改进DeepLabv3+模型无人机图像农田信息提取

自乡村振兴战略实施以来,无人机作为一种高科技工具为我国智慧农业生产发挥着重要作用。但存在信息提取的精准度不高的问题,特别是对农田边缘和小农田的信息提取精度不高。针对该问题,提出一种以GhostNet为骨干网络的改进DeepLabv3+模型的研究方法。该方法将从骨干网络中提取的特征通过特征金字塔网络(FPN)加强特征提取;将编码器中空洞空间金字塔池化模块(ASPP)的1×1卷积替换成空间感知独立自注意层并将ASPP模块中的扩张率进行一定调整,以提高农田边缘的提取精度;为进一步融合多尺度信息将解码器进行上述同样操作;在不降低模型性能的前提下,将特征堆叠(Concatenate)用特征融合(Add)进行替换,以减少模型的训练参数。实验结果表明,改进DeepLabv3+模型平均交并比(mIoU)可达94.57%,平均像素精度(mPA)可达97.16%,相比于DeepLabv3+模型分别提高了4.53%和2.93个百分点,有效提高了农田边缘和小农田的信息提取精度。

从信息物理融合系统问题模型到UML用例图的变换方法

问题框架(Problem Frames,PF)方法在需求工程研究中已经获得广泛重视,特别是应用于基于环境建模的信息物理融合系统中,但如何有效地把问题模型(问题图及相关描述)转换为软件设计和实现,仍是一个亟待解决的问题。文中提出了一种问题框架与模型驱动技术相结合的方法,其可将问题模型转换为UML(Unified Modeling Language)需求模型中的用例图和概念类图,进而指导软件系统的设计和实现。所开发的CASE工具,通过支持领域涉众和软件设计人员合作建模来提高需求质量,并允许从问题空间的需求模型平滑过渡到解空间的软件设计。通过文献[1]中一个基准案例(邮件分拣控制问题)的扩展版本,展示了其可行性及在实际应用场景下的使用,从而对推动问题框架方法从理论研究走向实际应用具有重要意义。

利用CVGS-XGBoost遥感识别水体与山体阴影信息

针对喀斯特地区遥感图像中水体和山体阴影信息易混淆使得传统机器学习算法存在分类精度低、计算速度慢的缺点,改进XGBoost算法,通过交叉验证栅格搜索算法对XGBoost算法进行参数优化,构建CVGS-XGBoost分类算法,提取遥感图像中的水体和山体阴影信息。实验结果表明,CVGS-XGBoost算法的总体分类精度达到93.9%,比原始的XGBoost算法、决策树、随机森林和支持向量机算法构建的分类算法的总体分类精度分别提高1.5%、10.0%、6.3%和3.1%,且该算法与分类效果较好的支持向量机相比,运行时间开销少,可有效地识别喀斯特地区遥感图像中水体和山体阴影信息。

基于启发式候选区域推荐的目标孪生跟踪

在基于孪生网络的目标跟踪方法中,候选目标区域推荐的质量十分关键.目前的方法普遍采用锚点固定的推荐方式,该方式所生成的候选区域通常会数量庞大且质量不高.为此,本文提出一种基于概率图的启发式候选区域推荐的孪生跟踪模型.该网络模型由模板分支和检测分支构成,其中模板分支用于提取第一帧或前一帧目标图片的特征,而检测分支用于提取当前帧图片的特征.在提取当前帧特征后,采用概率图的方法来预测目标可能出现的位置,并利用可变锚点方式在该位置周边生成候选区域;之后推荐区域的特征再经过一个特征适应网络,与目标模板进一步的适应;最后,将模板分支与检测分支提取的特征进行互相关操作来完成目标跟踪.在VOT2016和OTB2015数据集上的测试结果表明,所提出的方法在候选目标推荐质量和跟踪精度方面都表现优异.

