联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型

乳腺癌是女性最常见的癌症.单一网络在乳腺癌病理图像分类中存在缺陷,卷积神经网络无法提取全局上下文,而Transformer不能准确描述局部细节.本文提出联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型(Multi-View Transformer Online Fusion Mutual Learning,MVT-OFML).采用ResNet-50(Residual Network-50)提取图像局部特征,设计多视角Transformer编码模块,捕获图像中全局上下文;联合Logits和中间特征层构建OFML框架,实现ResNet-50与多视角Transformer编码模块间双向传递知识,使2个网络优势互补以完成乳腺癌病理图像分类.实验表明,在BreakHis和BACH数据集上,MVT-OFML的准确率比最强基线分别提升0.90%和2.26%,F1均值比最强基线分别提升4.75%和3.21%.

考虑多变量相关性改进的风电场Transformer中长期预测模型

挖掘风电场多变量相关性对提高中长期的预测精度具有积极影响。针对Transformer模型在捕获多变量间相关性方面的不足,提出考虑多变量相关性的多变量中长期预测模型。首先,采用多变量独立嵌入(MIE)对风电场多变量进行独立建模;然后,使用二维概率稀疏注意力(TPSA)提取时间和变量间的特征信息;最后,通过多层式编码器-解码器(MED)将多尺度的特征信息聚合,一次性输出预测结果。算例分析表明,所提模型与LSTM模型、Transformer模型、Informer模型相比,均方误差在各预测时长分别降低了42.58%~66.83%,32.58%~53.49%,14.38%~30.92%,并通过消融实验验证和分析了所提改进的有效性。

基于VMD的广义三次互相关管道泄漏定位检测

针对天然气管道泄漏检测声波定位技术中,二次互相关时延估计算法存在较大误差的问题,提出了一种基于变分模态分解(VMD)结合广义三次互相关的时延估计算法。该方法首先利用VMD算法对两路信号进行分解并重构信号;其次,在二次互相关的基础上再进行一次相关,并在互相关算法的峰值检测阶段引入希尔伯特变换(HT),对峰值进行尖锐化处理,成为一种新型的广义三次互相关时延估计算法。通过对平台搭建的油气管道泄漏检测系统采集数据进行模拟试验,分析了各算法的精度。试验表明,相较于二次互相关,改进广义三次互相关时延估计算法定位平均精度有明显的提升,有着更高的精度和更好的抗噪性能,在天然气管道泄漏定位方面有着更广泛的应用前景。

基于小波包变换及互相关的古建木材声发射源定位研究

为研究古建筑木构件在承载过程中产生损伤定位问题,利用铅芯折断在木材表面模拟损伤源结合声发射技术对产生的损伤源进行检测。对采集的声发射信号首先采用小波包分解重构对信号进行去噪处理,利用互相关技术对重构信号进行互相关分析进而确定信号到达各传感器时差,最后结合时差定位法对声发射源进行定位。试验结果表明:该方法可以有效提高损伤源的定位精度,理论值与实际位置相差很小,从而为准确地反演出声发射源提供有效途径。

深嵌融合:民族互嵌式社区利益相关者合作治理研究——以昆明市西山区S社区为个案

民族互嵌式社区治理是新时代城市民族关系工作现代化的重要考察点,具有典型的多元主体和利益融合网格化特质。通过深入调研昆明市西山区S社区治理情况,分析当前民族互嵌式社区浅层嵌入成效和深度互嵌的现实困境,提出在利益相关者理论视角下影响民族互嵌式社区利益主体合作治理的因素在于合作主体理性异质、合作意愿相容一致、合作预期收益风险、合作空间保障支撑等,需要对各利益主体行为及主导治理结构优化整合以提升获利值。通过深化民族互嵌式社区合作治理认同、分配与厘清治理权限、化解冲突与均衡利益、发育与增存社会资本、平衡与调适社区空间五个深嵌融合构建取向,强化利益相关者合作治理行为,改善社区利益主体互动空间,增强民族互嵌式社区治理效能。

基于广义互相关时延估计(TDOA)算法的声源定位跟踪系统设计与实现

为实现在二维平面内对声源进行实时定位和动态跟踪,运用时延估计(TDOA)互相关算法设计一种原声监听头阵列的CC-TDOA声源定位跟踪系统,实现对多个原声监听头进行同步采样,再进行信号放大及运算处理,运用LCD屏实时显示目标声源的距离和方位角度,同时运用二维云台控制激光笔对准声源,并持续动态跟踪声源。模拟仿真及真实环境实验测试表明,采用基于到达时间差的互相关定位算法,计算量小,精度较高,测试角度误差小于2o,距离误差小于1.2%,可以满足多种智能应用场合中声源实时定位与跟踪的要求。

