型融合,得到随测量值变化的线性补偿模型,提高了陀螺输出补偿的精度。实验表明,该方法的补偿精度明显优于传统方法。其算法简单计算量小,易于在实际工程中应用。

深埋硬岩隧道围岩参数概率反演方法

在贝叶斯理论框架下,提出了一种基于多源数据融合的深埋硬岩隧道围岩参数概率反演方法.首先,分析硬岩隧道常用的启裂—剥落界限本构模型中围岩单轴抗压强度、启裂强度与抗压强度比及抗拉强度三个参数不确定性来源,确定其概率统计特征;其次,利用粒子群算法优化多输出支持向量机,建立反映反演参数与隧道监测数据间非线性映射关系的智能响应面;最后,结合贝叶斯分析方法构建概率反演模型,运用马尔科夫链蒙特卡洛模拟算法实现了围岩参数的动态更新.将该方法应用到某深埋硬岩隧道中,利用反演的围岩参数计算隧道拱顶下沉点、周边收敛点变化值及开挖损伤区深度,与监测数据吻合较好.结果表明,该方法可以实现围岩多参数快速概率反演,更新后的参数可用于硬岩隧道施工安全风险评估与结构可靠性设计.

基于多输出支持向量回归的SHS-熔铸涂层性能模拟

鉴于离心-自蔓延高温合成制备陶瓷涂层配方中添加剂对陶瓷涂层性能影响的复杂性,采用遗传算法优化支持向量机参数,建立添加剂与陶瓷涂层性能之间的支持向量回归模型,并用测试数据验证模型。结果表明,复合钢管陶瓷压溃强度及陶瓷涂层致密度的模拟值与试验值的相对误差最大值分别为6.2%和5.2%,采用遗传算法优化多输出支持向量机参数可以有效地提高模型的精度,为陶瓷涂层配方的优化提供新途径。

多色彩高空间分辨率遥感影像矢量边缘信息提取算法与应用

相对单波段灰度影像而言,多波段高空间分辨率遥感影像中可用于边缘检测的光谱信息更加丰富。鉴于Canny算子在灰度图像边缘检测中的优越性能,本文利用输出融合策略对其适用于高空间分辨率遥感影像矢量边缘检测作了改进。基于可视化开发平台VC++.NET,编程实现了福州市航拍的高空间分辨率遥感影像红绿蓝三个标准波段在RGB、IHS、Y IQ、YUV、C IELUV色彩空间中对各种地物矢量边缘信息的有效提取。对高空间分辨率遥感影像矢量边缘各分量的分析认为,由于波谱范围差异的影响,在上述色彩空间中不同地物类型边缘检测时响应程度具有显著的不同。本文研究结果表明,该算法参数设置和色彩空间选择对高空间分辨率遥感影像矢量边缘信息提取有较大的影响。

基于PSO-BP与D-S证据的液压泵多源故障信号融合诊断

为了解决用单一(振动,压力,温度)传感器对液压泵故障诊断时效率低的问题,在PSO-BP诊断层的基础上,利用D-S证据理论对多传感器信号进行融合处理,建立了一种基于PSO-BP诊断层与D-S决策层融合的液压泵故障诊断模型,并针对液压泵正常状态以及五中典型故障(漏油,柱塞磨损,配流盘磨损,松靴磨损,轴承磨损)开展测试分析。研究结果表明:利用本故障诊断模型能够更准确判断柱塞磨损程度与松靴磨损状态,柱塞磨损诊断效率为98.6%,松靴磨损诊断效率为98.4%,单一传感器诊断精度没有超多90%,通过D-S决策层把数据融合后精度都在98%以上,证明了PSO-BP诊断层与D-S决策层融合模型的可行性。本研究具有很高的液压泵故障诊断效率,尤其适用于一些微弱的故障信息,对提前侦测故障危险具有很好的价值。