基于改进YOLOv4的车辆检测算法

在交通监控中进行车辆检测过程时,存在车辆互相遮挡和远距离目标尺寸不足的问题,导致在检测中存在漏检和误检情况。针对此问题,文中提出一种基于YOLOv4(You Only Look Once version 4)的多尺度融合与注意力机制的交通车辆检测算法。在YOLOv4的路径聚合网络中增加一个新的特征层进行多尺度特征融合,提升模型对底层纹理特征的提取能力。在YOLO Head检测头前嵌入ECA(Efficient Channel Attention)通道注意力模块,对聚合后的特征进行合理的抑制和增强,将CIoU(Complete Intersection over Union)损失函数替换为Soft-CIoU损失函数,提高小目标车辆对损失函数的贡献度。在公开车辆数据集UA-DETRAC与KITTI中的实验结果表明,相较于原YOLOv4算法,所提算法的平均精度分别提升了2.45百分点和1.14百分点,检测速度达到41.67 frame·s^(-1)。相较于其他先进算法,所提算法在检测精度上表现良好。

Sonoluminescence: an Iraser creating cold fusion neutrons

Ｓｏｎｏｌｕｍｉｎｅｓｃｅｎｃｅ：ａｎＩｒａｓｅｒｃｒｅａｔｉｎｇｃｏｌｄｆｕｓｉｏｎｎｅｕｔｒｏｎｓ？ＴＶＰｒｅｖｅｎｓｌｉｋ（２ＥＧｒｅｅｎｅｒｙＣｏｕｒｔ，ＤｉｓｃｏｖｅｒｙＢａｙ，ＨｏｎｇＫｏｎｇ）Ａｂｓｔｒａｃｔ：Ｓｏｎｏｌｕｍｉｎｅｓｃｅ...

基于个性化最小二乘法的软特征集成实验方法

在生物特征识别技术的研究中,软特征的集成实验一直采用主特征之间的集成实验模型。软特征在适用范围、识别能力等方面与主特征有很大差别,直接使用主特征之间的集成机制无法有效地挖掘和利用软特征中的区分性信息,造成实验结果不够理想和准确。基于此,该文深入分析软特征的特性,提出“有效的互补性”和“个性化集成”两点集成要求,并在量化有效的互补性基础上,结合“最小错误率”目标,利用最小二乘法为每一个用户建立局部集成模型。将集成模型用于人脸识别和指纹识别两个实验场景,验证了该文对问题分析的合理性以及所提方法在提高识别准确率方面的有效性。

DRSN与集成融合的OFDM辐射源个体识别方法

针对在低信噪下通信辐射源识别率低的问题,提出一种DRSN(Deep Residual Shrinkage Networks)与集成融合的OFDM辐射源个体识别方法。首先,从OFDM发射机产生信号的原理出发,对可能产生OFDM发射机指纹差异的来源进行分析,对相邻帧OFDM信号做相干积累,有效提升OFDM信号的信噪比,通过截取OFDM前导信号,减少因传输内容差异所带来的影响,对OFDM前导信号进行功率累加和双谱对角切片信号处理,构建OFDM前导信号的多域数据集;随后,将OFDM前导信号多域数据分别送入具有自动软阈值化去噪和具有跨层连接结构防止梯度消失的DRSN网络进行训练,有效减少噪声对发射机指纹信号的干扰和避免阈值设置不佳所带来识别效果不佳的问题,并且在DRSN网络训练时采用5折交叉验证的策略,防止网络训练中出现过拟合的现象,利用Stacking集成学习思想实现3个DRSN网络初级预测结果的融合;最后,将融合结果作为次级数据送入逻辑回归LR(Logistic Regression)次级线性分类器,利用ECOC(Error Correcting Output Code)策略将多分类任务转为二分类任务,对样本类别进行编码,当测试样本经过二分类器获得一组预测类别编码后,通过计算样本类别编码与预测类别编码之间的欧式距离,根据最小欧式距离所属类别来确定最终分类结果。在公开数据集上的实验结果表明:对比其他深度学习的方法,信噪比为5 dB和0 dB时,DRSN与集成融合的OFDM辐射源识别的准确率分别为97%和95.88%,并且具有较低的复杂度,能够验证在低信噪比下该方法的有效性。