基于非平稳Transformer的超短期风电功率多步预测

针对风电预测中波动性和随机性造成的风电功率多步预测精确度不高的问题,提出一种基于非平稳Transformer的超短期风电功率多步预测模型。利用皮尔逊相关系数法(PCC)和主成分分析法(PCA)对风电功率及其影响因素的分析确定输入数据,结合可以提升非平稳时序预测效果的非平稳Transformer模型,高效充分地挖掘输入数据与输出功率的复杂关系,构建风电功率超短期预测模型。实例分析表明,所提方法对不同预测步长下的风电功率进行预测时均具有较高的预测精度,且预测结果更稳定。

基于频域阈值处理广义互相关和空间筛选的多源局部放电定位方法

该文针对电力设备的多源局部放电定位问题,提出了基于频域阈值处理广义互相关(frequency domain threshold processing generalized cross-correlation,FDTP-GCC)和空间筛选的多源局部放电定位方法。为实现多源局部放电超声信号的同源时间差提取问题,该文提出了FDTP-GCC算法,该算法直接应用于超声传感设备采集的原始信号,在频域内通过设置幅度谱阈值排除干扰频段,幅度谱归一化突出多源信号时间差的冲激函数特征,直接得到对应同源信号的时间差。通过仿真证明了FDTP-GCC算法进行时间差估计的高准确性、高稳定性、高抗噪能力。为解决FDTP-GCC算法带来的同源时间差分离的问题,该文提出了基于空间筛选的多源局部放电定位方法,并分析了采用基于解析解的算法和智能算法进行空间筛选的定位性能。最后采用双局部放电源进行了定位试验,试验结果表明该文方法提取的时间差误差均在1μs以内,两个局部放电源的定位误差为20.53cm和4.93cm。

基于特征选择与Transformer的涡扇发动机剩余使用寿命预测

针对传统剩余使用寿命预测模型难以解决长时依赖问题以及不同特征组合对模型预测精度影响大的问题,提出一种基于特征选择与Transformer的剩余使用寿命预测模型。首先利用以互信息为理论基础的最大相关最小冗余特征选择算法,捕获特征与标签、特征与特征的关系,得到最佳特征组合;然后以Transformer的编码器为主体并加入门控卷积单元组成预测模型,使模型可以充分捕捉全局信息且提高运算效率的基础上也更加注重局部信息;通过网格搜索与粒子群算法确定模型超参数。最后将最优特征组合的变量数据输入模型实现涡扇发动机剩余使用寿命预测。利用此方法在C-MAPSS数据集进行验证,并进行对比实验,结果表明预测误差与模型效率均有一定改进。

基于阈值和互相关的螺栓超声轴向应力测量算法

准确获取超声波的渡越时间是螺栓轴向应力测量的最基本要求。介绍了两种常用的获取超声波传播时间的方法——阈值法和互相关算法,并将两种算法结合提出了阈值互相关算法,辅以小波降噪算法提高渡越时间计算的准确性,使用碳钢螺栓对算法可靠性进行了验证。试验结果表明,阈值互相关算法受噪声信号影响小,平均误差均可控制在5%内,具有良好的抗噪性能和稳定性,在噪声较大的工程环境中实用性较好。

基于集成SAO优化互相关熵极限学习机模型的变压器故障诊断方法

针对基于传统机器学习的变压器故障诊断方法在数据不平衡、训练数据集存在离群值等条件下稳健性弱和泛化能力不强等问题,提出一种稳健集成学习模型用于实现电力变压器的高精度故障诊断。首先针对离群值对模型稳健性的影响,将互相关熵损失(correntropy loss,CL)引入极限学习机(extreme learning machine,ELM)框架并应用梯度法获得最优解,以构建稳健学习模型CLELM,并利用雪消融优化器(snow ablation optimizer,SAO)优化CLELM的隐含层权重和偏差,以进一步改进其性能。其次,为了增强模型的泛化能力,将多个SAO-CLELM进行加权融合以构成稳健集成学习模型。最后,针对变压器故障数据集不平衡问题,采用合成少数类过采样技术对数据进行扩充,并应用平衡化后的数据训练集成SAO-CLELM模型以实现故障诊断。在两种故障测试集下对所提集成SAO-CLELM模型的故障诊断性能进行了验证,实验结果表明所提模型能获得准确的故障分类结果,说明其具有较高的稳健性和泛化性。

