针对现有的中文命名实体识别算法没有充分考虑实体识别任务的数据特征, 存在中文样本数据的类别不平衡、 训练数据中的噪声太大和每次模型生成数据的分布差异较大的问题, 提出了一种以 BERT-BiLSTM-CRF(Bidirectional Encoder Representations from Transformers-Bidirectional Long Short-Term Memory-Conditional Random Field)为基线改进的中文命名实体识别模型。 首先在 BERT-BiLSTM-CRF 模型上结合P-Tuning v2 技术, 精确提取数据特征, 然后使用 3 个损失函数包括聚焦损失( Focal Loss)、 标签平滑( Label Smoothing) 和 KL Loss(Kullback-Leibler divergence loss)作为正则项参与损失计算。 实验结果表明, 改进的模型在 Weibo、Resume 和MSRA(Microsoft Research Asia)数据集上的 F1 得分分别为 71. 13% 、96. 31% 、95. 90% , 验证了所提算法具有更好的性能, 并且在不同的下游任务中, 所提算法易于与其他的神经网络结合与扩展。

针对残差网络存在特征冗余、有效感受野不足等问题, 提出了特征融合模块。该模块可以在模型通道扩增过程中, 实现不同尺度特征融合, 从而构建出信息更丰富的多尺度特征, 提高通道利用率。并且该模块还包含了少量大核卷积, 其有助于扩大模型的有效感受野, 实现性能和计算效率的平衡。同时还提出了轻量化的下采样和混排压缩模块, 可充分降低模型的参数, 使整个方法更高效。将特征融合、下采样以及混排压缩模块引入残差网络可以构建出特征融合网络(FFNet: Feature Fusion Network)。 其具有更快的收敛速度、更大的有效感受野, 以及更好的性能表现。经在 CIFAR( Canadian Institute for Advanced Research)、 ImageNet 以及 COCO(Microsoft Common Objects in Context)数据集的大量实验结果证明了其能在仅增加少量参数和 FLOPs(Floating Point Operations)的前提下, 在分类、目标检测以及实例分割任务上使其性能显著提升。

针对传统移动边缘计算系统中的计算用户存在由于密集障碍物遮挡、地形结构等导致的通信信道中断以及未充分利用系统空闲资源, 难以完成低延迟和低功耗的密集型计算任务问题, 建立了无人机辅助的终端直通协同移动边缘计算系统。该系统中, 计算用户通过建立地面直连链路将部分任务卸载给空闲用户, 空闲用户利用自身的计算资源辅助计算的同时将剩余计算任务卸载给配置移动边缘计算服务器的无人机进行计算。通过建立新系统的数学模型, 提出了一种基于深度确定性策略梯度算法的计算卸载策略。在满足无人机电量、用户移动范围等约束的前提下, 联合优化双卸载率和无人机的机动性, 使计算任务处理延时最小化。在模拟的连续状态空间环境中进行仿真测试, 结果表明, 提出的卸载计算策略优化方案能实现协同网络内资源的高效利用, 与其他基线算法方案相比, 能有效降低任务处理时延。

为了更好地利用太阳能, 准确预测光伏发电功率, 提高光伏功率预测的精度, 提出了一种基于因素相关互补集合经验模态分解算法 (CEEMD: Complementary Ensemble Empirical Mode Decomposition)与优化长短期记忆网络 (LSTM: Long Short-Term Memory network)结合的光伏功率预测方法。 首先, 使用 CEEMD 算法分解光伏功率时序, 建立分解功率分量与环境因素的 Pearson 相关系数矩阵, 每个分解功率分量选取 3 个关键因素作为后续预测的输入; 其次, 利用改进麻雀群搜索算法( ISSA: Improved Sparrow Search Algorithm)优化 LSTM 网络,建立 ISSA-LSTM 算法各光伏功率分量预测模型; 然后, 将各个分解模态的预测结果叠加重构; 最后, 结合南方某地光伏电站发电功率实测数据对所提方法进行验证, 结果验证了所提方法的有效性与优越性。

随着人工智能(AI: Artificial Intelligence)技术的不断发展, 尤其是在深度学习、 图像识别和自然语言处理等领域的突破, AI 在医学影像教学中正逐步显示出其独特的优势。 为此, 对 AI 在医学影像在教学中的应用现状进行了综合分析。 结果表明, AI 不仅可以帮助学生和医务人员快速识别疾病特征, 还能提供自动化的影像分析结果, 使学习者能更直观地了解不同疾病的影像表现, 增强了学习的互动性和实践性。 并且其还能提供个性化的学习路径, 根据学生的学习进度和掌握情况, 推荐相关的教学内容或练习, 确保学习者得到量身定制的教学服务。 同时, 其高效性和精准性帮助学生能更好地理解复杂的医学影像内容, 从而提高学习效果。 随着技术的不断进步, 人工智能将在医学影像教学中发挥更大的作用。 未来的教学系统可能会更加智能化, 结合虚拟现实、 增强现实等技术, 为学生提供更加沉浸式的学习体验。

为提升隧道运营的安全性与效率, 提出了基于多传感器的隧道运营风险感知方法。首先, 通过基于YOLOv7(You Only Look Once v7)的目标检测方法从视频传感器中有效检测出车流量、车速等信息, 并利用深度时序卷积网络算法实现了隧道运行风险的动态评估; 然后, 将视频传感器和烟雾、温度传感器等多元感知设备相融合, 构成火情风险监测系统, 并将多元感知设备相融合构成火情监测系统, 利用对隧道内部不同燃烧条件下的火情监控状况进行数值建模; 最后, 通过对隧道监控系统内部的温度、有毒气体浓度及烟雾的分布与发展规律进行分析, 给出隧道火灾风险态势评价。该方法已应用于山东济潍高速部分隧道中, 提升了隧道运营的安全性。

目前管道泄漏检测传感器向小型化和智能化发展, 并且测量管道泄漏引起的物理量变化的技术也日益成熟。为便于管道泄漏检测技术的选择与优化, 系统综述了当前管道泄漏检测中广泛应用的压电式、光纤式和激光式等典型传感器, 重点分析了其在材料、结构及工作原理上的特点与差异。同时, 探讨了这些传感器在实际应用中的表现及国内外研究现状, 为管道泄漏检测技术的选择、 优化与未来发展提供理论支持和技术参考。

为解决当前分子诊断人才培养中存在的效率和质量问题, 探讨了人工智能(AI: Artificial Intelligence)技术在分子诊断人才培养中的应用现状及未来发展趋势。其涵盖了 AI 技术在分子诊断中的应用现状、优势与挑战, 重点分析了 AI 如何通过自动化实验流程、精准数据分析和跨学科知识整合提升人才培养效率和质量。同时, 总结了国内外高校在 AI 与分子诊断人才培养中的实践经验, 并展望了其未来发展趋势, 包括虚拟现实与增强现实技术的融合、智能诊断系统的精准化、个性化学习平台的智能化等。虽然 AI 技术在分子诊断人才培养中展现出巨大潜力, 能显著提升人才的综合竞争力, 推动分子诊断技术的进一步发展, 为精准医疗提供强有力的人才支持。然而, AI 技术的应用仍面临跨学科知识整合、数据质量、伦理隐私等多重挑战, 需通过教育机构、行业和政府的共同努力加以解决。

针对无人机集群空战效能评估准确性不高的问题, 提出一种基于系统动力学( SD: System Dynamics)的空战效能评估方法。以红方编队执行侦察打击任务为背景, 分析无人机空战系统内部各因素之间的相互作用关系, 建立因果关系模型和存量流量模型。基于作战效果、战斗效率和作战代价 3 个方面构建作战效能评估指标: 任务完成度、战斗效率和作战损失率。同时对空战系统的影响因素和不同装备方案下的作战效能进行研究, 最后通过仿真验证所提方法的可行性和有效性, 结果表明该方法较好地解决了评估过程中出现的复杂性和不确定性问题。

针对 SLAM(Simultaneous Localization and Mapping)系统在长时间运行时存在运动畸变和误差累积的问题,提出了一种基于 Lidar-Iris 构建全局描述符进行回环检测的建图方法 IRIS-LOAM(Lidar-Iris Based Lidar Odometry and Mapping in Real-Time)。 该算法在 LOAM 算法基础上, 在数据处理部分, 将激光雷达数据与 IMU( Inertial Measurement Unit)数据融合, 并使用 IMU 数据对点云数据进行校正; 在建图优化部分, 利用基于信息矩阵的图优化算法, 采用 Lidar_Iris 全局描述子对关键帧进行回环检测, 并对输入点云进行预处理, 提高优化的时间效率。 将优化算法与 A_LOAM 进行实验对比, 结果显示IRIS-LOAM在不同实地场景下都取得了较好的建图效果, 且具有良好的可行性和实用性。

 针对低照度场景下彩色偏振图像亮度低、噪声严重以及颜色失真等问题,提出了一种低照度彩色偏振 图像色彩增强的无监督学习算法LPEGAN(Low-Light Polarization Enhance Generative Adversarial Network)。 首先, 设计双分支特征提取模块,使用不同分支分别对斯托克斯参数S0 和S1 , S2 进行特征提取; 其次, 构建残差 空洞卷积模块,不同扩张率能扩大感受野,提高模型提取能力,减少图像颜色失真;最后,构造边缘纹理损失 函数, 用于保证增强图像与输入图像的结构相似性。 在公开的数据集LLCP(Low-Light Chromatic Intensity- Polarization Imaging)、 IPLNet(Intensity-Polarization Imaging in Low Light Network)以及自建数据集上进行了实验验 证。 结果表明,相较于其他算法,所提算法能呈现出更好的视觉效果,且各项评价指标均得到明显改善,偏振 图像亮度得到增强,噪声得到明显抑制,并且图像颜色更加真实自然。

为区分变分模态分解(VMD: Variational Mode Decomposition)分解后的有效分量和噪声分量, 并提高 VMD的去噪效果, 提出了一种VMD与豪斯多夫距离(HD: Hausdorff Distance) 结合的去噪算法(VMD-HD-VMD)。首先利用 VMD将原始信号分解为K个固有模态函数(IMF:Intrinsic Mode Function), 分别计算 IMF分量的概率密度函数的 HD 值, 并根据 HD 值区分有效分量与噪声分量。然后将噪声分量再次进行 VMD 分解, 利用相关系数选取出有效分量, 并与第 1 次分解的有效分量进行重构。 最后将此方法应用于管道泄漏信号的去噪。仿真实验和管道泄漏信号处理结果表明, 相比集合经验模态分解 ( EEMD: Ensemble Empirical Mode Decomposition)、VMD、VMD 联合小波去噪, 该方法取得了更好的去噪效果。

针对多媒体数字图像数据规模庞大, 在构建三维虚拟场景时, 由于深度估计的困难性, 导致三维场景重建准确性偏低的问题, 提出面向多媒体数字图像的交互式三维虚拟场景算法。 提取多媒体数字图像中的角点,将其作为初值进行棋盘格边缘搜索, 确定真实角点, 同时将全部角点作为特征点实施相机标定, 获取每张多媒体数字图像对应的相机位姿。 通过改进后的 PatchMatchNet 对参考图像进行深度估计, 经多次迭代获取输出深度图。 采用重投影的方式对深度图进行外点过滤, 并将其投影到世界坐标系内, 最终获取交互式三维虚拟场景。 实验结果表明, 所提算法可获取高准确率的交互式三维虚拟场景重建结果, 且重建时间低于50 ms。

针对现有命名实体识别方法在识别油气勘探文本中涉及多元素组合的实体以及嵌套实体时存在一定局限性的问题, 提出了一种多特征融合的 BERT-CNN-BiGRU-Attention-CRF(Bidirectional Encoder Representations from Transformers-Convolutional Neural Network-Bidirectional Gated Recurrent Unit-Attention-Conditional Random Field)命名实体识别方法。 模型利用 BERT 的语义提取能力获取句子具有全局特征的字向量; 并利用 CNN 局部特征捕获能力消除了 BERT 字向量的局限性得到词语字符级向量; 通过自建油气勘探领域词典, 使用双向最大长度匹配方法获取了词典特征向量。 将这 3 种向量拼接作为 BiGRU-Attention-CRF 模型的输入。 实验结果表明, 在自主构建的小规模油气勘探领域数据集上, 模型的 F1值为 91. 10% , 相较于其他主流的命名实体识别方法, 该模型具有更好的识别性能, 并为油气勘探领域知识图谱构建提供了有利帮助。

由于大数据通常来自不同的数据源, 具有不同的格式、结构和质量, 且其中包含大量的冗余特征, 因而在进行特征集成分类时, 这些因素均会影响数据分类精度, 为此, 设计一种深度学习模式下大数据特征集成分类算法。基于深度学习模式建立医疗大数据特征提取模型, 针对模型训练过程中会引入大量噪声, 特征提取结果含有部分无关特征信息, 影响特征集成分类结果的问题, 采用堆叠稀疏降噪编码器抑制无关特征, 即使用散度函数、贪婪算法找出训练最佳参数, 运用损失函数将特征空间无关特征稀疏掉, 得到实际数据特征。通过Auto-encoder 网络搭建特征集成分类模型, 借助类型约束函数、目标函数得出各类全局最佳集成中心, 完成数据特征集成分类。实验结果表明, 所提方法在医疗大数据的分类中得到很好效果, 宏平均值在 0. 95 以上, 且分类速度快, 表明所提方法的分类性能较好。

针对如何高效挖掘交通预测中时空信息的问题, 提出了一种基于双向多注意力时空图卷积的车辆行程时间预测方法。 为提取路网的空间依赖, 通过构造基于马尔科夫链的流量转移矩阵, 提取路网中的双向交通流转移关系, 并结合图卷积学习图网络中的空间依赖关系, 利用引入注意力机制获取交通转移流量图中的局部与全局特征依赖, 最后使用多层感知机将各个特征融合得到行程时间的最终预测结果。 选择宣城路网交通数据进行模型验证试验, 结果表明, 与基线模型 STGCN( Spatio-Temporal Graph Convolutional Networks)、 ASTGCN
(Attention Based Spatial-Temporal Graph Convolutional Networks)、 A3T-GCN(Attention Temporal Graph Convolutional Network)相比, 所提模型的均方根误差(RMSE: Root Mean Square Error)分别降低了 7. 6% 、3. 7% 、9% , 表明所提出的模型在提高预测准确性方面具有显著效果。

针对由于地球物理勘探环境的复杂性日益增加, 同时受采集和处理技术的限制, 叠后地震数据的分辨率和信噪比较低的问题, 为提升其分辨率的同时实现噪声压制, 提出了一种深度增强型超分辨生成对抗网络(DESRGAN: Depth-Enhanced Super-Resolution Generative Adversarial Network)。 DESRGAN 采用轻量化后的残差密集块(LRDB: Lightweight Residual Dense Block)作为基本单元以提升训练过程的效率和稳定性; 在深层特征提取阶段, 通过通道注意力机制增强对重要特征的关注; 考虑像素之间的空间关系, 在上采样操作中, 使用
像素重组代替插值。 在模拟和实测数据上的实验结果表明, 该网络不仅能重建作为测试集的模拟数据, 而且还能很好地泛用到复杂实测数据上。 在对比经典的生成对抗网络(GAN: Generative Adversarial Network)和卷积神经网络(CNN: Convolutional Neural Network)的实验中表明, 该方法的重建结果更清晰, 并在定量分析中具有更高的峰值信噪比和结构相似性。

