计算机
传统手工特征很大程度上依赖于行人的外观特征,而深度卷积特征作为高维特征,直接用来匹配图像会消耗大量的时间和内存,并且来自较高层的特征很容易受到行人姿势背景杂波影响。针对这些问题,提出一种基于深度多视图特征距离学习的方法。首先,提出一种新的整合和改善深度区域的卷积特征,利用滑框技术对卷积特征进行处理,得到低维的深度区域聚合特征并使其维数等于卷积层通道数;其次,通过交叉视图二次判别分析方法,从深度区域聚合特征和手工特征两个角度出发,提出一种多视图特征距离学习算法;最后,利用加权融合策略来完成传统特征和卷积特征之间的协作。在Market-1501和VIPeR数据集上的实验结果显示,所提融合模型的Rank1值在两个数据集上分别达到80.17%和75.32%;在CUHK03数据集新分类规则下,所提方法的Rank1值达到33.5%。实验结果表明,通过距离加权融合之后的行人重识别的精度明显高于单独的特征距离度量取得的精度,验证了所提的深度区域特征和算法模型的有效性。
针对许多语音隐藏算法隐藏容量不大、透明性不高等问题,提出了一种新的语音隐藏算法。将隐蔽信息通过G.729A进行压缩编码,再将提升小波变换和奇异谱分析应用于音频信息隐藏。实验表明,通过该算法嵌入隐蔽信息后的音频文件不仅在隐蔽信息容量上有显著的提高,而且具有很好的透明性,也能抵抗一定的攻击,算法在隐蔽容量、透明性和鲁棒性方面达到了较好的平衡。
无摘要
为了优化管制学习实践课程的时间设置,设计了以场景变化为控制变量的单因素管制模拟机实验,使用回归分析方法和靴值分析方法分析实验数据,通过分别建立的不同理论下的参数与工作负荷的回归模型,对比模型的预测性能并选择出了预测性能最好的2个评估变量,构建可以代替主观量表的学员工作负荷评估的模型,使用管制学员工作负荷模型评估了在相同绩效表现下的学员管制负荷,最终选择出了更优的管制课程的时间和模式设置方式。
针对嵌入式linux系统下的HI3210驱动软件的设计和实现问题,分析了CPU与HI3210的硬件通信方式,根据linux的SPI总线-设备-驱动模型构建了HI3210驱动软件架构,重点介绍了HI3210驱动软件内部结构和具体的设计流程,并编写了测试程序,验证了设计的正确性。
为了提高图像分割精度,加快图像分割的速度,设计了基于梯度向量流活动轮廓模型的图像分割算法。首先对当前图像分割的研究现状进行分析,找到引起图像分割误差大的原因,然后小波变换对待分割图像进行处理,抑制噪声对图像分割结果的不利影响,然后采用梯度向量流活动轮廓模型对去噪后图像进行分割操作,拟合图像中不同区域的轮廓曲线演化过程,从而实现不同区域的分割,最后与当前其它的图像分割算法进行了仿真对比实验。结果表明,梯度向量流活动轮廓模型可以对图像进行高精度的分割,而且分割时间大幅度减少,提升了抗噪能力,图像分割整体性能要明显优于其它图像分割算法。
针对管路结构难识别的问题,提出一种基于局部轮廓形状特征的复杂管路结构识别方法,该方法获取管路各结构的轮廓形状,利用形状描述子将各轮廓转换为信号数据,在采集大量信号数据样本的基础上,训练反向传播神经网络,以识别管路结构。训练试验结果表明,所提方法实现了管路结构的自动识别与分割,其准确率达到97%。在实际应用中,采用多相机同时识别,并投票决策的方式提高了识别准确率,实现了分支管路的自动重建与测量。
车牌定位是车辆监控的基础。单一特征在特定的场合中定位准确,但是在实际生活场景中单一特征存在着很多缺陷。基于上述问题,提出了一种基于Gabor滤波器多种特征融合的车牌定位算法。该算法在实现过程中主要分为三个阶段,第一阶段是根据车牌图像大小和特点生成Gabor滤波核,使用Gabor滤波器对车牌图像进行滤波,生成车牌图像的特征图,再对滤波后的图像使用数学形态学操作,将车牌区域连接形成连通区域。第二阶段通过车牌的长宽比以及车牌字符个数进行筛选,得到车牌的候选区域,然后再使用车牌的字符纹理和字符角点邻域颜色,在候选区中进行筛选,生成候选区域。第三阶段验证候选,使用颜色方差和灰度投影确定候选。实验表明,在该图像库中,车牌区域定位的成功率达到了95.7%,证明了该算法是一种可行性较高的车牌定位算法。
考虑由一个制造商主导和一个零售商跟随的绿色供应链,产品销售量受价格及节能水平影响.运用Stackelberg博弈理论分别构建无奖惩机制和3种有奖惩机制的博弈模型,得到4种情形下的零售价、批发价、产品需求量、节能水平、政府节能奖惩力度及制造商和零售商利润的均衡解.通过比较分析发现:政府的节能奖惩机制不仅能提高产品节能水平,还可以提升全社会福利水平;政府综合考虑企业收益、消费者福利和环保效益的奖惩机制效果最优;奖惩力度与产品市场规模、环境效益系数和节能水平敏感系数正相关,与制造商节能成本投入系数、政府奖惩机制的成本投入系数、制造商单位生产成本和零售商单位销售成本负相关.最后运用数值分析验证模型的有效性.