改进VMD与广义互相关在供水管道泄漏定位中的应用

针对管道泄漏定位时,采集到的泄漏信号会受到噪声干扰而影响定位精度的问题,提出了一种参数自寻优变分模态分解结合广义互相关的定位方法。首先,在现有的频域加权函数的基础上,提出了一种复合加权函数,对不同的频域加权函数在供水管道泄漏声信号下的性能进行研究;其次,利用高斯变异和量子行为对粒子群进行优化,建立复合指标排列熵/互信息熵作为适应度函数,改善粒子在求解过程中的多样性;然后,通过改进的粒子群算法优化变分模态分解(VMD)最优参数组合,实现对信号的降噪处理。实验结果表明,文中方法在供水管道泄漏情况下具有更高的定位精度,平均相对定位误差仅为3.7%,且最大误差也只有8.0%,能够有效地滤除原始信号中的噪声干扰。

基于加窗互相关函数的微动面波岩溶塌陷探测

文章利用微动面波成像方法对江西某研究区的岩溶塌陷进行探测:先针对微动信号的互相关函数进行窗函数优化处理,提高数据信噪比,改善微动面波的频散能量谱分辨率;再对研究区各组虚源面波记录进行频散曲线提取和反演处理,获得测线上各点的横波速度结构;最后联合各测点反演结果生成测线下方的横波速度剖面,并结合钻孔资料进行地质解释,成功揭示区内岩溶塌陷的分布位置及深度。结果表明:(1)互相关函数计算时的窗函数选取将影响频散能量谱的分辨率,在微动数据处理时应进行窗函数测试;(2)对互相关函数进行加窗处理和优化,可有效提高微动面波的信噪比和频散能量谱的分辨率,拓宽频散曲线的频带范围,提高反演的准确性;(3)微动面波技术在岩溶塌陷探测中具有较好的应用效果,结合加窗函数优化处理能更准确确定地下危害体的范围。

基于Transformer的目标跟踪与分割统一算法

采用相关滤波的判别式目标跟踪算法因具有较好的跟踪效果得到广泛关注,但该类方法使用的矩形框估计法通常只能得到目标正矩形框,难以获得目标更加精细的状态信息,如旋转矩形框、目标轮廓、掩码信息等。为解决上述问题,提出一种基于Transformer的单目标跟踪与分割统一算法T-TS,利用Transformer的注意力机制优势对目标精确定位,通过得到的目标定位编码信息引导目标分割网络对目标进行前、背景分割,获得目标精细掩码,再对掩码进行形态学处理,优化得到目标的最佳旋转矩形框及其轮廓。在跟踪数据集VOT2018和分割数据集DAVIS上进行实验,结果显示,T-TS算法与孪生网络类算法相比具有更高的鲁棒性,与相关滤波类算法相比具有更高的跟踪精度,其在VOT2018上期望平均重叠率指标达到0.463,在视频分割任务上也实现了较好结果,DAVIS2016和DAVIS2017上Jaccard指标分别达到77.3和65.3,运行速度达到34 frame/s。实验结果表明,该算法能够准确得到旋转矩形框,对目标进行精准预测,有效解决目标旋转、形变等问题。

激光引信信号处理器屏蔽与互相关组合滤波技术

针对激光引信内部高压源的干扰以及激光引信定距目标回波信号信噪比低的问题,基于激光引信信号处理器研究了屏蔽壳体与互相关滤波技术结合抗干扰方法。该方法首先对带孔的屏蔽壳体与互相关滤波算法进行设计,通过其所受到的电磁干扰可以近似模拟干扰平面波,使用不同孔、材料的屏蔽壳体与互相关组合抗干扰。使用HFSS与ModelSim仿真得到滤波结果,双孔铜制屏蔽壳体与互相关结合滤波提升信噪比约为33 dB,双孔屏蔽壳体与互相关单独滤波提升信噪比分别为23.4 dB和8.9 dB且大于其他组合。结果表明,双孔铜制屏蔽与数字滤波结合的方法可以提升激光引信信号处理器的抗干扰能力。