基于语义分析的Windows恶意软件检测方法

Windows恶意软件严重侵害个人、企业甚至国家安全,为了有效发现新型恶意软件、深入剖析恶意软件的工作机制,文章提出一种基于语义分析的Windows恶意软件检测方法。该方法使用API调用之间的依赖关系描述恶意软件的行为,结合符号执行技术提取API调用依赖图,并将其作为软件的底层行为特征,通过模式发现和匹配方法,将API调用依赖图映射为ATT&CK(Adversarial Tactics,Techniques,and Common Knowledge)框架中的攻击技术,反映恶意软件所包含的行为语义。文章构建了支持向量机分类器,将攻击技术特征作为分类器输入进行训练和测试。实验结果表明,文章提出的方法能够有效发现新型恶意软件。

大数据下的快速KNN分类算法

针对K最近邻算法测试复杂度至少为线性,导致其在大数据样本情况下的效率很低的问题,提出了一种应用于大数据下的快速KNN分类算法。该算法创新性地在K最近邻算法中引入训练过程,即通过线性复杂度聚类方法对大数据样本进行分块,然后在测试过程中找出与待测样本距离最近的块,并将其作为新的训练样本进行K最近邻分类。这样的过程大幅度地减少了K最近邻算法的测试开销,使其能在大数据集中得以应用。实验表明,该算法在与经典KNN分类准确率保持近似的情况下,分类的速度明显快于经典KNN算法。

基于句法结构与修饰词的句子相似度计算

根据汉语句子结构复杂、词语一词多义的特点,提出一种句子相似度计算方法。对句子进行句法分析和依存关系的预处理,提取句子结构中的主、谓、宾、介词等主要成分的词语集合,从而准确地表达出句子的浅层语义,并利用《知网》计算不同句子相同成分之间的语义相似度。考虑依存句法关系中的定中关系和状中关系起到的语义修饰作用,在句法结构基础上进一步融入修饰词,综合计算句子的语义相似度,区分句子主题内容的一致性和句子间的反义关系。以微软研究院释义语料库中抽取的30对句子作为测试集,实验结果表明,提出方法的皮尔森相关系数达到0.89,F值达到85.7%,具有较好的准确性与实用性。

结合深度特征与多标记分类的图像语义标注

为了缩减不同模态数据间的语义鸿沟,提出一种结合深度卷积神经网络和集成分类器链的多标记图像语义标注方法.该方法主要由生成式特征学习和判别式语义学习2个阶段构成.首先利用深度卷积神经网络学习图像的高层视觉特征;然后基于获取的视觉特征与图像的语义标记集训练集成分类器链,并学习视觉特征包含的语义信息;最后利用训练得到的模型对未知图像进行自动语义标注.在Corel5K和PASCAL VOC 2012图像数据集上的实验结果表明,与一些当前国际先进水平的方法相比,文中方法的鲁棒性更强,标注结果更精确.

一种多特征融合的场景分类方法

针对图像当中的不同对象,各种特征的优势各不相同,彼此之间存在互补现象.因此,提出一种多特征融合的图像场景分类方法.首先分别提取图像的GIST特征、SIFT特征和PHOG特征;然后将SIFT特征进行局部约束线性编码,并基于空间金字塔模型进行最大池化生成稀疏向量表示;接着采用串联的方法将GIST特征、SIFT特征稀疏向量表示和PHOG特征进行特征融合;最后将融合特征与类标签信息一起输入到线性SVM进行分类.多特征融合的图像场景分类方法,充分考虑了各个特征之间的优势以及图像原有特性和单词空间分布,能够有效的达到特征互补.实验结果表明,与其他分类方法相比,该方法具有较好的分类性能.

基于稀疏学习的kNN分类

在kNN算法分类问题中,k的取值一般是固定的,另外,训练样本中可能存在的噪声能影响分类结果。针对以上存在的两个问题,本文提出一种新的基于稀疏学习的kNN分类方法。本文用训练样本重构测试样本,其中,l_1-范数导致的稀疏性用来对每个测试样本用不同数目的训练样本进行分类,这解决了kNN算法固定k值问题;l_(21)-范数产生的整行稀疏用来去除噪声样本。在UCI数据集上进行实验,本文使用的新算法比原来的kNN分类算法能取得更好的分类效果。