基于增强梯度算子的软阈值宽带频谱感知算法

为了改善信号梯度特征对幅度的损失以及寻求描述信号的最佳尺度问题,提出了一种基于增强梯度算子的软阈值宽带频谱感知算法。通过引入梯度增强算子还原信号幅值特征,结合信号本身梯度特征,使用不同的尺度描述信号梯度增量,得到软阈值判据,进一步加入尺度融合单元,利用硬阈值加软阈值联合判断的方法,得到描述信号的最佳尺度。理论分析和仿真实验结果表明,在高斯信道和瑞利衰落信道下,相较于MPSG算法,所提算法的检测概率和虚警概率均有明显改善,且复杂度更低。通过对比实测数据的检测效果,所提算法更适用于实际工程中。

基于多尺度融合和时空特征的网络入侵检测模型

针对入侵检测模型提取特征能力不足,且流量数据中含冗余噪声的问题,提出一种基于多尺度融合和时空特征的ML-PFN入侵检测模型。采用多尺度特征融合技术分别提取数据中浅层特征信息和深层特征信息,使模型学习的特征更加丰富;采用软阈值函数和注意力机制自动选择合适的阈值,减少噪声及不相关信息对模型的干扰;融合时空特征构成多尺度空间特征提取长短时记忆-并行特征网络(MSFE LSTM-parallel feature network, ML-PFN)模型,并应用于网络入侵检测。通过3个公开数据集进行性能评估,实验结果表明,ML-PFN模型对比其它5种分类模型各项指标效果最好,在训练时长适中的同时准确率达到96.45%。

扁平足治疗相关热点问题的探讨

扁平足是由先天或后天因素引起足部骨形态、排列异常以及肌腱韧带炎症或损伤,导致足弓塌陷的一种足部畸形疾病;无症状的扁平足患者可以不干预;对于有症状的患者,建议先采取保守治疗,保守治疗3个月以上仍没有效果的患者,可以采取手术治疗;成人和儿童扁平足采取不同的治疗策略。

基于高光谱图像波段融合的猕猴桃软腐病早期分类检测

软腐病是猕猴桃采后贮藏和销售过程中危害最严重的真菌病害,其潜伏期长,在染病早期还未表现出明显病状时,依靠人工筛选很难将其分类。为此应用高光谱成像技术(470~900 nm)对软腐病的早期分类检测展开研究。采集了健康猕猴桃以及感染软腐病的早期和晚期猕猴桃共295个高光谱图像,并采用Kennard-Stone算法将样本按照7∶3划分为训练集和测试集样本。首先对样本进行感兴趣区域的选择,然后取该区域的平均光谱作为样本的原始光谱曲线。对原始光谱曲线采用主成分分析(PCA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)进行光谱特征的提取。与此同时,对SPA求解过程中的8个特征波段使用非下采样轮廓波变换(NSCT)进行波段融合获得融合图像,然后使用灰度共生矩阵法(GLCM)提取融合图像的纹理特征。最后将光谱特征和纹理特征进行融合并分别建立最近邻算法(KNN)、随机森林(RF)以及支持向量机(SVM)分类模型进行猕猴桃软腐病的早期分类检测。此外,还与其他文献中使用主成分图像或特征波段提取的纹理特征进行了对比。该研究主要创新点为:使用NSCT对特征波段图像进行融合后再提取其纹理特征,既降低了特征维度,减少了特征冗余,又融合了不同波段图像的互补信息,提高了分类准确率。实验结果表明,SVM是最适合该研究的分类器,单独使用光谱特征或纹理特征进行分类的结果都不够理想,但两种特征融合后分类准确率最高可达到92.05%,多数猕猴桃软腐病早期样本得到了正确识别,这说明两种特征的融合获得了高光谱图像中光谱和图像的差异性信息,体现了高光谱图像的“空谱合一”。该研究对软腐病早期猕猴桃进行了快速、准确的无损检测,可为猕猴桃的采后品质分级提供一定的参考和指导意义。

基于软决策融合的CSS性能分析及优化

针对基于数据融合的软合并协作频谱感知占用通信资源较大问题,提出了一种基于软决策融合的协作频谱感知方案,推导了检测性能表达式,并基于NP准则给出了使检测率最大化的优化的协作频谱感知算法。分析和仿真结果表明:基于软决策融合的协作感知相比基于数据融合的协作感知可以有效节约系统资源;所提优化算法可以有效提高检测性能。

基于多维度融合的肺结节分类算法

采用多维度模型融合的方法,提出一种肺结节分类算法。在肺结节假阳性减少算法基础上进行优化,在多尺度特征融合模块得到特征之后引入高层特征增强软激活映射模块,以增强模型的分类能力;针对实际分类过程中各类结节数据不平衡的问题,引入平衡均方差损失来改进模型的训练效果;采用三维和二维模型融合方式进一步提升模型分类性能。在Private Lung数据集上进行的实验证明本研究提出的模型分类准确度达到93.8%,优于现有方法。