激光外差探测阵列互相关相干累积法

针对粗糙目标导致本振光与信号光波前失配这一技术难题,提出一种基于序列移位与互相关的用于检测微弱外差信号的相干累积法。该方法利用阵列探测器的阵列信号进行互相关运算,将外差信号频谱幅值作为目标函数,快速准确地估计最佳序列偏移量和计算相位调整量,搭建了一套基于高速摄像机阵列探测器的光外差探测系统。仿真分析和实验结果表明,该方法应用于主动光外差探测领域时对相位补偿的精确度更高,信号处理时间可提高到毫秒量级。

基于SF-Transformer的智能教育平台短期电力负荷预测研究

建设智能教育平台是推动教育智能化的一个重要过程,但智能教育平台依赖的人工智能模型在训练过程中会消耗大量电力,因此,开展短期电力负荷预测对建设智能教育平台具有重要意义.针对在考虑多个属性开展短期电力负荷预测时,由于部分属性与电力负荷数据的相关性不强并且Transformer无法捕捉电力负荷数据的时间相关性,而导致电力负荷预测不够准确的问题,基于SR(Székely and Rizzo)距离相关系数、融合时间定位编码和Transformer,提出了一种短期电力负荷预测模型SF-Transformer.SF-Transformer通过SR距离相关系数对影响电力负荷数据的属性进行筛选,选择与电力负荷数据之间SR距离相关系数较大的属性.SF-Transformer采用一种全局时间编码与局部位置编码相结合的融合时间定位编码,有助于模型全面获取电力负荷数据的时间定位信息.在数据集上开展了实验,实验结果表明SF-Transformer与其他模型相比,在两种时长上进行电力负荷预测具有更低的均方根误差和平均绝对误差.

频域互相关的间接飞行时间相机深度图配准

由于间接飞行时间(indirect time-of-flight,iTOF)相机存在空间非均匀性照明的问题,在进行深度图平移配准时,会导致像平面外围区域的测量深度误差较大,影响后续深度配准的准确性.为解决该问题导致的错配情况,提出一种加掩码的频域归一化互相关(normalization cross-correlation,NCC)深度配准方法.对和待配准深度图同一帧的灰度图进行加掩码处理,将非均匀区域掩蔽,然后使用频域的NCC方法进行配准,最后用配准得到的平移向量对两幅对应帧的深度图进行叠加,完成深度配准.该方法在4%的尺度缩放范围内,可以实现正确配准,水平方向的像素相对误差可以达到1.97%,垂直方向像素相对误差可以达到1.74%,且误差符合正态分布.该配准方法具有稳定性和可靠性,可以解决由非均匀性照明引起的深度错配问题.

基于改进归一化互相关配准的口腔头侧序列图像全景图拼接算法

在牙科的头颅侧位成像中,使用小视野探测器经过线性扫描获得序列图像。为了得到头侧全景图,设计一种基于改进归一化互相关配准的拼接算法。该文使用高斯混合模型对图像进行分割预处理;将目标区域内的归一化互相关系数作为测度函数,采用基于小波变换的多分辨率策略与粒子群优化算法提高配准精度;对配准后的图像进行图像融合,经过多轮连续拼接得到口腔头侧全景图。实验结果表明,改进后的算法配准误差波动从[-6,8]缩小到[-1,1],配准结果达到亚像素级。主观和客观分析显示,所提算法得到的拼接全景图无拼接缝隙和重影,且质量评价指标为最优。

基于互相关的小型化低功耗超声波风速风向仪设计

超声波风速风向仪具有无转动部件,响应快,精度高的优点,但体积大、功耗高、成本高成为限制超声波风速风向仪广泛使用的主要因素。为了便于超声波风速风向仪的推广和使用,本文采用国产FPGA(Field Programmable Gate Array)并结合FIR(Finite Impulse Respond)滤波器以及互相关检测算法设计了一款超声波风速风向仪,探头之间的距离仅为80 mm,感风面积仅为传统超声波风的1/10,使得省级风洞均可计量检定。整机经过风洞实测,每秒钟可完成50次风速风向测量,在0~5 m/s时风速最大测量误差为±0.3 m/s,5~20 m/s时风速最大测量误差为±0.5 m/s,20~30 m/s风速测量最大误差为±5%,稳定风速下风向测量最大误差为±1°以内,总功耗为0.2 W(仅为传统超声波风功耗的1/20)。通过实测数据发现,FPGA结合数字滤波及互相关检测算法相比于传统的DSP(Digital Signal Processor)超声波风速风向仪能明显缩小体积,降低成本功耗。