基于抽象概念的知网词语相似度计算

针对基于知网的词语相似度算法进行研究,提出一种基于抽象概念的词语相似度的快速计算方法。将《知网》义项语义表达式中带有关系约束的第一独立义原定义成抽象概念,将义项语义表达式转换成一个多层次的抽象概念组;根据义项定义中的抽象概念将义项挂到《知网》现有的义原树中,形成一棵包含义原、抽象概念与义项等概念的义项树;利用义项树中的深度与路径,在现有优秀算法基础上,通过适当的义项定义的预处理与参数调节,直接计算义项间的语义相似度,避免复杂的意义相似性计算。实验结果表明,该方法对于MC30词对的相似度计算值与人工判定值相比,取得了0.84的Pearson相关系数,达到了目前优秀词语相似度算法的水平。

基于Co-Training的微博垃圾评论识别方法

微博上大量的垃圾评论对个人、社会,甚至是对国家都会造成不良影响。为对微博中的垃圾评论进行识别,提出基于协同训练的微博垃圾评论识别方法。定义一种基于规则的识别方法过滤出显式垃圾评论,剩余的评论归为相关评论,构建AdaBoost分类器和支持向量机分类器,通过Co-Training算法进行协同训练,判断其是否为垃圾评论,以提高分类精度,节省样本标注工作。实验结果表明,与基于相似度计算的垃圾评论识别方法、基于评论多特征的垃圾评论识别方法相比,该方法具有较好的识别效果。

基于核相关滤波与特征融合的分块跟踪算法

为了使核相关滤波跟踪器能处理目标遮挡和形变问题,本文提出一种基于核相关滤波与多特征融合的自适应分块跟踪算法。首先,根据目标的大小及长宽比对其进行自适应分块,并对各子块提取方向梯度直方图和颜色特征;然后,利用融合后的特征对每个子块进行核相关滤波跟踪,得到各子块的最大响应位置;接着,通过子块与原目标间的几何关系得到其对应的候选目标位置;最后,通过对各候选目标位置加权平均得到最终的目标响应位置。此外,以子块响应图的峰值旁瓣比和其响应位置与目标最终位置的欧氏距离为判据来判断该子块的有效性,对于有效的子块进行自适应更新。在多个图像序列的实验结果表明,本文方法能较好地处理目标遮挡等问题,且其性能总体上要优于被比较的方法。

基于L1-APG的红外与可见光目标实时融合跟踪

针对复杂背景下采用单个传感器跟踪性能差的问题,提出一种基于稀疏表示和L1-APG的红外可见目标融合跟踪算法。对红外与可见光目标分别进行稀疏表示,并以它们的联合重构误差最小为目标构建最优化问题,采用L1-APG算法求解该优化问题,运用最小误差边界约束条件降低算法的计算复杂度,并实现红外与可见光目标模板的动态更新。测试结果表明,该融合跟踪算法在处理目标遮挡、目标旋转移动、目标交叉和夜间光照不均等方面要优于传统的单源跟踪方法。

基于AdaBoost置信图的红外与可见光目标跟踪

针对于复杂场景下,跟踪的目标容易产生漂移甚至跟踪失败的情况,本文提出了一种基于AdaBoost置信图的红外与可见光目标跟踪算法。首先,以颜色和纹理特征为描述子对红外与可见光图像的目标样本与背景样本进行表征和AdaBoost分类,并基于分类度计算得到红外与可见光图像的置信图;然后,在置信图中分别计算它们的目标候选者与其模板置信图之间的相似度,并将两相似度进行加权融合,构建联合目标函数;最后,对目标函数进行泰勒展开和求导等操作,推导出联合位移公式,并运用均值漂移算法完成目标搜索。对多组红外与可见光图像序列对测试结果表明,本文提出的算法在处理光照变化、目标交汇、目标遮挡等方面都表现良好。