针对监控视频识别突发事件效率低, 导致识别系统无法及时检测并响应突发事件, 增加潜在危险的 问题,提出应用计算机视觉的监控图像异常行为识别算法。 以监控图像的初始背景为基础,利用差分运算获取 背景与监控图像差分后的差分图像,并利用背景减除法对组合排序后的新监控图像实施二值化处理,完成目标 区域识别;然后利用矩形遍历目标区域,采集目标区域的有效运动块,提取运动块的特征向量,完成监控图像 异常行为特征提取;最后通过库恩塔克条件,完成监控图像异常行为识别。 实验结果表明,所提方法的异常 行为识别时间在1.0 s以内,识别准确率保持在94%以上,可准确识别监控图像异常行为,有效提高识别效率 与识别率。

针对现有微电子与集成电路专业课程大多以理论为主,缺少仿真实验,FPGA(Field Programmable Gate Array)实操类实验项目严重不足的问题, 设计了一套基于CPU(Central Processing Unit)-FPGA的SoC(System on Chip)实验系统。 利用 ModelSim 等仿真工具, 以 FPGA 为开发平台实现 CPU 系统功能。 以 RISC-V(Reduced Instruction Set Computer)精简指令集为该 CPU 的指令集, 以模块化为设计思想, 从微处理器的局部到总体设计 5 级流水线CPU。 系统融合了软硬件开发,能激发学生的学习兴趣。 搭建的实验平台逐步实现CPU的配置与 指令集至整个CPU的架构、编程、仿真、下载与调试,使学生对FPGA实现集成电路系统设计有深入理解,有 助于专业理论课程的学习。 通过将OBE(Outcomes-Based Education)教学理论应用于集成电路 EDA(Electronic Design Automation)课程的仿真实验结果表明, 这种设计方法与内容适用于产学研相结合, 并能提高学生创新 创业能力。

为确保大数据稳定传输, 提出基于 5G 网络的设备大数据传输负载优化算法。分析大数据传输性能影响因素, 包括数据时延、平均带宽利用率和吞吐量。采用形态学滤波算法对大数据进行低通滤波处理, 消除数据中存在的噪声, 降低数据传输时延。动态选择大数据传输信道, 避免网络中出现数据拥塞现象, 提高网络吞吐量。在信息传输矩阵映射的基础上提高数据传输精度, 同时设计了容量扩充机制, 以此提高网络带宽利用率,完成负载优化。实验结果表明, 采用所提算法优化后, 提高了带宽利用率, 降低了网络能耗和数据传输时延。

针对目前深度学习方法研究多依赖于从地震振幅等单一属性中提取断层特征, 存在断层连续性差、 断层漏检等问题, 提出了一种并行属性输入的断层智能识别方法。 该方法采用多层次融合策略构建了双属性并行融合网络(PE-Net: Parallel Elements Network)。 首先, 将蚂蚁体和振幅属性分别输入蚂蚁体和振幅特征提取网络, 利用属性密集特征模块 AIFM(Attribute Intensive Feature Module)捕捉两个路径不同角度的断层特征; 其次,利用两种属性特征模块 ANT(Ant Body Attribute Feature Extraction Module) 和 AMP(Amplitude Attribute Feature Extraction Module)对各分支的输出进行跨层特征整合, 挖掘多尺度信息并缓解尺度变化; 最后, 采用特征融合模块(FFM: Feature Fusion Module)将两条并行支路的通道整合, 减少单一属性的局限性。 合成数据结果表明,PE-Net 模型的准确率达到 97. 95% , 相较于 U-Net 模型, 精度提高 1. 33% 。 Kerry3D 的断层识别结果以及消融实验表明, 该方法能获取更多的上下文断层特征信息, 减少断层漏检和误检情况, 从而有效提高复杂断层识别的准确性, 增强小断层的识别效果。

为探究我国科技资源研究点及主题演化分析, 采用文献计量法和知识图谱分析工具, 对我国近 10 年科技资源研究论文进行统计与可视化分析。结果表明, 我国科技资源处于成长期, 中国科学技术信息研究所、国家科技基础条件平台中心、桂林理工大学等为主要发文机构, 《科技管理研究》、《中国科技资源导刊》、《科技进步与对策》为主要载文期刊, 研究热点为科技资源配置与影响因素、科技资源共享与整合、 资源共享平台和服务平台的建设, 2014 年后协同创新为研究热点, 近 3 年科技资源结构、创新链、科技资源池为前沿热点。

针对目前数据治理领域本体质量评估模型普遍缺乏标准化支持的问题,构建一个标准的本体质量评估模 型具有极其重要意义。 为此, 首先研究ISO/IEC 25012 数据质量标准对维度的标准化定义; 其次采用GQM (Goal-Question-Metric)方法论为指导定义每个维度下的指标, 实现指标到维度的映射;然后在W3C(World Wide Web Consortium)提出的 DQV(Data Quality Vocabulary)数据质量模型的基础上进行扩展, 构建出一个具备可 扩展性和鲁棒性的本体质量模型。 通过提出的质量评估模型提供统一的、规范的术语体系描述本体质量的 各个要素,为本体质量评估提供了一个标准化的质量知识表示模型。 最后以本体完整性维度为例,构建相应的 质量评估模型,并使用井下作业数据集验证了模型的可行性,有效地解决数据治理领域本体质量评估模型普遍 缺乏标准化的问题,为数据治理领域提供了一个统一、规范的术语体系描述本体质量的各个要素。

针对现有卷积神经网络在强背景噪声下弱信号恢复不足的问题,提出了一个基于多尺度U-Net和注意力 融合机制的去噪网络(MAUnet: Multi-Scale U-Net and An Attention Fusion Mechanism)。 创新性地构建了双重机 制, 通过多尺度模块使网络学习不同尺度上的特征;通过注意力特征融合机制使网络可将浅层高频细节与深层 语义信息融合,增强网络的学习能力,实现特征互补。 实验结果表明,相较于对比方法,所提方法具有更好的 噪声衰减和弱信号恢复能力。

针对集合经验模态分解(EEMD:Ensemble Empirical Mode Decomposition)算法在分解过程中, 生成的固有 模态函数(IMF: Intrinsic Mode Function)分量存在对齐困难的问题, 提出将 EEMD 与相位随机化技术(PRT: Phase Randomization Technique)相结合的全新去噪方法, 使改进后的 EEMD 算法具有更加显著的去噪优势。 通过引入PRT, 能有效处理非线性和非平稳信号,极大地提高了IMF的稳定性和可靠性,进而显著改善EEMD 算法在噪声环境下的性能。 试验结果表明,EEMD-PRT算法与传统算法相比,可提高含噪信号的信噪比和相关 系数, 减小均方误差和平均绝对误差,且在不同孔径的管道泄漏检测中其有效性得到了充分验证。

针对在寻解高维度复杂方程时, 布谷鸟算法(CS: Cuckoo Search)存在陷入局部最优的问题, 提出了一种改进的混合布谷鸟算法。首先, 利用混沌映射和反向学习机制初始化种群; 然后交替并行教与学算法(TLBO:Teaching Learning Based Optimization)和布谷鸟算法的搜索机制; 最后动态化自适应发现概率并嵌入差分进化机制(DE: Differential Evolution), 全面提升算法性能。6 个基准函数和 1 个优化光栅耦合器设计的仿真实验测试对比结果表明, 该算法在求解高维度方程时更具优势, 可有效解决 CS 算法容易陷入局部最优的问题。

由于单一传感器的质子磁力仪极易受地磁日变、环境干扰等影响, 为提高质子磁力仪测量精度, 对传感器设计和系统性能评估进行了分析研究。首先, 基于MAXWELL 电磁仿真软件建立螺线管、柱形、环形以及"8"冶形线圈等4种传感器的仿真模型, 对4种线圈的方向性、抗干扰能力等进行分析, 最终确定以"8"冶形线圈作为传感器, 构建质子磁梯度仪。其次, 基于4阶差分与均方差算法分别对单路测量结果与差分测量结果进行评估, 以分析磁梯度仪性能。实验结果表明, "8"冶形线圈传感器的初始信号信噪比可达 40 / 1, 磁力仪单路模式灵敏度可达0.054 nT, 双路差分模式的灵敏度即使在强干扰条件下仍可达 0. 071 nT, 为单路模式的√2倍。

为有效提升图书信息资源服务智能检索效率和性能, 提出一种基于机器学习算法的图书信息资源服务智能检索方法。采用机器学习算法对图书的关键词词频分类, 给出每个类对应的指数, 计算分类中每个文档对应的特征词权重, 经反复迭代获取特征词的评分; 建立语境特征矩阵, 计算每个类的相应得分, 并对选择得分最高的特征进行分类处理。结合图书信息资源分类结果, 引入网格计算技术构建图书信息资源服务智能检索模型, 利用其实现图书信息资源服务智能检索。实验结果表明, 使用所提方法进行图书信息资源服务智能检索时, 得到的查准率在 96. 0% 以上、查全率保持在 90% 以上、在不同数据集下的检索用时均在450 ms左右, 表明所提方法具有良好的图书信息资源服务智能检索性能。

为有效提升文本匹配生成图像的视觉效果和匹配程度, 提出一种基于改进 GAN(Generative Adversarial Network)算法的文本匹配生成图像模型。通过混合索引树对文本和图像进行初匹配; 在生成对抗网络(GAN)的基础上对其改进, 形成基于交叉注意力机制编码的对抗生成网络, 采用改进的 GAN 建立文本匹配生成图像模型。通过双向长短期记忆(LSTM: Long Short-Term Memory)网络优化模型中的交叉注意力编码器将文本信息和视觉信息进行翻译和对齐处理, 获取文本和图像之间的跨模态映射关系, 完成文本和图像之间的精细化匹配, 最终生成满足文本需求的图像。实验结果表明, 该模型可以生成图像细节与文本匹配且质量更高的图像。

针对Magnus旋转式风帆的升力模型与传统升力公式贴合度差的问题, 提出理论与数值仿真相结合的 方法对Magnus 风帆升力公式进行优化。 首先建立Magnus风帆几何及流场域模型, 并进行网格无关性验证和 数值验证。 采用数值仿真方法对Magnus风帆模型进行空气动力学特性分析, 分析不同来流速度和不同风帆 转速对其产生推力大小的影响。 最后根据所得数据对传统升力模型进行修正,对比不同条件下的仿真数据 验证了修正模型的可靠性。 试验结果表明,Magnus风帆产生的推进力随转速比的增大而增大, 且优化后的 升力模型拟合仿真值的贴合度较好,表现出更高的准确性。

为解决电动汽车级联型充电模块整体阻抗模型的构建问题,提出了一种基于VIENNA整流器和全桥LLC 谐振变换器级联型充电模块阻抗建模方法。 首先,确定一种充电模块典型拓扑结构,分别构建了基于状态空间 法的前级VIENNA整流器小信号模型和基于等效电路法的后级全桥LLC谐振变换器小信号模型。 其次,结合 控制策略分别得到VIENNA整流器的闭环输出阻抗和全桥LLC谐振变换器的闭环输出阻抗及输入阻抗。 在此 基础上,整合前后级的小信号模型及控制策略可得到充电模块的小信号电路模型,进而推导出充电模块的整体 阻抗模型。 最后,依据奈奎斯特稳定判据,分析了系统参数对充电模块稳定性的影响;基于Matlab/Simulink 搭建充电模块仿真系统,仿真结果验证了充电模块整体阻抗模型的正确性。 所提建模方法实现了单级架构到 两级架构型充电模块的整体阻抗建模,为分析充电模块的并联稳定性提供了理论基础。

为改进实验室人工管理方式效率低下、监测数据传输速度慢、信息化管理水平不足的问题,设计并实现 一种基于全光接入网的智慧实验室管控系统。 实验室管控系统由实验室前端监测、全光接入网数据传输和 实验室管控中心模块构成。 实验室前端监测模块以ESP8266 微控制器为主控芯片, 设计由指纹识别模块、 磁力锁、温湿度传感器、烟雾传感器和网络摄像头组成的实验室运行状态数据采集单元,实时采集实验室人员 管控、 视频监控和环境监测数据。 利用光网络单元、 光纤分配网络和光线路终端组建全光接入网数据传输 模块,远程高速传输各实验室监测数据。 开发实验室管控平台网页端,在终端管控服务器上实时显示各实验室 的运行状态数据。 系统联合调试结果表明, 该实验室管控系统能实现实时人员管控、 视频监控和环境监测 功能, 运行稳定可靠。 

针对大规模路网交通流在短时间内具有高度复杂性以及非线性特征, 对交通流短时预测精度有一定影响的问题, 提出了基于改进神经网络算法的大规模路网交通流短时预测方法。利用构建大规模路网函数, 通过将路段视为路网核心, 将道路节点视为相应的连接元素实现路网函数优化。以优化后的路网函数为基础, 通过 K均值算法与 EM(Expectation-Maximization)算法结合的方式提取交通流特征。通过遗传算法与 Elman神经网络算法相结合的改进方式, 对该路网的交通流进行短时预测, 得到相关的预测结果。经实验证明, 改进的方法单点平均速度预测结果与实际值更为接近, 大规模路网交通流短时预测误差较低, 预测结果可靠性更高。

为确保呼吸机正常工作, 提出基于希尔伯特变换(HHT: Hilbert-Huang Transform)算法的呼吸机运行状态智能监测方法。首先采用小波神经网络对呼吸机运行信号实施去噪处理; 其次, 结合 HHT 算法将去噪后的呼吸机运行信号进行经验模态分解(EMD: Empirical Mode Decompostion), 并将分解后的内禀模式分量( IMF:Intrinsic Mode Function)进行 Hilbert 谱变换, 以此获取信号频谱作为信号特征。最后, 将得到的信号频谱放入MLP(Multi-Layer Perceptron) 神 经 网 络 分 类 器 中, 采 用 反 向 传 播 算 法 对 多 层 感 知 器 ( MLP: Multi-Layer Perceptron)神经网络进行训练, 以实现呼吸机运行状态识别。实验结果表明, 所提方法的去噪效果较好, 且监测到的结果和实际频谱一致。同时监测敏感度在 96% 以上、运行状态识别准确性在 95% 以上。表明所提方法可以有效监测呼吸机运行状态, 监测性能较好。

针对电动自行车头盔佩戴检测存在小目标漏检、 准确率低的问题, 提出一种基于YOLOv5s(You Only Look Once version 5 small)的改进电动车头盔检测算法。 在主干网络中引入CBAM(Convolutional Block Attention Module)卷积注意力机制, 以提升对聚集目标的关注, 解决因遮挡导致的检测效果差的问题; 将颈部网络中的 FPN(Feature Pyramid Network)+PAN(Path Aggregation Network)结构改为结合了跨尺度特征融合方法思想的特征 融合结构,增强模型不同方向上的多尺度融合能力,使目标多尺度特征有效融合,提升对小目标的识别能力; 使用SIoU(Structured Intersection over Union)定位损失函数代替CIoU(Complete Intersection over Union)损失函数, 以提高边框回归精度。 实验结果表明,改进后的YOLOv5s模型准确率P和召回率R分别为94.7%和91.2%, 平均精度值mAP为95.6%, 相较于原始YOLOv5s模型分别提升6%、7%和6.5%。 该方法使电动自行车头盔 佩戴检测准确率得到了明显提升。

为更快且更有效地加密和存储通信网络数据, 提出基于改进RSA(Rivest-Shamir-Adleman)算法的通信 网络数据加密存储方法。 首先,将小波变换方法和互补集合经验模态分解方法相结合,对通信网络数据进行 去噪, 提高通信网络数据精度;然后,通过模糊C均值聚类算法对通信网络数据实行数据聚类,将相似的数据 实行统一加密,提高数据加密存储效率;最后,利用哈希访问数据算法替代通讯网络中常规的分布式访问管理 模式, 增强数据存储安全性,防止数据混乱丢失,通过改进RSA加密算法的加密流程,实现对通信网络数据的 加密存储。 实验结果表明,所提方法去噪效果好、安全性高、加密存储效率高,适用于对通信网络数据的加密 存储。 