基于TaqMan技术构建软组织肉瘤多种融合基因探针及临床辅助诊断应用分析

目的应用TaqMan技术设计PCR联合探针一次性可检测多种软组织肉瘤主要驱动基因的表达,结合病理诊断和FISH结果探讨该联合探针能否较好辅助临床病理诊断需求。方法基于TaqMan技术设计软组织肉瘤相关32对融合基因联合探针,对福建医科大学附属漳州市医院70例相关融合基因软组织肉瘤患者的病理组织学样本进行一次性融合基因联合检测,并设置30例非相关融合基因其他软组织肉瘤患者的病理组织学样本作为对照;常见肉瘤类型结合FISH探针检测结果进行分析;同时对该联合探针检测性能进行多种方法学评价。结果课题组设计的软组织肉瘤相关融合基因探针检测已确诊的软组织肉瘤,结果显示最高敏感性高达100%;选取隆突性皮肤纤维肉瘤、滑膜肉瘤、黏液性脂肪肉瘤3种类型肿瘤结合FISH技术验证,两种方法检测结果一致性高,差异无统计学意义(P>0.05);选取隆突性皮肤纤维肉瘤、滑膜肉瘤、黏液性脂肪肉瘤进行重复性实验,结果完全一致;对所有融合基因RNA阳性质粒进行3种不同浓度检测限检测,确定25拷贝/μL为最低浓度检测下限。结论结合已知病理诊断结果,应用TaqMan技术设计针对软组织肉瘤的PCR联合探针,具备高敏感性和高特异性,方法学性能良好,该探针设计相关融合基因的覆盖位点能满足基层医疗机构一次性快速辅助常见软组织肉瘤病理诊断的需求,为临床软组织肉瘤多种融合基因检测提供了一种快速可靠的检测方法。

稀疏矩阵和改进归一化切割的快速多视图聚类

多视图聚类是一种新颖的聚类算法,它可以有效地探索出数据之间的内在聚类结构。大多数多视图聚类算法在构造相似图时容易受到噪声的影响,而且在聚类过程中还会面临信息损失问题,从而降低聚类结果的准确性。此外,现有多视图聚类算法通常使用交替迭代优化方法获得最优解,多次迭代会导致内存溢出或耗时过长。为了解决上述问题,提出了一种基于稀疏矩阵和改进归一化切割的快速多视图聚类算法(SINFMC)。该算法根据原始数据构造每个视图的相似图,并对相似图进行融合得到共识图矩阵。对共识图矩阵进行l1范数约束获得稀疏矩阵,实现数据降噪和加速计算。使用改进的归一化谱聚类算法对稀疏的共识图进行聚类得到聚类指标矩阵,这样不仅能够直接获得聚类结果,而且消除了聚类过程中的信息损失和偏差。该聚类算法无需交替迭代优化且通过稀疏矩阵表示精简计算过程,大幅降低了算法的时间和空间复杂度。人工和真实数据集上的比较实验结果表明该算法在质量和效率方面优于对比算法。

基于孤岛划分约束的有源配电网故障恢复策略

为提高供电恢复效果,更好地应对当前有源配电网信息-物理耦合程度不断加深的形势,提出了一种考虑信息流、能量流、业务流多流融合以及智能软开关(soft open point,SOP)作用的孤岛划分算法,基于该算法实现供电恢复策略。首先,为保证负荷的可靠恢复,该策略深入研究信息-物理耦合并建模,对节点信息重要度排序,讨论其对负荷恢复的影响;其次,构建了SOP的稳态模型,分析了SOP的工作原理及控制模式;接着,为了更大程度、更加灵活地恢复负荷,考虑SOP的作用,建立考虑光伏时变性及负荷运行特性的有源配电网孤岛划分模型;最后,算例仿真验证所提策略的有效性。

基于多尺度特征融合的调制识别算法

针对缺失无线电信号先验信息、人工选取特征操作复杂以及低信噪比时识别率不高的问题,提出一种基于多尺度特征融合的残差收缩网络(MFRSN)调制识别算法。在包含PAM4、BPSK、QPSK、8PSK、CPFSK、GFSK、QAM16、QAM64、WBFM、AM-SSB和AM-DSB的11种调制类型数据集上进行的仿真实验结果表明,加入软阈值分支后,低信噪比信号平均识别准确率提高2.87%,同时多尺度特征融合方法对比其他网络结构有更好的类内识别效果。