求解两物种小系统发育问题的模拟退火算法

针对复制-丢失比对问题模型,提出求解复制-丢失演化模型下两物种小系统发育问题(SPP)的模拟退火算法(SA2SP)。SA2SP引入比对算法用于构造问题初始解;引入标记算法用于构建问题解的目标函数,以得到问题解的进化代价;同时还引入3种智能邻域函数,利用基因序列的进化特性,指导性地产生邻域解。利用4种真实菌属的核糖体核糖核酸(rRNA)和转运核糖核酸(tRNA)基因数据对算法的性能进行测试,实验结果表明,SA2SP能够获得较伪布尔线性规划(PBLP)求解算法更小的进化代价,是求解复制-丢失演化模型下两物种小系统发育问题的一种有效方法。

基于稀疏学习的低秩属性选择算法

针对回归模型在进行属性选择未考虑类标签之间关系从而导致回归效果不理想,提出了一种新的具有鲁棒性的低秩属性选择算法。具体为,在线性回归的模型框架下,通过低秩约束来考虑类标签间的相关性和通过稀疏学习理论中的l_(2,p)-范数来考虑属性间的关联结构,以此去除不相关的冗余属性的影响;算法通过嵌入子空间学习方法(线性判别分析(LDA))来调整属性选择结果。经实验验证,提出的属性选择算法在六个公开数据集上的效果均优于四种对比算法。

基于PPI网络与机器学习的蛋白质功能预测方法

针对现有的基于蛋白质相互作用(PPI)网络的蛋白质功能预测方法预测精度不高、易受数据噪声影响的问题,提出一种基于机器学习(层次聚类、主成分分析和多层感知器)的蛋白质功能预测方法 HPMM。该方法综合考虑蛋白质宏观和微观层面的信息,将蛋白质家族、结构域和重要位点信息作为顶点属性整合到PPI网络中以减轻网络中数据噪声的影响。首先,基于层次聚类和主成分分析进行特征提取,得到功能模块和属性主成分特征,然后训练多层感知器模型,建立多特征与多功能之间的映射关系以用于功能预测。在三个分别被分子功能(MF)、生物过程(BP)和细胞组件(CC)注释的人类PPI网络上进行测试,对HPMM、余弦迭代算法(CIA)和有向PPI网络基因本体术语传播(GoDIN)算法的功能预测效果进行比较分析。实验结果表明,相比CIA和GoDIN这两种完全基于PPI网络的方法,HPMM的精确度与F值更高。

求解自行车共享系统静态再平衡问题的单亲遗传算法

自行车共享系统具有改善城市交通出行结构,减少交通污染等优点。各站点自行车数量相对平衡对于提高共享系统的利用率非常重要,自行车共享系统再平衡问题应运而生。该问题属于NP难问题。2017,年Fábio等提出求解单车多访问静态再平衡问题的ILS算法,获得了较好的结果,但是该算法结构较为复杂,修复算子耗费大量时间,且修复后得到劣质解的概率较大,影响了优化结果。针对该问题,提出基于单亲遗传算法的求解方法P-SMSBR,设计了较为简练的优化过程,运用十进制编码表示运载车路径方案,引入7种变异算子参与演化,并采用精英策略增强算法的搜索能力。利用大量模拟数据和真实数据对算法性能进行测试,实验结果表明,P-SMSBR算法具有较好的优化效果,能够在较短的时间内获得较ILS算法更短的运载车路径方案,且随着站点数的增多,P-SMSBR算法优势更加显著,是一种求解自行车共享系统静态再平衡问题的有效方法。

综合语义技术与LSTM神经网络的主观题自适应评卷方法

针对已有主观题评卷存在的不足,本文提出了一种改进的综合语义技术与LSTM神经网络的主观题自适应评卷方法。首先,通过构建LSTM神经网络分类模型实现对问句试题语料集的题目类型和疑问类型同步双分类,为实现不同的问句类型采用不同的主观题自动评卷方法提供前期保障;然后,结合句法分析和依存关系分析对题目和答案文本进行剖析,包括通过对题目的依存关系分析得到疑问词在问句中的成分,再结合依存关系对答案进行剖析,得到标准答案和学生答案中各自的核心语义、非核心语义和否定语气词;最后,根据不同的问句类型,采用不同的主观题自动评卷方法,实现同一标准答案的不同学生回答方式的自适应评卷,提高主观题智能评卷的灵活性和准确性。