为弥补单一气体传感器面对多种气体选择性的不足,使其能更精准识别多种气体,提出了一种基于结构 重参数化技术及深度可分离卷积技术的改进型卷积神经网络,将模型训练时的多分支卷积结构集成到推理时 的单分支简单卷积层中。 在简化推理模型复杂性的同时,大大增强了模型对气体响应数据的特征提取能力。 将该方法应用于含有10种常见VOCs的气体传感器阵列公共数据集,识别准确率达到96.46%,调整模型复杂 度增加卷积层后,准确率可达97.44%。

针对现有电力卫星的智能电网安全认证方案主要在同构环境中进行研究,且通常聚焦于实现实体的真实 性认证,提出一种针对电力卫星的智能电网安全异构认证方案, 不仅实现了异构环境中通信实体的真实性 验证, 并且提供了针对终端设备的有效性验证方法。 安全分析证实了本方案的正确性和安全性,而性能分析 表明, 相比现有研究方案,本方案能有效降低认证阶段的时间开销。

针对微振动检测设备结构复杂与检测误差大的问题, 提出了一种基于微球超透镜和边缘滤波器的自混合干涉仪。利用UV(Ultraviolet Curing Adhesive) 胶在光纤探头尖端形成微球, 当微球受到光纤的光照射时, 会出现光子纳米射流现象。光子纳米射流聚焦在目标物体表面增强目标物体到微球表面的反射光。光子纳米射流产生的倏逝场对近场表面的纳米振动检测具有重要的增强和锐化作用。 在传感器末端利用马赫鄄曾德尔 边缘滤波器将幅度调制信号转换为频率调制信号, 进一步增加其信噪比。实验结果表明, 该方法的重构误差为27nm, 对光学器件的小型化具有重要意义。

为提高激光泵浦源系统的整体效率,设计了一种负载自适应半导体激光器恒流驱动器。 该驱动器能根据 激光器阵列串联负载数量和驱动电流的变化,自适应地调节负载的供电电压,从而优化工作效率。 实验结果 表明,驱动器的最大输出电压为22V,最大输出电流为1200 mA,在驱动8个串联激光器负载的工况下,效率 可达91.6%以上。 这种负载自适应技术为设计高效的半导体激光器驱动器提供了新思路。 

 针对虚拟同步发电机(VSG: Virtual Synchronous Generator) 控制下的电力电子变压器(PET: Power Electronic Transformer)逆变级存在抗扰动能力弱, 动态性能差等问题, 提出一种线性自抗扰控制与VSG相结合 的控制策略。 在传统VSG控制策略的有功环上加入了二阶自抗扰控制器,通过引入状态观测与反馈对系统误 差进行实时估计和补偿,从而消除内外扰动,使逆变器在不同运行状态下频率与功率都能稳定跟踪,同时振荡 现象减弱。 最后通过仿真验证了改进后控制策略的最大超调量降低了54.5%, 频率波动时间缩短了0.22 s, 提升了系统的动态性能。

为提高智慧门禁人脸识别结果准确性和识别效率,从而提升智慧门禁系统的智慧化服务,提出一种基于 孪生神经网络的智慧门禁人脸识别算法。 对人脸图像信号进行小波变换获取小波系数,选择合适的阈值处理 小波系数,再次对小波系数进行逆变换,得到去噪后的人脸图像;并经去噪后,在孪生神经网络内将其输出值 映射处理,形成维数为128的特征向量;引入对比损失函数, 通过比较样本网络输出特征向量间的欧氏距离 判断其相似度,最终实现智慧门禁人脸识别。 实验结果表明,所提算法的智慧门禁人脸识别结果和识别效率 明显优于其他算法。

针对一类具有时变时滞和量化误差的不确定网络化随机T-S(Takagi-Sugeno)模糊系统, 研究考虑双端量 化的混合触发鲁棒H∞ 控制问题。 首先,为减轻网络通信负担,设计混合触发方案减少数据传输。 考虑在传感 器端和执行器端分别构建静态对数量化器量化采样信号和控制信号并考虑量化误差以提高系统的控制精度, 在混合触发机制下重新建立网络化随机T-S模糊模型并深入刻画网络诱导延迟、不确定性和量化误差等网络 随机诱导现象。 其次,选取时滞依赖和模糊基依赖的Lyapunov函数,引入自由权矩阵,推导出使双端量化模糊 系统渐近稳定的充分条件,并将能量有界的噪声信号对输出的影响抑制在H∞ 性能指标γ下。 仿真实验表明, 所提方案可以有效减少数据传输,提高系统控制精度,并且相较于传统方法降低了设计的保守性。

针对海底混输水平管-下倾管-立管系统严重段塞流控制中通讯条件受限的问题,提出了一种基于动态事 件触发(DET: Dynamic Event Triggering)的模型预测控制(MPC: Model Predictive Control)策略。 首先, 描述段塞 流产生的原因和过程,并分析了用于控制的简化模型。 其次,设计一种基于预测值与实际值偏差的动态事件触 发机制,实时监测系统的运行状态并调节事件触发条件,以提高系统的稳态性能和降低触发频率。 最后,进行 实验对比分析。 结果表明,所提方法在保证控制性能的基础上能有效降低系统触发频率,与小开度阀门相比, 石油潜在产量增加了约2.8%。

 针对光通信网络实践教学资源不足的问题,设计了一套虚实结合的全光接入网实践教学系统。 以通信 业务开通任务为主线,在全光接入网现网设备基础上构建全真式实践教学系统,采用软硬结合方式模拟应用层 服务器及通信用户终端,规划从应用层服务器经全光接入网到通信用户终端的配置信息,测试验证各类通信业 务开通成功与否。 以网络故障排除任务为主线,利用虚拟现实技术开发全光接入网虚拟仿真实验教学系统, 构建涵盖中心机房、光缆交接箱、校企联合实验室的虚拟校园应用场景,集中展现光分配网络、多业务网关、 光线路终端和应用层服务器相关的故障问题。 实践表明, 该实践教学系统的设计与应用既提升了教师的 光网络实践教学资源建设能力,又培养了学生解决复杂光网络应用问题的实践创新能力。 

 针对手势识别由于分割效果差,导致识别率较低等问题,提出基于改进支持向量机的动态多点手势动作 识别方法。 选用深度阈值法分割动态多点手势图像, 提取出手掌中最大的圆细化手部区域, 获取7维手部 HOG(Histogram of Oriented Gradients)特征向量, 完成手势动作图像预处理。 引入支持向量机, 并且通过误差项 改进该算法。 采用改进后的支持向量机最优线性分类特征向量,利用支持向量机输入分类后的手势特征向量, 实现动态多点手势动作识别。 实验结果表明, 所提方法受光照影响波动小, 在有光照情况下, 识别率达到 92. 5%以上, 而无光照情况下, 识别率仍高于90.0%, 并且图像分割信息完整、识别准确性高。

由于置乱和提取过程的不可逆性, 使数字媒体视频图像信息在提取过程中无法完全恢复隐藏信息, 导致信息的丢失或错误, 降低了隐藏算法的有效性。为此, 提出基于参考帧的数字媒体视频图像信息隐藏算法。首先, 采用基于限邻域的经验模式分解(NLEMD: Neighborhood Limited Empirical Mode Decomposition) 算法对数字媒体视频图像实施图像增强处理, 提高视频图像质量; 其次, 采用 Arnold 变换置乱方法对增强后的图像实施置乱变换, 完成信息隐藏的预处理; 最后, 通过基于参考帧的信息隐藏算法实现置乱后的数字媒体视频图像信息隐藏。实验结果表明, 所提方法能提升数字媒体视频图像的峰值信噪比, 隐藏信息嵌入、提取耗时较短,信息提取精度较高。

针对目前供应链隐私网络信息特征种类较多、数据密文难以被准确判定, 导致加密难度较高的问题,提出一种基于混沌序列的信息加密算法。考虑到隐私信息存在被泄露或篡改等风险, 将风险变化作为加密算法的参考特征, 通过三元联和五元联函数求解隐私信息的相同、相异以及相反风险变化特性, 获得风险指数。按照待加密信息的风险指数建立混沌序列, 通过混沌序列生成密钥序列, 计算不同种类信息对应的维数, 最后通过信息与密钥序列的混沌映射实现信息加密。实验结果表明, 所提算法对供应链隐私网络信息加密精准度高, 数据丢包率小, 能有效改善传输过程中的隐私信息泄露和丢失现象。

针对综合客运枢纽通常涉及大量的车辆和线路,并且其车流量、乘客需求、交通状况等是动态变化的, 容易存在时刻表冲突,导致车辆的多线路调度难度较高的问题,提出基于改进蚁群算法的综合客运枢纽车辆 多线路调度方法。 考虑减少运营成本与等待和总体行程时间,以最小化综合客运枢纽系统的运营费用与乘客 行程花费时间为目标,构建调度优化模型。 利用蚁群算法对模型求解,引入搜索热区、优化信息素更新策略与 优化启发因子改进蚁群算法,完成综合客运枢纽车辆多线路调度。 实验结果表明,笔者方法可以更全面地实施 车辆的多线路调度,车辆等待率低于5%,平均调度时间最高仅为5.8 s,有效提高了收敛率、精准度与效率。

为解决非完备信息下空战机动决策确定最优策略的问题,提出了一种基于区间投影寻踪法的非完备空战 决策评估方法。 首先,引入区间数表示非完备空战数据,将理想解排序法中的欧氏距离替换为灰色关联度,并 给出正负理想解,提出区间参考灰色理想解排序法(RIGRA-TOPSIS: Referential Interval Grey Relation Analysis- Technique for Order Preference by Similarity to Ideal Solution), 定量地得到了空战指标的客观权重。 然后, 提出了 改进的区间投影寻踪法,将得到的客观权重作为区间投影寻踪法的初始投影向量,使用基尼系数代替标准差 进行计算,并对投影密度进行指数校正,应用粒子群算法求出投影值,确定了最大投影值对应于空战博弈的 最优策略。 仿真结果表明,所提方法应用在小样本空战策略集的情况下具有良好效果。

针对人群的大尺度变化、复杂的背景、 以及标签噪声对计数精准度产生严重影响的问题,提出了一种 基于背景抑制与噪声监督的人群计数模型。 该模型在编码阶段使用VGG16_bn的前13层作为主干网络, 将 初步提取到的特征输入到双分支特征提取模块与背景信息聚合模块,分别缓解人群大尺度变化并提高背景的 可辨性。 最后融合两个模块所处理的信息, 使用解码器回归生成预测密度图,并与ground truth密度图进行 监督以实现对噪声的抑制。 与其他算法相比结果表明,该模型的计数精准度有所提升,在ShanghaiTech PartA 上的MAE(Mean Absolute Error)和 MSE(Mean Squared Error)分别为58.1 和95.9; 在 ShanghaiTech PartA 上进行 的消融实验也验证了各模块的有效性。 该算法能有效地提高人群计数的精度。

为解决在障碍环境下机器人绕障效果较差、效率较低的问题,提出基于邻域粗糙集的轮式工业机器人 绕障控制算法。 首先,采用基于2D激光测距仪的环境感知方法,对机器人局部环境和障碍物环境进行分析, 为后续绕障控制提供精准环境信息;其次,针对机器人的初始绕障决策规则,利用邻域粗糙集的知识约简作 用, 将其化简为最小绕障决策规则, 得出可行路径集合; 最后, 以可行路径集合为依据, 利用 ND+ (Nondimensional)算法确定机器人的绕障决策方向, 进而实现轮式工业机器人的绕障控制。 实验结果表明, 该 方法可以在保障绕障控制稳定性的同时,获取较高的机绕障控制精度和效率。

为增强纹理特征提取算法对旋转、 光照和尺度变化的鲁棒性, 提出分形加权局部形态模式(FWLMP: Fractal Weighted Local Morphological Pattern)。 首先, 利用分形维数对尺度变化的相对不变性, 构建一个尺度 不变的描述符。 然后使用数学形态学中的膨胀、腐蚀和开闭运算对其进行采样分析,利用分形维数图像计算其 权重。 该算法具有尺度不变性,对旋转和光照变化也具有鲁棒性。 为实现对清朝服饰图像的分类,构建了清朝 文武官补子图像数据集,并将FWLMP和同类算法在4个公共纹理数据集和自建的清朝文武官补子图像数据集 上进行了实验。 实验结果表明,FWLMP在纹理图像分类和清朝文武官补子图像分类上具有较好的应用价值。

针对为保护近年来易遭到自然或人为因素破坏的珍贵野外地质资源,以及为线上虚拟地质实习的教学改 革更好服务的问题,提出一种基于三维激光扫描的野外地质剖面自动重建技术。 利用FARO三维激光扫描仪 对不同尺度的野外地质露头进行三维高密度点云的数据采集,通过对野外采集到的优质数据进行处理、优化和 可视化建模,达到对野外珍贵地质资源保护的目的,同时丰富了学生的虚拟地质实习资源。 以辽宁省兴城市 龙回头景区部分野外地质露头为例,进行了虚拟地质建模与可视化应用,提高了地质实习实践教学质量。

针对网络数据分类的关系分类器都基于同质性假设, 而基于一阶马尔可夫假设的简化处理存在一定局限性的问题, 在贝叶斯网络分类器中, 引入局部图排序激活扩散方法替代原始的直接邻域获取方法。通过设置初始能量值和最小能量阈值, 适当扩大分类时待分类节点的邻域范围,从而提高了节点的同质性。结合松弛标注的协作推理方法, 引入激活扩散的贝叶斯网络分类器 ASNBC(Activation Spreading Network Bayes Classifier)在一定程度上提高了网络数据的分类精度。与4 个网络分类器的对比实验结果表明, 该方法在6 个网络数据集上的分类精度都有不同程度的提高。

地磁导航利用地磁场信息进行定位导航,但因地磁场变化缓慢,地磁信息不丰富,进行地磁匹配时辨识 度不高,在导航算法优化下依然不能得到理想的定位效果。 为使地磁场具有更高的辨识度,提高定位精度, 提出采用组合式人工磁源丰富地磁信息的方案。 选用稀钕铁硼材料制作的圆柱永磁体作为磁源,利用COMSOL 软件进行建模仿真,分析其磁场空间分布并确定磁信标设计方案。 采用标准差、粗糙度、信息熵评价磁信标 方案对地磁图特征的改善效果,从而确定更合理的磁信标方案以提高定位精度。 测试结果表明,在10m伊10 m 测试区域,组合式磁信标方案定位精度可达到厘米级。

为解决不断增长的网络容量引起的通信带宽不足的问题, 将光通信波段从主要的C波段(1 530~ 1 565 nm)向S波段(1 460 ~1 530 nm)和L波段(1 565 ~1 630 nm)拓展成为解决该问题的有效方式。 Tm3+在 泵浦光激发下可获得~1490 nm波长的发光,将其掺入波导中可实现S波段光放大器。 将NaYF4 : Tm3+,Yb3+ 纳米晶掺入聚合物材料中作为放大器增益介质,设计了一种平面波导放大器结构,仿真了器件在S波段的增益 性能。 利用NaYF4 :1%Tm3+,x%Yb3+纳米晶, 制备了4 种不同Yb3+掺杂浓度的波导放大器样品(x=5,10,15, 20), 并测试了器件增益性能。 实验结果表明,当Yb3+掺杂浓度为10%时, 波导放大器的增益最大,1 cm长的 器件在泵浦功率400 mW时,实现了8.2 dB的相对增益。 提出的Tm3+,Yb3+共掺杂体系的建模仿真对研制高 性能的S波段波导放大器提供了理论指导,利用NaYF4 :Tm3+, Yb3+纳米晶制备的聚合物光波导放大器实现了 S 波段光放大,并有可能在光通信中获得广泛应用。