通信程控交换与软交换技术的融合及应用

以HD工程建设为例,通过对通信程控交换与软交换技术的深入分析,提出融合应用的方案。在工程建设施工区域使用程控技术,发挥其高效、稳定的特性,确保通信畅通无阻,满足工程核心区域的通信需求;在办公区域使用软交换技术,发挥其灵活性和可扩展性,以轻松应对复杂的业务需求。通过对比全部应用软交换技术和应用融合方案的优劣,分析融合方案在满足通信需求、降低成本及提高服务质量方面的优势,并强调了在制定安全策略和服务质量(QualityofService,QoS)保证策略时需要考虑的内容。

双模式形变驱动变构软体机器人

当前软体机器人利用单类型执行器组合形成某种特定构型,无法通过改变构型适应可变环境.为提高软体机器人的环境适应能力,结合收缩和弯曲的双模式形变驱动机理,利用两种执行器构建多类型的可变构型软体机器人,借助正负压驱动控制系统,实现多种运动和操作功能.提出海绵基体结合束缚层的收缩形变和弯曲形变驱动方法,设计对立面束缚的收缩形变单元及对立面和底面共同束缚的弯曲形变单元.组合收缩形变单元和弯曲形变单元,构造仿尺蠖爬行软体机器人和手足复用软体机器人.提出结合负比例阀和电磁阀的正负压气动控制系统,输出负压驱动收缩形变、弯曲形变和吸盘吸附;输出正压控制形变单元的快速恢复,实现变构型软体机器人的驱动控制.抓取、爬行、爬坡、转向、转向直行和爬管实验结果表明,仿尺蠖爬行软体机器人能在23°斜坡上爬行,手足复用软体机器人能抓取1.2 kg物体,进而验证变构型软体机器人的环境适应和功能复用能力.

基于多域信息融合的深度学习轴承故障诊断方法

针对单一振动信号包含故障信息易被隐藏以及单一深度学习模型诊断能力不强导致轴承故障诊断精度低的问题,提出了一种基于多域信息融合的深度学习故障诊断方法。利用变分模态分解方法(variational mode decomposition,VMD)将原始振动信号分解为多个本征模态函数(intrinsic mode function,IMF)分量,同时对每个IMF分量进行快速傅里叶变换(fast Fourier transformation,FFT)转化为频域样本;然后将多个IMF分量和其对应频域样本分别输入至多个深度度量学习(deep metric learning,DML)模型和深度置信网络(deep belief network,DBN)模型分别进行初步诊断分析,并利用简单软投票法对这些初步诊断结果进行融合从而获取最终诊断结果。最后通过对不同轴承故障的诊断试验分析,结果表明,该研究提出的方法不仅具有较好的诊断效果,而且诊断性能分别优于基于时域和基于频域的信息融合诊断方法。

利用数据融合方法实现通风机流量软测量

针对现场缺乏大管径风量准确测量有效手段的问题,利用软测量和数据融合的方法,建立了多个基于统计分析的风量软测量模型,并将多传感器数据融合技术应用到软测量的数据处理上,有效提高了软测量预测值的可靠性和准确性。最后通过在一个实际的风机上的应用,仿真验证了基于数据融合的风量软测量模型的有效性。

窄带水声信号的分布式检测融合

研究了分布式检测融合系统的融合算法,及其在水声信号检测中的应用。提出了一种基于软决策融合的水声信号检测融合算法,并结合窄带声呐信号检测系统,给出了融合系统检测性能的计算机仿真结果。仿真结果表明,采用检测融合技术可大幅度地提高水声信号检测系统的检测性能。

磨机负荷检测方法研究综述

为促进磨机检测方法的工业化应用和深入研究,综述磨机负荷检测的主要研究成果。按检测方式将磨机负荷检测方法分为仪表检测法和非仪表检测法。将基本具备现场应用条件,但功能有限的仪表检测法,按检测原理又细分为压差法、振声法、振动法、功率法、超声法等方法。将处于实验室实验、离线研究阶段及借助工业计算机现场应用的非仪表检测方法分为基于磨机外部响应信号和多源信息融合的检测方法。针对每种具体方法,总结了其特征、研究现状以及应用前景。最后指出融合多源信号并结合专家知识、机器学习进行智能检测的软测量方法是未来磨机负荷检测的发展方向。