由于行业用户的电量需求通常受季节性和周期性的影响,且有时获取的数据不完整、缺失或存在错误, 其均会对预测的准确性产生负面影响。 为实现对行业用户电量需求的精准预测,提出数据驱动和异构计算下 行业用户电量需求预测方法。 利用Lagrange插值算法填补用户电量数据缺失部分, 采用标准化预处理电量数 据。 为使电量需求预测足够精准,使用去噪自编码器、稀疏约束函数提取电量数据特征。 通过长时间记忆神经 网络的遗忘、输入、更新及输出门层得出电量未来变化趋势, 完成行业用户电量需求预测任务。 实验结果 表明, 所提方法适用于长期、短期的行业用户电量预测,且预测结果精度高、耗时短。

针对因不同网络信道的环境有所差异,导致时延控制难度较大的问题,提出基于离散数学模型的传输 时延一致性控制算法。 首先,基于离散数学模型设计单一信道单元中的传输时间匹配函数,并预估数据传输 时延,从而建立传输时延函数。 然后, 采用离散化处理方式, 求得与传输时延参数相关性最大的限制频谱 参数。 根据该参数,设定最大允许时延需要满足的条件,并使用均衡信号噪声比建立均衡传输幅度响应模型, 利用自适应均衡调度方法实现时延一致性均衡控制。 实验表明,应用该算法能使传输时延和控制开销明显 降低, 网络吞吐量增加。

针对影响网络链路状态因素较多, 难以精准判断网络链路状态以及即将发生拥塞的位置, 导致网络链路拥塞控制质量下降的问题, 提出基于优先级的网络链路拥塞自动控制数学建模方法。通过构建异构网络模型,并结合当前网络接口队列缓存空间的占用、变化情况对网络链路拥塞进行检测, 判断网络链路状态及即将发生拥塞的位置。通过数据申请发送机制将检测结果及时反馈至网络其他节点, 设置网络节点内高优先级突发数据包具有绝对优先级, 对网络链路突发数据包进行分割和偏射操作, 实现网络链路拥塞自动控制。实验结果表明, 该模型可有效检测当前网络链路的拥塞情况以及控制网络的拥塞程度, 具有较好的网络通信数据传输效果、阻塞率以及较好的吞吐率, 控制质量更高。

针对数据语义治理方面的研究不足, 尤其是缺乏从底层基础理论出发,对语义进行系统性探索,进而 实现数据语义标准化注册与管理的深入研究。 因此,从基础理论出发对语义组织与表示的本质进行揭示,进而 提出了概念世界的概念系统模型。 然后,结合ISO/IEC(International Organization for Standardization/International Electrotechnical Commission) 11179 系列标准分别构建了基于 MDR(Metadata Registry)的性质特征概念语义注册 元模型和关系特征概念语义注册元模型,实现了富语义知识的注册与管理。 最后,以油气勘探与评价领域数据 治理为背景,设计并开发了元数据注册及治理系统。 无论是从理论角度还是应用层面,基于MDR标准所提出 的两类语义模型的合理性与正确性得到了验证,体现了其在实际应用中的有效性。 

为提高数据利用率,避免信息中风险因素对情报分析的影响,提出基于SVM(Support Vector Machine)的 智能情报分析数据风险特征筛选算法。 利用连续小波变换方法,排除情报数据中噪声信号对分析结果的影响, 结合主成分分析法建立投影矩阵,提取多种类无噪情报数据主要特征;将多种类情报数据的主要特征提取结果 输入至支持向量机中,利用最优化理论建立支持向量机内分类平面,并明确分类平面内特征数据分类规则, 实现情报数据风险特征的筛选。 实验结果表明,所提方法对情报数据可准确分类, 风险数据检测效率较高, 能实现风险数据的有效筛选。

针对在超分辨率处理过程中,低分辨率图像存在的噪声会被放大,导致超分辨率图像出现失真的问题, 提出了基于神经网络的超分辨率图像噪声识别方法。采用神经网络中的激活函数,确定峰值信噪比。 联合噪声数据集合与超参系数, 获取残差值, 结合噪声信息分布密度, 实现超分辨率图像噪声识别。实验结果表明,所提方法的超分辨率图像的清晰度较高, 具有较好的识别效果, 最高峰值信噪比为50 dB, 表明利用所提方法能提高图像质量。

针对当前深度学习在三维重建中难以从图像中提取全面的场景信息,以及未充分考虑视图间的深度一致性问题,提出具有自适应深度一致性和跨频注意力的多视图立体网络(ADCFA-MVSNet: Multi-View Stereo with Adaptive Depth Consistency and Cross-Frequency Attention)。 跨频注意力(CFA: Cross-Frequency Attention)模块 整合图像内高频和低频信息,以及跨视图的全局场景信息,能更加全面地提取图像特征。 自适应深度一致性 (AD: Adaptive Depth Consistency)模块精确捕捉场景中的几何结构, 动态考虑不同视图对深度一致性的贡献, 在不同尺度上增强深度一致性。其创新之处在于利用全面的图像信息,确保几何一致性,从而在3D重建任务 中取得优异的表现。实验结果表明,在DTU(Technical University of Denmark)数据集上精确度为0.319, 完整度 为0.285, 整体得分为0.302, 优于其他对比方法。在 BlendedMVS 数据集上, EPE(End-Point-Error)得分为 0.27, e1 得分为5.28, e3 得分为1.84, 同样优于对比方法。证明了ADCFA-MVSNet在提升多视图三维重建的 完整度和精度方面的有效性,提高了多视图重建质量,取得了良好的重建效果。

智能汽车是全球汽车产业发展的重要方向,为适应智能汽车实践教学的新需求,设计并搭建了一套智能 汽车视频注入实验平台。首先,结合虚拟仿真与车载域控制器,设计了一套虚实融合的实验平台方案;其次, 开发了摄像头仿真模型并进行了虚拟标定验证, 同时构建了基于GMSL2(Gigabit Multimedia Serial Link 2)与CSI-2(Camera Serial Interface 2)协议的摄像头数据链路, 实现了虚拟仿真信号与车载域控制器硬件之间的有效 交互; 将开发环境中训练的深度学习模型进行量化与通用格式转换,并部署至车载域控制器,使其能与虚拟 仿真环境实现实时交互;最后,应用建立的实验系统,为学生提供了理论与实践相结合的学习环境,帮助学生 深入理解摄像头原理,并掌握多路视频信号从生成、传输到感知算法部署过程。实验结果表明,智能汽车视频注入实验系统能有效提升学生在智能汽车技术领域的实践能力和创新能力。

针对水稻病害图像数据集样本较少而影响深度神经网络模型学习的精度问题,提出一种改进的对抗生成 网络模型ViT-WGAN-GP(Vision Transformer and Wasserstein Generative Adversarial Networks with Gradient Penalty) 用于对图像数据集进行增强。 首先在生成模型引入Vision Transformer结构加强对全局特征的学习; 其次在判 别模型采用WGAN-GP结构, 通过Wasserstein衡量函数和梯度惩罚项保证模型训练的稳定性, 提升生成图像的 效果; 最后使用增强后的样本集训练深度神经网络模型。实验结果表明,针对水稻病害图像,ViT-WGAN-GP 模型与GAN、WGAN-GP相比生成图像效果提升显著。使用增强后的水稻病害样本集训练VGG16、ResNet34和 GoogLeNet 模型, 水稻病害识别平均准确率分别达到94.3%,96.2%,97.5%, 分别提升了9.7%,2.8%,4.8%。 由此可见,该ViT-WGAN-GP模型能生成较为真实的水稻病害图像, 且能在小样本集下, 较大幅度提高深度 神经网络模型的识别准确率

针对现有仿蝎子振源定位方法因蝎子振源定位模型不完善而导致的定位精度受限的问题,提出一种改进 的仿蝎子振源位置估计方法。 该方法首先根据振动信号不同频率分量随距离增加衰减速度不同的特性,完善 现有仿蝎子振源定位机理距离估计缺失的不足,并基于改进后的模型完成振源位置特征提取,构建完整位置 特征数据库。然后, 使用K-means 方法创建子数据库以减少数据匹配的时间。最后, 通过KNN(K-Nearest Neighbor)算法完成振源位置估计。为验证该方法的有效性, 在包含64个位置的人员踏步信号的数据集上进行测试, 定位区域为内圈半径2m、外圈半径6m的同心圆。 结果表明,改进的仿蝎子振源位置估计方法比现有 的仿蝎子振源定位方法平均定位精度提高了0.4396 m。 并且其定位时间和原始的匹配方法相比提升了 31.34%。 因此, 改进方法在定位精度和效率上都得到了显著提升。 

为提高传统A*算法在路径规划时的实时性和安全性,提出了一种融合改进A*和DWA(DynamicWindow Approach)的路径规划方法。 首先, 对A*算法的搜索邻域进行了优化, 以减少节点的搜索方向; 其次, 引入 双向搜索和动态定义目标节点策略优化搜索机制,从起始和目标节点进行双向路径搜索;引入动态权重系数, 减少路径搜索过程中产生的冗余节点,并通过贝塞尔曲线对路径进行平滑处理;最后,将改进A*算法与DWA 算法相融合,以规避随机障碍物。利用PyCharm进行仿真,结果表明,与其他两种算法相比,改进A*算法搜索 节点减少46.25%以上, 搜索时间减少了24.06%以上, 融合算法能避开随机障碍物, 且规划路径的平滑性和 安全性都有较大提升。

基于监督学习的深度神经网络焊接技术在实际工业场景中,难以获取带有标签的数据样本,限制了深度网络模型的性能。而针对无标注或不完整标注数据集,迁移学习算法提供了一种新颖的解决方案。为此,从领域自适应和预训练-微调两个方面阐述了迁移学习算法,并从近年来算法发展历程和在焊接熔透识别和缺陷 检测中的应用方面归纳总结了当前已有的研究工作。 同时, 还探讨了焊接领域未来需要更多关注和探索的 迁移学习问题。通过迁移学习的方法,可以更好地利用已有数据和知识,提升深度学习模型在焊接领域的效果 及焊接熔透识别和焊接缺陷检测的准确度,从而推动智能焊接制造技术的发展。

由于网络仿真需要消耗大量系统资源且参数配置复杂,因而在进行网络测试时,这些因素均会影响测试 精度, 为此,设计一种基于Linux命名空间的轻量级网络仿真方法。基于Linux内核虚拟化技术构建仿真网络, 针对网络测试过程中动态调整拓扑引起参数配置复杂,运行网络仿真系统时资源消耗大的问题,设计采用人类可读的数据序列化标准文件灵活定义网络,在用户态通过调用系统命令借助Linux网络命名空间机制完成虚拟 网络创建,编写自动化脚本利用iperf3工具执行网络测试。实验结果表明,所提方法网络吞吐量接近测试理论 带宽, 系统表现出高启动效率和低运行资源开销,能满足常见网络测试应用场景,性能较好,具有一定的研究价值。

针对传统课堂质量评价手段主要依靠人工观察, 存在效率低和精度差等问题, 提出了一种基于改进 YOLOv5s(You Only Look Once version 5 small)的轻量化课堂评价模型。通过采用该模型和层次分析法建立完善的课堂评价体系。该模型在颈部网络中融入CBAM(Convolutional Block Attention Module)注意力机制, 提高了模型的识别精度; 通过在骨干网络中融合Ghost模块, 显著降低了模型的复杂度; 通过采用Focal Loss损失 函数,有效地缓解了类别不平衡的问题。实验结果表明,与YOLOv5s模型相比,改进后的模型平均精度提升了7. 3%, 参数量减少了42.0%, 计算量减少33.1%, 检测速度提升了4%。最后结合层次分析法和熵权法建立 课堂质量评价体系,动态显示当前课堂质量的评分,可满足实际课堂需求。

针对油气管道泄漏识别准确率低的问题, 引入数字孪生技术, 构建了基于算术优化算法优化支持向量机(AOA-SVM: Arithmetic Optimization Algorithm-Support Vector Machine)的数字孪生管道泄漏识别模型。 首先利用Ansys 软件构建出油气管道的 3D ROM(3D Reduced Order Model)管道模型; 其次将采集到的管道信号通过 Java接口导入 MySql 数据库, 进而将数据导入 3D ROM 管道模型中; 最后将 AOA-SVM 算法在 Matlab 环境中进行管道信号的工况识别, 并通过 Twin builder 软件将其识别效果以动态形式展现。 为体现 AOA-SVM 工况识别能力的优越性, 在相同信号的基础上, 与其他支持向量机( SVM: Support Vector Machine) 优化算法进行了对比。对比结果表明 AOA-SVM 具有最高的分类准确率, 分类准确率可达到 90. 5% , 即所提数字孪生的识别模型不仅可以模拟管道的泄漏情况, 而且监测可信度较高。

针对金融事件存在论元专业性强、分散度高等特点,传统事件抽取方法难以实现精准抽取问题,提出了 一种融合段落局部和文档全局特征的事件抽取方法。 该方法首先对金融公告文档分段后并行地对所有段落 利用Fin-BERT(Financial Bidirectional Encoder Representation from Transformers) 预训练模型、卷积神经网络和 自注意力机制获取文档局部特征;然后利用Bi-LSTM(Bi-directional Long-Short Term Memory)对整篇文档的语义 信息进行学习获取文档全局特征;最后将段落局部特征与文档全局特征融合,输出事件论元和事件类型。在金融公开数据集ChFinAnn上进行的实验结果表明,该方法获得了平均80.2%的F1 值,优于基线模型,证明了该方法的有效性。

在疫情灾害等场景下的社区应急管理中,传统方法无法快速精确捕捉社区的需求动态。为此,提出一种结合多模态大语言模型和YOLOv8(You Only Look Once version 8)的智能感知系统。该系统综合分析社交媒体文本数据和社区监控视频流,以实时识别社区公共服务需求。实验结果显示,系统在需求识别和异常检测方面 表现出高准确性和响应速度。该系统提升了应急管理中公共服务的响应能力,为智慧城市建设提供了有力技术支持。

电力企业办公区域中的温度、湿度、空气质量等环境因素具有动态变化特性,且相互之间存在复杂关系。这些因素对能耗的影响难以准确量化,增加了控制算法的复杂性。为此,提出双碳背景下电力企业办公能节能功率控制算法。利用环境传感器布设传感器网络,采集办公环境的信息数据,并利用回归模型建立环境 因素与能耗之间的线性关系,量化环境因素对能耗的影响。根据环境因素与能耗之间的线性关系,计算办公环境耗能设备的功率损耗和年度用电量,预测未来特定时段内企业办公的能耗变化情况。通过设定传感器和 能耗数据与控制中心的连接指令,构造设备能耗调节约束模型,结合设备能耗强度和调制功率设计节能控制函数,由此实现办公能耗节能功率控制。实验结果表明,在研究方法的应用下,电力企业办公环境的节能率和 减排量分别高达35%和35 t, 具有较好的节能减排效果,能满足双碳目标需求。

针对患者长期健康知识需求与自主管理困难的问题,为提高慢性疾病患者医疗信息获取的准确性与便捷性, 开发了一套基于知识图谱与微信小程序的慢性疾病健康知识问答系统。该系统包括问答库、服务器端、客户端3部分。问答库基于知识图谱、文本生成与匹配技术构建,服务器端基于Python语言编写, 使用微信 小程序作为客户端。系统具有对疾病知识进行智能问答、健康数据记录、健康推文、知识库更新功能。应用 结果表明,该系统能良好地完成慢性病人的健康知识问答任务。

文本数据量大时,需要从文本数据中提取有效的特征,以捕捉文本的重要信息,以便于文本的存储和查询。为此,提出基于机器学习的文本分类与标签预测算法研究。采用条件随机场方法对待处理文本展开词性标注和切分,获取文本的特征。将文本特征输入自注意力机制循环卷积神经网络中,经过模型训练输出 文本的分类结果和标签预测结果。经实验证明,所提算法可以有效的完成对文本的分类和标签预测,文本分类 取伪率平均为95.2%, 文本预测排序损失平均为0.4%。

针对现有方面级情感分类模型存在方面词与上下文交互不充分、分类精度低的问题, 提出一种基于多交互特征融合的方面级情感分类方法(ASMFF: Aspect-level Sentiment classification method based on Multi- interaction Feature Fusion)。首先, 将上下文和方面词分别进行特殊标记, 输入BERT(Bidirectional Encoder Representations from Transformers)编码层进行文本特征向量提取。其次, 将文本特征向量输入AOA(Attention Over Attention)和 IAN(Interactive Attention Networks)网络提取交互注意力特征向量 最后, 将得到的两种交互 特征向量进行融合学习,通过交叉熵损失函数进行概率计算、损失回传和参数更新。在Laptop、 Restaurant和 Twitter 3个公开数据集上的实验结果表明, ASMFF模型的分类准确率分别为80.25%、84.38%、75.29%, 相比 基线模型有显著提升。

针对自动驾驶多城市场景决策的灾难性遗忘问题,提出基于持续强化学习的自动驾驶决策框架。 该方案 以IMPALA(Importance Weighted Actor-Learner Architecture)算法为基础架构, 首先融合共同注意力感知模块, 通过跨场景特征交互提取重要环境表征;然后搭建自激活神经集成架构,实现知识模块的自主激活;进而采用回放机制,结合场景特征和历史轨迹经验回放缓解旧知识的遗忘问题。 其中采用离策略行为克隆和在策略学习共同维持决策算法的可塑性和稳定性。 根据不同自动驾驶场景任务需要确定是否使用旧模块或生成新模块, 并通过融合模块解决占用内存过高的问题。 针对两组多城市场景进行消融实验和对比实验,通过对比路径完成率以及累积奖励验证方法的性能。 实验结果表明,在第1组顺序场景任务中的平均完成率达到85% 左右, 在第2种顺序场景中的平均完成率达到81.93%。 该方案能有效缓解多城市场景持续决策中的灾难性遗忘问题,并且取得更好的平稳驾驶性能。

为解决算力有限的车联网无法承担大量实时任务计算的问题, 利用移动边缘计算技术(MEC: MobileEdge Computing)将车辆任务卸载到边缘服务器进行计算, 同时提出了一种基于改进灰狼算法(I-GWO: ImprovedGrey Wolf Optimizer)的车辆任务整体卸载的时延和能耗联合优化方案。 首先, 确立以计算时延、 能耗以及边缘服务器计算资源为约束的计算卸载模型, 并提出一个以最小化系统总消耗为目标的卸载优化问题; 其次,对灰狼算法(GWO: Grey Wolf Optimizer)进行改进, 提出 I-GWO 算法, 并利用该算法求解优化问题。 仿真结果表明, 所提方案能有效降低系统总消耗, 且 I-GWO 的收敛性能相对于 GWO 有很大提升。

由于资源过滤去重是保证数字化图书馆高效运行中不可缺少的环节,但其过程易受冗余数据、资源类型和客户群体差异等问题的干扰,为此,提出基于GRNN(General Regression Neural Network)算法的数字化信息资 源过滤去重方法。首先采用GRNN算法检测数字化信息资源中的异常值, 并通过PSO-LSSVM(Purticle Swarm Optimization-Least Squares Support Vector Machine)过滤异常值, 避免异常数据对去重过程产生干扰。然后采用局部敏感哈希算法将资源数据转换成二进制哈希码,通过检测哈希码之间的汉明距离相似度完成数字化信息资源的过滤去重。实验结果表明,该方法用时短,并且去重精度和去重率较高。

针对运行策略不足时光储充电站的高运行成本及对配电网产生的负荷波动问题,提出了一种基于时变 边界约束条件的光储充电站多时间尺度优化调度策略。首先日前阶段以日运行成本最小为目标,对电动汽车 充电负荷以及光伏发电功率区间进行预测; 日内阶段以对配电网造成的负荷波动均方差最小为目标。构建基于预测区间边界、光伏发电上网电价以及电网分时电价的具有时变边界的约束条件,对运行策略中相关变量 加以约束。最后设置多个场景, 调用Matlab中CPLEX求解器进行求解, 对调度结果分析表明, 该调度策略不仅能降低日运行成本,同时也减小了负荷波动均方差。

针对现有抽油机故障诊断多数基于示功图数据, 导致其诊断模态相对单一的问题, 提出一种 ShuffleNetV2ECA-MLP(ShuffleNetV2 with Efficient Channel Attention and Multilayer Perceptron)多模态决策融合的抽油机故障诊断模型。 为提高ShuffeNetV2 模型跨通道交互能力和识别精度, 首先将轻量通道注意力ECA (Efficient Channel Attention)模块引入 ShuffleNetV2 模型中, 应用 Hardswish 激活函数增强网络学习复杂问题的能力; 其次利用改进后的ShuffleNetV2 网络对示功图诊断, 同时利用多层感知机(MLP: Multi-Layer Perceptron) 网络处理生产动态数据; 最后采用加权投票方法整合两个模型的诊断结果。 为验证改进ShuffleNetV2 和 ShuffleNetV2ECA-MLP 模型有效性, 与轻量级卷积网络 MobileNetV2、 MobileNetV3、 经典卷积网络 ResNet 以及 VGG(Visual Geometry Group)网络模型进行对比。 实验结果表明, ShuffleNetV2ECA-MLP 模型的存储空间仅为 10. 16 MByte, 故障诊断精度达到95.35%, 能更好满足抽油机故障诊断需求。 

针对目前基于深度学习的 OCC(Optical Camera Communication)系统目标 LED(Light Emitting Diode)阵列检测算法网络结构复杂、参数量大、计算复杂度高的问题, 提出了一种基于 Effeps-YOLOv11(Effeps-You Only Look Onceversion 11)的LED阵列检测算法。在 Effeps-YOLOv11 特征提取的主干网中采用轻量型 EfficientNetV2 网络平衡网络宽度、深度、图像分辨率; 使用 ECA(Efficient Channel Attention)注意力机制替换原有的复杂注意力模块, 简化了网络结构; 设计使用轻量级 C3PC(C3 Part Convolution)模块, 降低计算复杂度; 采用 Shape_IoU 损失函数提高边界框的定位精度, 提升 LED 阵列的定位准确性, 为正确解码提供了先期保障。依托 OCC 系统实验平台实现数据的采集, 建立完成训练所需数据集。实验结果表明, 在室外复杂环境下该 Effeps-YOLOv11 算法能满足 OCC 系统目标 LED 阵列检测任务需求。

针对通用分词方法在专业领域的中文分词任务中,由于跨领域的数据分布不匹配和大量未登录的专业 词汇限制导致分词准确率低的问题, 提出基于 XLBMC(XLNet-BiGRU-Multi-head Self-attention-Conditional Random Field)的专业领域分词方法。首先通过改进的XLNet 预训练模型生成包含上下文语义信息的动态词 向量,使模型能更好地利用边界特征和语义知识;然后将获取的词向量输入BiGRU中进行特征提取,得到每个字符的隐藏状态表示。在BiGRU编码的基础上,引入稀疏多头自注意力机制(Multi-head Self-attention)对每个字符加权表示,提高模型在受限内存预算下细粒度和强长期依赖性的时间序列的预测准确性。最后由CRF (Conditional Random Field)解码相邻标签之间的依赖关系, 输出最佳的分词序列。在自建的控制工程语料上 进行分词实验。结果表明,该分词模型准确率为94.27%,召回率为93.24%,F1 值为95.52%, 证明其在专业领域中文分词任务中的可靠性。

针对直觉模糊集相似性度量中犹豫度再分配问题,由于传统方法大都依靠固定公式且结果恒定,其与实际 情况不符,为此,提出了一种新的直觉模糊集相似性度量方法。该方法引入随机函数,对犹豫度进行细粒度的隶属度与非隶属度再分配,并保留剩余犹豫度,在保持信息完整性的同时,大幅度提高了度量的辨识能力和计算 效率,满足了相似性度量的核心要求。并且还深入探讨了两个直觉模糊数相似性的可能取值范围,增强了相似性 的适用性。将此方法应用于路堑边坡方案选择中,验证了其合理性及实用性,展现了良好的应用前景。

针对目前井场抽油机泄露目标检测方法忽视井场泄漏检测的特殊需求,在对井场泄漏目标进行特征识的过程中存在一些局限性的问题, 提出一种基于注意力机制的井场小目标泄露检测算法。以YOLOv5(You Only Look Once 5)网络为基础, 在主干网络中引入通道和时空注意力模块, 获取到更多的特征判别信息, 以增强模型对重要特征的关注。同时,在主干网络中多引出了一个小目标检测尺度,使网络更多地融合小目标物 体的特征信息,加强小目标的检测能力。并在井场泄露数据集上对该算法的有效性进行验证 实验结果表明, 相较同类算法,该方法具有更高的识别准确率,可为油田井场泄露自动检测的实际应用提供参考。

针对网络节点脆弱,潜在攻击行为较多且交集情况冗余,导致特征识别精度以及分类效果较差,监测 稳定性和效率较低的问题,研究了基于模糊Markov博弈算法的网络潜在攻击监测。利用融合度压缩感知方法和特征识别度参数分析方法,分析网络潜在攻击特征的随机离散分布序列,提取和分析网络潜在攻击谱特征量; 采取随机森林算法,区分网络潜在攻击类型,进行了网络潜在攻击风险模糊Markov博弈分析; 依据风险状态集,结合最小最大化原则,监测网络潜在攻击风险。算例测试结果表明,应用所提方法,设置了潜在攻击行为参数,潜在攻击识别率波动较小, 模糊Markov 博弈分析结果与实际风险值最为接近, 具有较高的识别精度、监测效率和监测稳定性。

针对原始电力系统用户侧净负荷序列混乱问题,为精准预测电力系统用户侧负荷数据的变化情况,提出 一种异构计算下的电力系统用户侧净负荷预测算法。分析带有噪声的电力系统用户侧净负荷数据,实施二 进制小波变换,经设定门限值与确定估计信号,预处理电力系统用户侧净负荷数据;应用经验模态分解方法, 进行了电力系统用户侧净负荷分解,使用扩展卡尔曼滤波(EKF:Extended Kalman Filter)以及核函数极限学习机(KELM: Kernel Extreme Learning Machine)两种存在差异的算法, 建立基于EKF-KELM 的电力系统用户侧净负荷预测函数,异构计算IMF(Intrinsic Mode Function)分量的最优参数, 引入核函数, 叠加全部预测值, 得到异构计算下的电力系统用户侧净负荷预测结果。实验结果表明,所提算法获取的电力系统用户侧净负荷预测值和真实值基本吻合,均方根误差和平均绝对误差均低,有效减少电力系统用户侧净负荷预测耗时,可以获取 高准确率的电力系统用户侧净负荷预测结果。

针对目前传统安检方法对于车辆底盘表面藏匿的违禁物品的检测效率低、漏检率高、便携性差等不足, 设计了一个基于云端的移动式智能车底藏匿物检测系统, 通过机器人、网络通信、图像处理及目标检测等技术,实现藏匿物智能化检测。基于SIFT(Scale-Invariant Feature Transform)算法提取图像特征信息并获取车底局部全景图像,使用YOLOv5(You Only Look Once version 5)深度神经网络模型检测4 种车底藏匿物, 搭建云数据库存储车辆信息, 轮式机器人、上位机、云数据库之间通过TCP/IP(Transmission Control Protocol/Internet Protocol)协议进行通信。经测试, 该系统能在特定场景下完成车底藏匿物检测, 图像拼接成功率达81.7%, 目标检测准确率达83.7%, 在车底安检领域具有一定的实用价值。

针对现有的人体姿态估计方法在动作评判场景下的准确度有待提高,并且方法依赖于高性能计算设备, 在边缘计算设备上的推理速度有待增强的问题,对经典的高分辨率网络模型进行了轻量化改进,同时针对动作评判场景中频繁出现的遮挡问题,对数据集中的图片进行随机擦除,增强算法鲁棒性。 实验对比表明,该改进方法在保证姿态估计准确率的同时,显著降低了模型的参数量,提高了模型的推理速度,并且算法对遮挡问题表现出更强的鲁棒性。 改进的方法能满足动作评判场景的需要。

针对云计算环境中存在多租户、多级安全需求等复杂场景,现有访问控制策略难以满足不同用户和应用的需求,导致资源访问安全性较低, 且加解密时消耗时间较长的问题, 将密文策略的属性基加密(CP- ABE: Ciphertext-Policy Atlribute-Based Encryption)与非对称加密(RSA: Rivest-Shamir-Adleman)相结合, 对云计算资源分级访问控制进行了研究。 建立CP-ABE访问控制架构, 并制定加密访问策略。 在上述内容支持下, 利用云计算资源分级访问相关信任值明确访问信任关系, 获得访问主体与客体资源的信任度。 结合计算所得信任值对用户进行分级授权,以满足多租户、多级安全需求。 最后根据用户身份分级授权的结果,采用 RSA 算法替代CP-ABE复杂的双线性映射进行加解密, 实现资源分级访问精准控制, 降低加解密时间消耗。 实验测试结果表明,所提方法并发连接数可达400,分级访问过度授权率最大值为6.8%, 且访问控制响应时间可有效控制在6 s以内,能有效满足多租户、多级安全需求应用场景,具有较好的云计算资源分级访问控制效果。

针对区域经济数据来源多样,并且数据格式、结构和语义存在显著差异,难以统一处理,导致数据特征量的提取难以精准实现及数据分类结果不准确的问题,提出了基于并行聚类算法的区域经济大数据集成分类方法。 基于区域经济大数据的特性,计算数据的纯度和邻域半径,确定区域经济大数据的缺失值,并对其进行修正填充。 基于填充后的数据,利用并行聚类算法,将其随机划分为多个数据子集。 并行聚类算法利用多节点并行处理,显著提升计算效率,满足大规模数据处理需求。 提取每个数据子集的特征量,进而设计大数据基分类器。 在考虑基分类器内部数据密度的前提下,确定每个基分类器的权重值,将每个基分类器的分类结果进行组合, 输出最终的数据集成分类结果。 实验结果表明, 设计的分类方法在实际应用中DBI(Davies-Bouldin Index)指数为0.31, 并能实现准确的区域经济大数据分类。

针对药物信息数据具有类别不平衡的特点,敏感数据可解释性较差且较多、应用效果与挖掘准确率较低 的问题,提出了一种基于改进Apriori的药物信息敏感数据挖掘算法。将药物数据分解成若干个带限固有模态函数,更新与去噪药物信息数据,根据药物敏感数据特征子集的信息增益以及蒙特卡洛采样策略提取敏感数据 特征子集,分析隐层输出函数和特征子集之间的关系。引入极限学习机改进Apriori算法, 筛选出具有显著 关联性的药物组合,并对其求解,匹配候选特征子集对应的敏感数据特征,构建敏感数据挖掘函数。实验结果表明, 该算法的数据信号波动幅度较小, 能较为清楚地分辨出敏感数据, 挖掘错误的数据数量不超过2个, 提升敏感数据可解释性

针对现有深度强化学习方法在训练智能体时,常因采集数据泛化性不足导致智能体应对多变运行条件时泛化能力受限的问题,首先提出一种基于大模型辅助深度强化学习的配电网区域电压优化控制策略,将大模型技术与深度强化学习相结合;其次,通过提示工程引导大语言模型(LLM:Large Language Model)生成用于深度强化学习智能体训练的定制化数据集,构建多智能体协同决策框架;然后,基于分布式部分可观测马尔可夫过程建模动态控制问题,在减少对现实数据依赖的同时提升智能体泛化能力;最后,在改进的IEEE33节点 系统上验证了所提控制策略的有效性。 结果表明, 电压偏差与网络损耗分别降低60.82%和49.91%, 并在多种运行条件下表现出较强鲁棒性。

针对居民社区电动汽车(EV: Electric Vehicles)用户基础负荷与 EV 无序充电负荷叠加造成配电网负荷 “峰上加峰冶的问题,提出了基于浣熊优化算法(COA: Coati Optimization Algorithm)的居民社区 EV 有序充放电策略。首先,基于云边协同理论及大数据技术,建立配电网、充电站运营商、智能充电桩与EV用户信息全面互联互通的云边端协同优化调度框架;其次, 提出考虑用户可接受最小利润或最大成本的EV用户充电调度机制; 然后,从电网侧与用户侧的角度建立双层多目标有序充放电优化调控模型;最后,以居民区中EV负荷数据为例,提出采用COA对模型进行求解。仿真结果验证了所提出的模型与方法的有效性和优越性, 可以较好地实现负荷削峰填谷,同时提高了用户充电体验。

针对磁测量技术高精度、 高分辨率的需求及弱磁测量技术性能指标的提升问题, 基于磁通电磁感应原理, 利用集成磁通门芯片,设计了一种可用于微弱磁场三维矢量场的传感器组件结构。 研究了微弱磁场发生装置的线圈电流、温度、环境电路对微弱磁场的影响。 利用Ansys仿真软件分析计算了磁场线圈的三维分布特性,确定了随机空间测试点的磁场强度和方向。 利用COMSOL物理场计算软件进行了线圈电流热耗散的分析。 实验结果表明,测试数据与仿真结果基本一致,从而确定了微弱磁场发生装置的激励电流条件。 同时, 精确测量了不同经纬度地磁场的磁场矢量分布和变化。 实现了任意闭合曲线的矢量20000个空间点的磁矢量积分, 从而在实验上验证了静磁场的旋度定理。

针对永磁同步电机滑模控制的非线性和滞后控制问题,在分析了滑模控制各参数在不同阶段具有弱联系的基础上,提出了模糊参数整定策略,在降低超调和抖振并具有一定的抗干扰能力的基础上,简化控制的复杂度。 研究滑模电机控制过程中各参数的主要作用以及参数间的相互联系,将模糊逻辑控制与指数趋近率相结合,利用模糊控制对滑模参数的变化进行整定, 推导出模糊趋近率,消去了常速度项。 该设计方法简化了滑模参数调节的复杂度,考虑系统的调节能力, 使设计和调控更加真实、方便。 对比传统永磁同步电机滑模控制, 仿真结果表明,利用模糊控制对滑模参数进行整定而设计的转速环控制器,超调减低21.86%, 启动 时间降低0.038 s, 在降低抖振时,可有效消去抖振尖峰波,应对负载突变时,转速跌落降低7.31%,调节时间 降低0.010 s, 验证了文中参数整定的可靠性和优越性。

针对基于静态场景特征进行相机位姿估计的即时定位与地图构建(SLAM: Simultaneous Localization and Mapping)技术, 在其前端的特征计算和匹配的过程中易受到动态物体干扰的问题, 提出了实例分割结合多视几何约束的方法,以改进视觉SLAM的前端特征处理, 剔除动态信息的干扰。 在ORB-SLAM3(Oriented FAST and Rotated BRIEF-Simultaneous Localization and Mapping3) 框架的前端, 并行 YOLACT++(You Only Look At CoefficienTs++)实例分割线程, 将分割后的结果使用多视几何约束的方法补充检验特征点动态一致性; 运用 EfficientNetV2网络替换 YOLACT++原来的主干网络, 并使用 TensorRT 量化实例分割模型, 以减轻算法的前端计算压力。 经TUM(Technical University of Munich)数据集测试结果表明, 该算法在高动态环境下的定位精度较 ORB-SLAM3 算法平均提升了80.6%。

针对保证智能电网终端用户敏感数据的机密性和完整性问题,提出一种智能电网终端用户敏感数据安全聚合算法。 首先优先建立一个适用于智能电网终端用户敏感数据采集、传输和处理的雾计算体系架构。 然后在智能电表终端将采集到的用户敏感数据通过形成和分发密钥完成敏感数据加密,将加密后的数据通过雾节点细粒度聚合和云节点粗粒度聚合实现聚合,并将得到的云节点粗粒度聚合数据集利用安全传输通道传输至电力服务机构。 最后通过解析存储于云端的全部细粒度聚合数据,可获取对应的聚合数据明文,实现智能电网终端 用户敏感数据安全聚合。 实验结果表明,所提算法在进行敏感数据安全聚合时的通信开销在100 kByte以下,且聚合时间较短,同时对不同类型的敏感数据的完整保护性在0.8以上,表明所提算法具有较高的实用性。

针对复杂场景下视频异常检测问题, 提出了基于改进对抗生成网络(GAN: Generative Adversarial Network)的视频异常检测框架。 利用两个判别器对生成器进行对抗训练,并通过回归损失函数增强双向预测的 一致性。 生成器为使用FusionNet和LSTM(Long Short Term Memory)构建的时空特征融合网络, 取正向和反向的视频序列为输入,并分别输出预测视频帧和序列。 两个判别器均采用PatchGAN架构,帧判别器用于区分合成帧, 序列判别器用于判别帧序列中是否包含至少一个合成帧,以保持时间一致性,提高预测网络的鲁棒性和准确性。 最后,基于PNSR(PeakSignal to Noise Ratio)均值归一化完成异常得分计算。 实验结果表明,所提框架能很好地捕捉视频序列中的双向时空特征,并在难度较大的视频异常检测公开数据集UCF-Crime(University of Central Florida Crime)和 ShanghaiTech 上均取得了优于其他先进方法的性能。

为提高安全帽佩戴检测模型的效率和准确性,提出了LFE-Y8(LightConv, Focal Loss and EMA Attention- You Only Look Once version 8)模型。 该模型采用 Focal Loss 损失函数, 解决了样本类别不平衡的问题; 通过 LightConv 轻量卷积优化原有模型, 提升了特征提取能力;为了更好地关注小目标,融合了跨空间学习的高效多尺度EMA(Efficient Multi scale Attention)注意力机制。 实验结果表明, LFE-Y8 模型相比于改进前的 YOLOv8 模型,有效提升了安全帽佩戴检测的准确性,改进后的算法精准率提升了0.6%,召回率提升了2.1%,mAP@ 50 提升了1.2%, mAP@50-95 提升了1.5%, 证明了LFE-Y8 模型在实际应用中的有效性

为解决油气物联网的能量限制问题,引入能量采集技术,提出一种基于数据重要等级的油气物联网能量管理算法。 该算法根据能量阈值切换传感器节点的工作模式,在能量受限的情况下基于数据的重要等级考虑是否进行数据传输,避免重要数据的延迟。 并且该算法基于节点能量采集和能量消耗的比率、节点的剩余能量选举簇头,以达到在保证重要数据传输的同时延长网络寿命的目的。 仿真结果表明,所提方案可以同时延长网络寿命和提高能源效率,并显示出优于现有方案。

在实际选矸场景中,煤与矸石紧密接触,机械爪难以精确抓取矸石,为提高复杂工况下的机械爪抓取可靠性, 提出了一种基于语义分割的多目标小间隙煤矸识别方法。 使用FCN(FullyConvolutional Networks)算法对煤矸石进行识别,并对FCN进行改进,添加FPN(Feature Pyramid Network)模块和采用Dice Loss 替换原交叉熵损失函数。 首先对采集的1202张初始图像使用labelme对煤矸石图像进行标注, 采用限制对比度自适应直方图均衡化算法(CLAHE:Contrast Limited Adaptive Histogram Equalization)对煤矸石图像进行增强; 然后通过对比试验, 分析了不同语义分割算法和迁移学习策略在煤矸图像分割任务中的表现。 实验结果表明,采用ResNet50 作为特征提取器的全卷积神经网络FCN-ResNet50-FPN的识别性能最佳, 精确率、 召回率、 F1 分数、 平均交并比分别为95.0%、95.4%、95.2%、90.9%。 经迁移学习后, FCN-ResNet50-FPN 的识别性能得到明显提升, 改善了小间隙处识别,为选矸机器人精确抓取提供了可靠信息。

针对邻和可区别全色数猜想的问题,利用组合零点定理分析了极小反例图的结构,并应用权转移方法证明了最大度Δ>=8且不含相交三角形的IC-平面图的邻和可区别全色数不超过Δ+3。 研究结果表明,邻和可 区别全色数猜想在这类图上成立。

针对多输入多输出认知物联网(C-IoT:Cognitive Internet of Things)系统中出现的高能耗问题, 提出了一种基于智能反射面(IRS: Intelligent Reflecting Surface)辅助的联合波束形成优化算法。 以次用户处的信干噪比和 IRS 处的离散相移为约束条件,构建新的优化准则,通过联合优化次发射机处的主动波束形成矩阵和IRS处的被动波束形成矩阵最大化系统的能量效率。 将复杂的非凸优化问题分解为子问题,分别使用定点迭代法和逐次细化法对子问题进行处理。 仿真结果表明, 在多天线场景下所提算法具有良好的收敛性。 与基准方案相比, 所提算法在多用户情况下有效提高了系统的能量效率。

针对遥感图像聚类去雾处理效果差, 导致图像聚类的聚类精度和Kappa系数较低、 时间较长的问题, 提出了一种基于自适应K-means算法的遥感图像聚类优化方法。 首先,结合暗通道先验估计和颜色线先验估计对遥感图像进行去雾处理;其次,计算去雾后遥感图像的灰度共生矩阵,并获取纹理特征;最后,采用蜂群算法对K-means 算法实施优化, 利用优化后的自适应K-means算法根据纹理特征, 实现遥感图像的聚类优化。 实验结果表明,所提方法可有效消除遥感图像中的云雾,图像细节信息显示清晰,在聚类精度、Kappa系数和聚类时间均表现出良好的性能,聚类精度达到94.9%,Kappa系数为0.97, 聚类时间仅为0.36 s。

由于在实施虚假数据注入攻击检测时,若检测模型的检测精度较差,将影响虚假数据注入攻击检测的 检测效果,为有效提升检测模型的检测精度,提出基于灰狼算法优化核极限学习机的虚假数据注入攻击增量检测。估计电力系统状态,分析虚假数据注入攻击行为,并基于核极限学习机建立虚假数据注入攻击增量检测模型, 使用灰狼算法对模型进行优化处理;最后将采集的电力系统状态数据的归一化结果作为模型输入数据, 通过优化后的模型实现电力系统虚假数据注入攻击在增量变化下的精准检测。实验结果表明,采用该方法 进行虚假数据注入攻击检测,可以得到较好的检测效果和较高精度的检测结果。

针对传统调度方法在电能计量设备检测调度中存在的稳定性不足、泛化能力弱及受设备配置影响等问题, 提出了GNN-RL(Graph Neural Network-Reinforcement Learning)检测调度模型。 该模型将调度问题视为马尔可夫决策过程,首先构建电能计量设备检测调度的图结构模型,然后通过改进的图神经网络提取问题特征并传递给动作选择网络以生成决策,最终将决策结果分配给机器执行。 调度结束后,模型收集反馈信息以训练强化学习模块中的调度策略。 在训练阶段, GNN-RL优化了消息传递机制, 采用与调度目标紧密相关的损失函数,并动态调整学习率。 同时,还引入多任务学习框架处理任务分配和时间调度。 实验结果表明,GNN-RL 在寻优能力、求解精度和稳定性方面优势明显,对电能计量设备检测调度问题的求解具有显著优势,明显提高了问题求解的效率和可靠性。 

针对复杂背景下的图像可能包含大量干扰信息,难以精准提取图像特征矢量的问题,提出了复杂背景下无线传感器网络图像显著性目标辨识算法。 利用均值漂移算法聚类目标后实现图像分割,获得若干块分割图像特征矢量。 通过融合规则处理图像金字塔各层塔形,结合图像金字塔序列实现图像重构。 根据图像重构结果与直方图统计确定像素点的图像显著性,通过像素次序扩展与排序实现图像显著性目标辨识。 实验结果表明, 所提算法能准确辨识复杂背景下无线传感器网络图像显著性目标, 且画面纹理细节清晰, 实际应用效果好。

针对在低照度图像中,有效信号与随机噪声在变换域中呈现相似的稀疏分布,去噪后的图像容易出现阶梯效应或伪边缘,进而产生噪声伪影,降低图像质量的问题,提出一种在线字典学习算法下低照度图像平滑去噪方法。 对低照度图像实施灰度变换,降低图像随机噪声。 设计一种自适应低照度图像块划分策略,根据灰度变换后图像局部亮度信息和纹理特征,动态调整图像块大小,得到图像细节和结构信息。 创建在线字典学习模型, 稀疏表示划分后的图像块,通过实时更新字典动态捕捉噪声和细节特征的时变特性,自适应地分离有效信号与噪声,在保留信号结构的同时抑制噪声伪影,解决低照度图像中相似稀疏分布导致的阶梯效应和伪边缘问题, 实现低照度图像平滑去噪。 实验结果表明,所提方法具备极强的鲁棒性,能有效抑制低照度图像噪声, 图像峰值信噪比和结构相似性得到显著提高。

考虑到遥感影像的大规模和高维特征,复杂遥感应用过程需要进行合适的特征提取和选择,同时进一步区分同类目标的不同子类别,为此,提出改进残差网络(ResNet: Residual Network)算法的复杂遥感背景目标细粒度识别方法。 使用非均值滤波算法标记带噪遥感图像的坐标域,计算像素点之间相似度,对复杂遥感图像进行去噪。 基于去噪结果,提取图像全局、局部特征点,通过特征点融合结果获取全局、局部特征图。 引入改进残差网络算法,分析每个背景图像块区域像素细粒度,经过残差学习后,结合图像像素位置与损失函数, 二次利用分类器确定像素细粒度特征,完成背景目标细粒度识别。 实验结果表明,图像清晰度较高,随着待识别图像的不断增加,F1 -Score与全局召回率都得到了不同程度的改善,增益误差较低。

针对多帧影视图像实时跟踪中存在提取准确性低、跟踪效果差等问题,提出了基于视觉传达效果的图像特征实时跟踪算法。 通过计算候选目标状态的似然函数获取多帧影视图像中的有效目标,并利用视觉传达效果的增强处理去除图像中的噪声和伪影等,提升有效目标的可识别性。 考虑到多帧影视图像的实时跟踪要求, 在多帧影视图像增强后,通过粒子群算法对多帧影视图像特征的加权,提高显著性特征的权重,有效地突出跟踪目标,实现多帧影视图像特征的实时跟踪。 实验结果表明,经所提方法处理后,图像信噪比可达45 dB, 且跟踪目标的位置与原标记位置相对一致,同时目标辨识率、召回率和综合评估指数均保持在0.9以上。 表明 所提方法能过滤目标图像背景和周边杂波的干扰, 精准获得目标特征点, 可以实现多帧影视图像的特征实时跟踪。

针对数据在存储过程中可能会被非法分子篡改,导致数据泄露、损坏等安全问题,为确保数据的安全性, 进一步提高云数据的防篡改能力, 提出多区块链下云数据防篡改存储算法。 通过分析多区块链网络的结构, 设计了基于区块链技术的云数据分布式存储架构;通过数据层、应用交互层、合约层与职能层设计了云数据访问控制模型,以此提高云数据分布式存储的安全性;在数据加解密过程中结合Hash算法和非对称加密算法加解密处理“随机数+云数据冶的组合数据, 以此避免节点私钥泄露云数据被替换和伪造的现象。 实验结果表明, 所提算法对数据的加密和解密处理时间保持在25 ms内,被攻击成功的概率低于40%, 且数据在传输过程中不易被篡改。

针对多源异构数据会包含敏感信息和个人隐私信息,使数据泄漏风险增加的问题,提出了基于核极限学习机的多源异构数据安全聚合算法。 利用偏最小二乘算法提取多源异构数据特征,通过引入核函数对极限学习机实施优化,并将获得的数据特征输入核极限学习机中完成数据按类聚合。 采用椭圆曲线加密算法对聚合后数据实施加密,提高数据的安全性,从而达到多源异构数据安全聚合的目标。 实验结果表明,该算法的多源异构数据聚合精度高、数据加密性能好,可以在实际中得到广泛应用。

为解决含污渍财务票据信息识别时因局部信息缺失或误判导致识别失败的问题,提出了一种新的财务票据图像污渍干扰下关键信息精准识别方法。 通过对图像的灰度和去噪整合,按照阈值大小,划分票据区域, 实现二值化处理。 利用感兴趣区域(ROI: Region of Interest)原理, 在二值化处理后的图像中进行信息范围的粗筛选,测算出最大包覆轮廓和关键信息粘连区域, 并对其进一步分割与边缘标定,依托于ROI比例,定位关键信息区域。 提取关键信息区域的特征,以端到端的方式结合特征建立分类标签,在覆盖识别区域中按照标签梯度搜索,完成识别目标的捕捉。 实验结果表明,所提方法得出的检索率80% ~100%之间,应用效率大幅度提升,性能优越可靠。

针对跨媒体知识文本分类涉及多种类型的数据,并且其间的差异性和异构性增加了分类的复杂性,使 大量跨媒体知识文本中难以精确寻找资料的问题,提出融合多模态信息的跨媒体知识文本分类算法。 利用词频-逆文档频率(TF-IDF: Term Frequency-Inverse Document Frequency)算法, 过滤处理文本中的停用词, 提取文本特征,并将其与图像文本特征相融合; 利用朴素贝叶斯分类器,判断跨媒体知识文本类别的归属,实现知识文本分类。 通过实验分析结果表明,所提文本分类算法显著提升了跨媒体知识文本分类的性能和效率,使分类结果更加准确,查准率高达95.12%,漏检率维持在10%以下。

针对临床外科多器械协同操作中实时精准跟踪的需求,在基于近红外主动光学追踪系统实现了对多手术器械的准确识别与稳定跟踪。 针对传统算法在多器械识别和标志点跟踪方面的局限性,提出了基于点集匹配的多器械识别方法。 通过将采集图像中的标志点与预先建立的器械模型进行匹配,实现对多个手术器械的准确识别和区分;同时,利用历史跟踪数据和最小二乘法预测标志点位置,提出了一种基于最小二乘算法预测的标志点跟踪方法,实现对手术器械的实时跟踪。 实验验证结果表明,两种方法协同使用可实现多手术器械的准确识别(首帧识别率100%)与稳定跟踪(整体识别率97.45%), 在保证跟踪精度的同时满足手术实时性要求, 能为外科医生提供清晰的器械空间位置信息, 支持精准操作, 对提升手术安全性与可靠性具有重要意义, 可为近红外光学手术导航系统的临床应用提供技术支撑。

为了在海量文库知识图谱中快速提取出关键信息, 提出学术文本关键词文库知识图谱实体关系抽取算法。 通过优化完整策略的模糊C均值聚类(OCS-FCM:Optimization of Complete Strategy Fuzzy C-Means)和弹性嵌入t-分布随机邻域(E-t-SNE: Elastic-embedding t-Distributed Stochastic Neighbor Embedding)算法分别对文库中的关键词实施缺失值填补和降维,以学术文本关键词文库中的实体作为顶点,建立知识图谱。 根据关键词的词性等特征, 基于自注意力机制算法构建自注意力双向长短期记忆网络(SelfATT-BLSTM: Self-Attention Bidirectional Long Short-Term Memory)模型对知识图谱中的实体关系进行抽取, 并获取实体抽取后的结果。 实验结果表明,所提算法的采集精度始终在0.8以上,准确率(ACC:Accuracy)值高于30%,抽取时间未超过1.5 s, 具有良好的实体关系抽取能力。 在实体抽取过程中拥有极高的准确度和效率。

为提高患者医疗隐私信息的安全性与保密性,提出了基于混沌映射和RC5(Rivest Cipher5)算法的医疗隐私信息安全加密方法。 采用PCA(Principal Component Analysis)方法对医疗隐私信息数据进行数据维规约处理, 完成医疗隐私信息数据的降维。 通过RC5分组密码算法,对降维后的信息数据密钥进行初始化、转换和混合, 实施医疗隐私信息的安全加密。 利用双混沌系统加密算法(EDC: Enhanced Dual Chaos), 并结合一维Logistic映射的优质性能和二维Henon映射, 完成医疗隐私信息的二次加密。 实验结果表明, 所提方法的加密效率较高,信息泄露率较低,抗攻击性能较强。

为探究利用飞秒激光对六方氮化硼( hBN: hexagonal Boron Nitride) 进行掺杂改性的可行性, 使用低压 化学气相沉积技术在蓝宝石衬底上生长了 hBN 薄膜, 并在大气氛围下用飞秒激光辐照加工 hBN 薄膜。 X 射线 光电子能谱分析结果表明, 大气中的碳和氧杂质被掺入 hBN 中; 随着激光能量密度的增加, hBN 中的碳和 氧杂质含量单调增加; 氧和部分碳杂质主要占据 hBN 中的氮空位, 分别作为施主和受主杂质, 因此存在杂质 补偿现象; 随着碳杂质浓度的增加, 其中有部分碳杂质以团簇或间隙原子形式存在。 掺杂后的 hBN 样品的 电阻率均显著降低, 最高可降低至未掺杂样品的 1 / 800。 研究结果证明飞秒激光技术能用于对 hBN 的掺杂和 电学性质的调控。

为改善移相全桥(PSFB: Phase-Shifting Full Bridge)变换器的控制方案得到更好的控制指标, 提出了基于 改进灰狼算法( IGWO: Improved Grey Wolf Algorithm) 优化的模糊比例积分微分( PID: Proportional-Integral- Derivative controll)控制方法。 PSFB 变换器电路中的分抗元件具有非整数阶特性, 利用分数阶微积分理论和状 态空间平均法, 对分数阶移相全桥变换器进行建模与优化控制分析。 应用自适应惯性权重和欧氏距离法优化 GWO(Grey Wolf Algorithm)的全局特性和收敛性, 计算模糊控制器的量化因子优化控制效果。 对 PSFB 变换器 使用 IGWO 优化模糊 PID 控制方案与传统的两种方案进行对比仿真研究, 并设计了一台 50 W 的样机验证控制 策略的有效性。 仿真结果表明, IGWO 优化的模糊 PID 控制相较于传统的两种 PID 控制方式在节时间、 超调 量、 稳态误差分别下降 98. 18% 、99. 63% 、44. 44% 和 66. 67% 、33. 33% 、89. 13% 。 基于 TMS320F28034 硬件 IGWO 优化的模糊比例积分(PI: Proportional-Integral)控制仿真验证的实验结果, 相对于模糊 PID 具有更优的 控制精度与收敛速度更强的抗干扰能力。

针对永磁半直驱抽油机系统存在的速度传感器依赖及参数漂移问题, 提出了一种结合无速度传感器与参 数辨识的矢量控制方法。 通过设计滑模观测器替代旋转变压器等速度传感器, 并基于 Popov 超稳定理论构建模 型参考自适应模型, 同步建立定子电阻、 电感及磁链参数辨识的闭环系统架构。 实验结果表明, 该方法能精确 估计电机转速, 并通过模型参考自适应算法动态追踪参数变化。 相较于依赖旋转变压器的控制方案, 通过滑模 观测器与参数辨识的结合, 消除传感器硬件成本, 显著提升了系统参数估计能力, 为油田抽油机在恶劣工况下 的稳定运行提供了新的解决方案。

为同时满足降低含风光氢储微电网的综合成本、 提升新能源的消纳率和源荷利用率的多目标要求, 基于 风光氢储微电网的出力模型, 以经济型、 新能源消纳率、 源荷利用率为优化目标, 建立了含风光氢储微电网的 多目标优化模型, 提出了一种多策略改进的蜜獾优化算法(HBA: Honey Badger Algorithm)。 基于西北某地微电 网实际数据, 在离网运行状态下, 对所提模型进行实例验证。 结果表明, 改进的蜜獾算法在求解模型时, 拥有 更强的收敛性和更快的收敛速度。 同时, 多目标模型能求出 36 种不同解, 相对单目标只能求出一种解而言, 在实际应用中可以提供更多选择性。

针对传统的图神经网络虽然可以表征用户与物品之间的交互, 但通常局限于成对的二元关系, 难以充分 建模用户和物品之间的高阶关联问题, 提出了一种用于推荐系统的全局关系感知超图注意力网络GR-HGAN (Global Relational-aware Hypergraph Attention Network for Recommender Systems)。 首先, 采用超图结构, 允许 一个超边同时连接多个用户和物品, 自然地刻画出多方交互的高阶关联。 然后, 利用超图注意力机制, 关注 图中不同邻居节点与当前目标节点的关联程度, 提升重要节点在特征聚合中的影响力。 最后, 结合全局超图和 局部子图的消息传播机制, 有效学习全局视角下节点之间高阶关联的同时融合局部子图中的重要信息, 进一步 提升节点嵌入的表示能力。 在广泛使用的数据集 Yelp, MovieLens 和 Amazon 上进行的大量实验证明, GR-HGAN优于先进的推荐方法。

针对在节假日期间公路交通压力增加, 直接应用采集的交通数据存在数据缺失和错误的缺陷, 进而影响 预测准确性的问题, 提出物联网技术下节假日公路交通拥堵状况预测算法。 该算法通过物联网技术, 实时采集 节假日公路交通数据, 并进行相关性分析以及组建相关路口集; 结合流量-占有率模型和径向基函数神经网络 模型, 修复交通流量, 并通过 K-means 聚类分析法对各个路段进行划分; 通过构建路网数据的压缩矩阵, 并 利用路网原始数据矩阵之间的映射关系, 获取节假日整个路网各个路段的交通预测结果。 实验结果表明, 所提 算法的效率系数(CE: Coefficient of Efficiency)取值趋近 1, 更贴近实际观测值。 证明所提算法在公路交通拥堵 状况预测方面具有良好的性能, 可以有效实现节假日公路交通拥堵状况预测。

针对局部遮阴情况(PSC: Partial Shading Conditions)下光伏阵列输出功率呈现多峰值特征导致传统最大 功率点跟踪(MPPT: Maximum Power Point Tracking)算法存在跟踪速度慢、跟踪精度低等问题, 提出一种基于改 进灰狼优化算法 ( GWO: Grey Wolf Optimizer) 和变步长电导增量法 ( VINC: Variable step-size Incremental Conductance)相结合的复合算法。 首先, 通过分析峰值点对应电压位置, 在灰狼优化算法中加入峰值电压初始 化策略; 其次, 引入非线性收敛因子以提升灰狼优化算法的全局搜索能力。 该复合算法先利用改进灰狼优化算 法进行全局搜索, 再切换至引入 dP/ dU 的变步长电导增量法进行局部搜索。 Matlab / Simulink 仿真结果表明, 所提复合算法在静态和动态局部遮阴情况下均能提升跟踪速度与精度, 同时减小输出功率振荡幅度。

针对目前大部分基于神经网络的雷达调制信号识别算法仅依赖于单一信息源, 而忽视了利用多个模态 信息特征的优势互补性问题, 提出了一种基于信号一维序列和二维时频图的多模态并行特征融合模型。 首先, 在时序特征提取模块中引入时间二维变化建模的思想提取时序特征, 在频域特征提取模块引入带线性瓶颈层 的逆残差结构提取频域特征。 然后, 通过引入两种不同的注意力机制以及残差连接, 有效实现了多模态特征的 互补性融合。 在 DeepRadar2022 和自建数据集上的实验结果表明, 该模型在提供更为丰富的特征表征方面取得 了显著成果, 具有较高的分类准确率并表现出良好的抗噪性。

针对电磁波相关课程理论性强, 难理解的问题, 为将电磁波具体化, 基于 LabVIEW 设计了电磁波地下 目标体探测实验系统。 该系统具备天线精确定位、 自动完成实时采集数据与成像功能。 系统运行时, 发射天线 向地面发射高频电磁波, 接收天线接收地下回波, 并根据地下介质的电性差异, 对采集到的回波信号进行处理 与分析。 通过分析数值和物理模拟结果, 可明确地下目标体的电磁响应特征, 推断出地下介质的空间位置、 结构和埋藏深度。 该实验系统便于学生理解和掌握电磁学的抽象概念, 激发其学习热情和科研探索兴趣。

针对分子对接等传统方法在大规模虚拟筛选任务中面临时间成本过高甚至难以完成的问题, 提出一种 融合增量学习的并行图贝叶斯优化框架, 用于高效执行大规模虚拟筛选任务。 其利用深度图贝叶斯优化框架 进行筛选, 通过并行化扩展支持在多台服务器的多个计算节点上灵活部署, 从而显著提高计算效率。 同时, 针对代理模型训练时间较长的问题, 引入增量学习训练策略予以解决, 并设计指数移动平均及回放机制以缓解 增量学习中的灾难性遗忘问题。 实验结果表明, 深度图贝叶斯优化框架仅需对接化合物库中 6% 的分子即可 筛选出优秀分子集合中 96% 以上的分子; 在采用 4 个计算节点时, 并行化框架较串行框架节省了 71% 的时间 成本; 在增量学习策略的加持下, 总运行时间进一步减少 13. 8% , 同时仍能筛选出优秀分子集合中 93. 7% 的 分子。 综上, 所提出的方法能在大幅降低虚拟筛选时间成本的同时保持筛选性能。

针对现有的贝叶斯优化算法计算复杂、 寻优效率较低问题, 提出了一种改进的贝叶斯优化算法( IBO: Improved Bayesian Optimization)。 首先, 对蒙特卡洛马尔科夫链(MCMC: Monte Carlo Markov Chains)算法进行改 进, 使用高斯代理函数改进建议函数, 同时在先验函数中加入超先验, 简化了高斯超参数优化计算的复杂度, 提高了计算效率。 其次, 提出了在卷积神经网络(CNN: Convolutional Neural Network)超参数优化过程中将损失 函数与数据集大小进行高斯建模, 使模型能自适应选择优化超参数所用的数据集大小, 从而可在使用较少数据 集的情况下寻找到使损失函数最小的超参数组合。 使用 Branin-Hoo 函数对改进的贝叶斯优化算法进行测试, 证明了 IBO 算法能在最短的时间内找到最优值。 使用 IBO-CNN 对 PU(University of Paderborn)数据集进行故障 诊断, 并与其他超参数优化算法进行对比, 结果证明 IBO 算法能更快速找到损失函数最小值, 使训练过程快速 收敛, 诊断精度高于其他算法 0. 5% ~ 3% 左右, 并在不同工况下的数据集上都表现出良好的故障诊断性能, 证明了该算法比其他优化算法具有更高的计算效率。

为解决信息量爆炸背景下思政案例文本篇幅长、 议题复杂、 冗余信息多导致的人工摘要效率低下问题, 以及现有纯抽取式模型忽略语句间逻辑关联、 纯生成式模型易偏离政策导向的缺陷, 提出一种聚类到句子算法 (CLUSTER2SENT: CLUSTER to SENTence)。 该算法通过提取与摘要相关的重要话语-对重要话语进行聚类分 析-为每个聚类生成摘要文本的 3 步流程实现思政案例摘要自动生成。 实验结果表明, CLUSTER2SENT 算法在 ROUGE-1 指标比纯抽取式对应模型高出 8 个百分点, 证实了该算法的有效性; 同时, 在构建摘要语料库时创建 节结构, 可显著提升模型性能。

 针对地铁安检 X 光图像中由于违禁物与背景物质存在复杂的密度重叠和纹理干扰, 导致特征表征能力 不足, 难以有效区分违禁物与正常物品; 同时, 传统方法在特征提取过程中容易丢失细小违禁物的关键空间信 息, 最终导致检测系统出现严重的漏检和误检问题, 提出了基于特征提取与增强的地铁安检X 光违禁物智能识 别算法。 构建基于改进 SSD-VGG16( Single Shot MultiBox Detector-Visual Geometry Group 16)的多尺度特征提取 框架, 通过新增 Conv3_3 细节捕获层和 Conv5_3 细小物体敏感层强化对违禁物微观特征的提取能力, 并采用 特征融合技术整合 Conv4_3 等基础网络层的语义信息, 显著提升了特征表征的完备性; 同时引入空间注意力 机制, 通过分解聚合特征获取 X-Y 双向注意力向量, 有效聚焦于违禁物关键区域, 嵌入 ECA(Efficient Channel Attention)通道注意力模块实施交叉信道交互学习, 实现了对违禁物判别性特征的动态增强; 采用 DIoU-NMS (Distance-Intersection over Union Non-Maximum Suppression)算法综合考虑目标框重叠率和中心距离进行优化筛 选, 大幅降低了密集场景下的漏检率; 通过自适应阈值分割方法, 结合维纳滤波和中值滤波预处理技术消除图 像噪声干扰, 依据灰度或伪彩色分布特征实现违禁物的精确区域分割, 实现了 X 光违禁物识别。 由实验结果 可知, 该算法识别的金属刀、 火机、 玻璃瓶对应的像素亮度分别为 255、 153、 51, 与实验指标一致, 能精准识别 出各种违禁物。

针对多维度数据流的特性和复杂性, 为充分利用并行计算资源, 保证算法的可扩展性, 提出 Hadoop 环境 下多维数据流频繁模式并行挖掘算法。 设计基于 HDFS(Hadoop Distributed File System)和 MapReduce 的 Hadoop 数据流处理平台, 提出基于特征投影和拟合的 HpFitStream 聚类算法, 利用其中的多项式拟合算法完成异常数 据流处理, 并通过特征投影完成处理后数据流的降维以降低计算成本。 采用 PFPonCanTree 算法实现在 Hadoop 环境下多维数据流的频繁模式并行挖掘。 实验结果表明, 所提方法能在有效降低计算复杂度的同时, 提升算法 的可扩展性以及负载均衡能力。

由于目前超声仪器轨迹球机械故障检测方法在特征分类时, 需要通过划分多个类别才能完成故障诊断。 虽然多类别模式能提升诊断效率, 但这种多类别的故障识别模式易发生类间类似故障的循环迭代比较, 致使识 别准确性下降。 为此, 利用轨迹球机械故障频谱特征可融合的特点, 设计频谱特征统一条件下超声仪器轨迹球 机械故障诊断方法。 通过频谱分析技术对超声仪器轨迹球信号进行频谱分析, 获取高精度的幅值谱和相位谱; 将信号幅值和相位信息融合处理, 在超声仪器轨迹球的每个监测断面上组建二维全息谱, 提取故障信号特征。 通过提取的特征为每个样本随机设定标签组建样本库, 利用样本库对深度神经网络( DNN: Deep Neural Network)进行训练, 经过 DNN 训练和测试迭代, 将含有相似特征的故障样本聚集到同一个类中, 最终实现故障 诊断。 实验结果表明, 所提方法可以精准诊断出超声仪器轨迹球机械故障, 保证超声仪器的稳定运行。

针对线上诊疗信息体量的暴增致使诊疗信息处理与应用难度大幅提升, 极大地阻碍在线诊疗系统的发展 的问题, 提出数据挖掘技术下线上诊疗信息多维特征提取方法。 通过清洗、 集成与缺失值填充预处理线上诊疗 信息, 并引入蚁群算法多维聚类线上诊疗信息, 基于卷积神经网络制定线上诊疗信息多维特征提取框架, 通过 卷积、 池化与全连接层协同作用实现线上诊疗信息多维特征的有效提取。 实验结果表明, 应用该方法获得的 线上诊疗信息多维聚类结果中患者基本信息维度类别、 症状信息维度类别、 治疗过程记录信息维度类别与随访 信息维度类别之间界限显著, 患者治疗过程记录信息特征 患者治疗时间与实际结果一致, 可以有效提高 诊疗信息的处理效率和准确性, 为在线诊疗系统发展提供实用的技术支持。

由于输电线路绝缘子故障直接影响电网稳定运行, 为准确识别绝缘子故障, 提出一种基于改进 YOLOv3 (You Only Look Once 3)-Tiny 的绝缘子故障诊断方法。 首先, 在特征提取网络中集成通道-空间注意力机制, 强化关键特征捕获能力。 然后, 设计跨阶段部分连接-感受野模块, 以增强小目标的检测能力, 同时减少计算 量。 最后, 采用一种新颖的损失函数优化定位精度。 实验表明, 改进后的 YOLOv3-Tiny 算法在检测绝缘子故障 方面表现出高达 97. 4% 的平均准确率, 超越原始 YOLOv3-Tiny 算法。

针对大规模新能源机组并网运行存在诱发电力系统电压失稳风险问题, 虽然可以通过构网型 SVG( Static Var Generator)输出无功功率增强电网电压支撑能力, 但其优化配置方法仍需深入研究。 为此, 采用多新能源 场站短路比(MRSCR: Multiple New Energy Station Short Circuit Ratio)作为电压稳定评估指标, 建立电网电压支撑 强度量化分析模型, 重点揭示构网型 SVG 并网对 MRSCR 指标的提升机理。 基于电压稳定临界阈值约束, 构建 以装置容量最优化为目标的配置模型, 提出综合考虑电压稳定性和经济效益的构网型 SVG 多目标优化配置 方法。 仿真实验与算例对比结果表明, 所提配置方法可显著改善暂态过程中系统节点的电压支撑特性。

针对在晶体结构预测中分开使用第一性原理方法和机器学习模型, 导致无法有效利用机器学习模型提供 的信息使效率降低的问题, 提出了一种基于多保真贝叶斯优化的稳定晶体结构预测算法。 算法通过代理模型 建模晶体结构的势能面, 采集函数根据势能面建模结果选取采样点以及对应的评估保真度, 评估函数对采样点 进行评估, 评估结果用于代理模型的更新。 满足终止条件后, 算法停止迭代并输出最终预测的稳定晶体结构。 实验结果表明, 该算法可以有效利用机器学习模型的信息, 在保证最终预测结果精度和质量的同时具有更高的 效率。

现有电子扫描档案信息去噪方法, 难以应对扫描档案中混合出现的墨渍、 折痕、 纸张纹理等复杂噪声。 且在去噪过程中会导致文字边缘模糊。 为此, 设计图书馆电子扫描档案信息自适应无迹卡尔曼滤波去噪算法。 将图书馆电子扫描档案信息划分为多个子区域, 计算各子区域的信息熵。 对信息熵较低的子区域完成线性 变换, 通过调整像素值的范围和偏移量增加像素多样性, 提高该图书馆电子扫描档案区域信息熵。 基于信息熵 优化后的图书馆电子扫描档案信息, 利用自适应无迹卡尔曼滤波去噪算法实现图书馆电子扫描档案信息去噪。 测试结果为设计方法在处理后的图像中保留了更多的细节, 同时有效地去除了噪声, 使得图像整体更加清晰, 设计方法的文本可读性指数(TLI: Text Legibility Index) 值整体高于 0. 96, 历史特征保留度( HFP: Historical Feature Preservation)值最高达到 0. 97, 说明该算法能为图书馆电子扫描档案的数字化保护和利用提供有效的 技术支持。

 针对可见光-红外行人重识别任务中利用行人细节特征减轻可见光图像和红外图像之间的模态差异而导 致的过拟合问题, 提出了一种基于改进卷积神经网络(CNN: Convolutional Neural Networks)的结合数据增强技 术与细节特征提取方法的端到端网络。 以生成多样嵌入特征的同时匹配行人细节特征减轻模态差异为目标, 设计了一个高效的双分支注意力模块学习信息更加丰富的特征表达, 并提出了一种具有数据增强作用的三元 组损失函数缓解过拟合。 通过在公共数据集 SYSU-MM01 和 RegDB 上进行的大量实验表明, 所提出的方法优于 其他方法,有效减轻了注意力机制导致的过拟合问题, 提高了行人重识别的准确性。

为了让企业在多服务价值链的海量数据资源中快速得到所需数字媒体资源, 设计一种面向多服务价值链 的数字媒体资源推荐算法。 建立数字媒体资源数据集, 融合元学习概念, 采用最优聚类法划分不同时段的数字 媒体资源属性, 通过一致性矩阵推算用户被划分为相同簇的概率, 在相空间重构下组建多服务价值链数字资源 推荐目标函数; 引入潜在狄利克雷分配法求解目标函数, 并利用惩罚因子处理数字媒体资源推荐长尾问题, 依照用户兴趣度高低对资源排序, 实现高精度数字媒体资源推荐。 实验结果表明, 所提算法的用户偏好评估 准确性和推荐覆盖率较高, 有效提升了数字媒体资源推荐质量, 为企业的良性发展带来新的机遇。

针对在低照度数字化摄影图像处理过程中, 为避免图像失真和细节丢失的问题, 提出基于引导滤波的 图像增强处理算法。 首先, 划分低照度数字化摄影图像的亮度分量区, 在优化经典的伽马校正算法后, 再利用 滑动窗口将原始图像的 RGB(Red, Green, Blue)模式转换为 HSV(Hue, Saturation, Value)模式, 实时调节滑动 窗口的位置和半径范围, 保证伽马值在最优范围, 保留低照度数字化摄影图像的局部信息。 然后, 通过引导滤 波将图像拆分为基础和细节层, 并分别采用分割集群、 压缩映射和对比度函数调整的处理方法及分数阶微分掩 膜, 对基础和细节层进行增强处理。 最后, 通过融合因子将基本和细节层融合处理, 得到增强处理后的图像。 实验结果表明, 该算法可以更好地突出图像的细节边缘以及细节增强效果, 可以获得良好的图像增强效果。

针对现有道路裂缝分类方法多依赖人工测量导致效率低下问题, 提出了一种道路裂缝检测模型。 首先 基于ResNet50 架构提出了 COTECANet(Contextual Transformer Efficient Channel Attention Network)模型, 其性能 优于所对比的其他深度学习模型; 然后针对该模型的检测结果, 对存在路面裂缝的道路, 基于二分法计算图像 裂缝轮廓的最大内切圆半径, 进而得到道路裂缝的最大像素宽度; 最后根据相应比例换算可得到测量路面裂缝 的实际宽度, 并依据国家标准对道路裂缝的破损程度进行分类定级。 实验结果表明, COTECANet 模型可有效 检测路面裂缝, 其对道路裂缝识别的准确率达到 99. 8% 。 该方法为道路养护提供了更加科学有效的技术支持, 具有重要的理论和工程应用前景。

针对目前电商网站访问权限控制方法安全性较差, 非法用户能直接访问电商网站, 导致单位时间内系统 成功处理的交易数量较少、 电商网站访问用户数异常多的问题, 设计了智能合约优化下电商网站访问权限控制 机制算法。 设计电商网站访问权限控制智能合约优化架构, 在初始化、 加密、 解密、 签名、 验证和访问阶段部 署智能合约。 使用临时对称密钥解密电商用户数据密文, 获得电商用户个人数据, 结合基于非交互零知识证明 的认证方式获取电商用户发送的信息。 根据电商网站的第 1 级安全认证口令, 恢复一个以太坊地址, 并通过信 用度模糊层分析结果, 控制电商网站访问权限。 实验结果表明, 该算法成功处理的交易数量最大为 12x 10? bit / s, 最小为 5x 10? bit / s, 且能有效控制用户访问权限。

针对传感网络路由拓扑动态变化, 正常与异常界限模糊, 错误信息来源复杂, 传统入侵检测难辨真实 入侵与临时故障的问题, 提出了一种新颖的基于粗糙度-改进蜂群算法的传感网络异常节点入侵检测方法。 该方法旨在更精确地识别并区分异常行为, 降低因系统动态性带来的误报率。 引入粗糙度函数提取与筛选传 感网络节点入侵数据特征值, 利用系数矩阵构建入侵检测目标函数, 引用信息熵改进蜂群算法, 构建新的适应 度函数, 区分重要特征, 辨别真正的入侵和系统暂时性故障, 实现对网络异常节点的入侵检测。 测试结果 表明, 该方法对异常节点入侵检测的准确率平均值为 96. 0% , 节点入侵漏检率平均值为 1. 3% , 检测平均延时 为 0. 25 s。 所提出方法能有效应对传感网络路由拓扑动态变化带来的检测难题, 精准区分真实入侵与系统临时 故障, 在异常节点入侵检测中表现出高准确率、 低漏检率和较短检测延时的优势, 为传感网络安全稳定运行 提供了可靠保障。

 针对在腹腔镜手术器械检测领域现有的目标检测网络利用多尺度特征不足, 以及检测模型通过微调方法 适应下游任务的局限问题, 提出一种基于改进 Retinanet 的腹腔镜手术器械检测算法。 该算法包括促进模型对 下游任务高效适应的自适应提示微调模块, 以及为强化模型对不同尺寸目标信息捕捉能力的 DR-Unet(Deep Residual UNet) 模块和 RFA(Residual Feature Augmentation)模块。 在腹腔镜手术器械检测数据集上的实验结果 表明, 所提算法在 IOU(Intersection over Union)为 0. 5 时, 比基线模型提高了 1. 1% , mAP@ 0. 5 达到了 97. 3% , 检测效果优于众多其他先进方法, 在手术器械检测等实际应用场景中展现出显著的价值与意义。

针对现有船舶建造企业系统集成和资源共享水平较低, 导致实际生产中工艺和零部件信息的查询与追溯 困难的问题, 结合船舶建造溯源实际需求, 构建船舶建造标识信息集成与区块链溯源系统。 针对船舶建造 场景, 提出了基于生产过程的全信息标识体系方案, 实现建造信息统一标识。 利用区块链技术对建造信息统一 管理, 并根据船舶建造溯源需求, 提出一种快速的基于关键词查询的区块链跳跃溯源机制。 该机制通过辅助 数据库定位最后一个相关区块, 并利用区块头中的类别关键字字段, 实现区块的跳跃查询。 实验证明, 该系统 不仅能准确追溯船舶建造信息, 还有效提升了查询溯源性能, 平均性能提升了 2. 07 倍。

 在虚拟现实环境中建立图像场景时, 为在保障图像分辨率的前提下提升图像的拼接精度, 针对数字化 摄影图像, 设计了一种新的拼接算法。 在虚拟现实环境中, 首先, 确定待拼接数字化摄影图像的重叠区域, 并 在其中检测特征点; 然后, 通过判断图像尺度空间极值点, 过滤掉重叠区域中不稳定的特征点, 并匹配特征点; 最后, 根据匹配结果, 实现对数字化摄影图像的精准拼接。 实验结果表明, 相比传统算法, 利用该算法拼接 得到的图像信息熵和效果更好。