新型冠状病毒过呼吸道飞沫等方播,正佩遮扌当、人群和小算基,复杂场景下复杂因素,对人佩佩算法$低计算征高速度。在YOLOv3算中改进的空间金字络,从而实现特征增强。选取CloU为化效病毒效果产生影响$针,但是自然场景中通,在YOLOv3部络对DarkNeW3干络进行改进,以降特之中心点,通过自上而下和自下而数,考虑化与距离、率及长宽比信息$实,与YOLOv3算法相比,该算人人脸佩精别提高7.3%14.9%,速均提高6FPS$
针对机器学习应用于脓毒症预测存在预测准确率低和可解释性不足的问题,提出了利用对基于机),首先通过器学习的脓毒症预测模型进行可解释性分析。模型由预测和解释两部分组成:预测部分使用(LR预测指标对模型进行解释。实验结果表明,通过曲线下面积(对提取到的特征进行分类;解释部分使用模型进行脓毒症预测的准确率为进行特征提取,再利用(准确率:XGBoost+LRXGBoost)和LR:,AUROC)为(准确率:0.984,优于单独使用,:)或者0.556测模型进行可解释性分析,提高了模型的可信度。AUROCLGBM0.97490%XGBoost),同时通过95%AUROC能有效地提取出前0.953LIME10LIME和线性回归XGBoostLIME模型提取出关键的,受试者工作特征:,AUROC个最重要的指标,对脓毒症预99%(准确率:53%LR
为了弄清影响新型冠状病毒肺炎蔓延的影响因素,分析中国大陆地区的疫情发展趋势,本文提出了一种基于高危人群动态网络的COVID–19传播模型来模拟新型冠状病毒肺炎在人群中的传播过程.首先,本文统计了1月16日至2月6日,中国大陆各个地区的感染情况,通过各个地区的人口流动、地理位置和经济发展情况等因素,对各个地区的疫情数据进行了综合分析,提出了疫情生长指数来量化各个地区的疫情发展情况.然后,本文结合新型冠状病毒肺炎在人群中的传播特点,以高危人群为研究对象,构建了高危人群动态网络.COVID–19传播模型对SEIR模型中的感染率、潜伏率和退出率进行了重新定义,并基于高危人群动态网络对中国大陆地区的疫情发展趋势做出了预测和分析,模拟数据和已公布的确诊数据能够较好的拟合,也验证了模型的可靠性.最后,模型还验证了防护措施的有效性.
传统架构基于协议,是一种无状态的通信方式,渐渐不能满足人们对实时通信的质量需求。服务器推送技术基于AjaxC4.5算法,使用可以描述真实场景的模拟数据训练集构建决策树,根据不同推送方式的特点,不同的应用场景选择不同cometWeb技术,可以实现服务器与客户端之间的实时通信。论文采用决策树算法中的经典算法B/S、HTTP的推送方式,并使用测试集进行性能测试。实验结果表明,和运用在服务器推送方式动态决策问题上,基本能满足相应场景下推送方式的合理决策,能表现出良好性能,较单一推送方式能合理利用网络资源。C4.5CART和CART
为了应对航电系统在实际测试中可能面临的测试用例冗余的问题,提出一种由天牛须算法改进的粒子群算法,以生成测试用例个数较少的两两覆盖组合测试用例集为目标,对航电系统中的通信系统模型进行了实验对比。对天牛须搜索算法中的参数进行了优化改进,提高了收敛速度,再对航电系统中的通信系统进行层次划分从而提取实验数据。实验结果表明,方法能在保持测试用例覆盖率的同时减少测试用例集的大小,从而提高待测软件系统的测试效率。
基于内容的图像拷贝检测关键在于提取的图像特征能够针对不同形式的图像拷贝攻击具有不变性。现实中拷贝攻击手段变化多样,且存在很多相似图像的干扰,目前并没有任何一种图像特征可以对抗所有不同形式的图像攻击。现有方法虽然在图像特征表示上做了很多改进,但都局限于单个特征表示。因此从特征融合的角度对提取特征进行增强,基于卷积神经网络融合图像高层特征以及低层特征以实现特征多样性,集成ImageNet预训练分类模型以及提出的距离度量模型以实现特征互补性。度量模型针对该类问题在预训练模型的基础上通过学习合适的距离度量来对抗由于图像编辑引起的特征差异,拉近拷贝图像与原始图像在特征空间的距离。实验结果表明,结合模型集成和多层深度特征融合的方式可以有效增强特征的鲁棒性,相比单一特征的检测效果提升十分明显。
农业信息具有较强的时效性和周期性特征,传统基于行为的推荐算法能挖掘农户兴趣但不能反映农户不同时段的信息需求。同时,农户一般采用匿名网页直接浏览的方式查看农业新闻,显式反馈数据十分稀少,传统协同过滤推荐算法需要面临冷启动等问题。本文提出一种基于用户行为和新闻时效性的协同过滤推荐算法,综合采集用户的隐式、显式反馈数据等多维因素,同时考虑农业信息的分类特征及周期性特征,针对农户对不同农业信息分类信息的周期性关注度变化以及热度系数提高农业新闻推荐的针对性和时效性。通过对真实访问数据进行验证,结果表明提出的算法能有效提升农业信息推荐准确率。
为了更准确地检测心律失常,提出基于单心搏活动特征与BiLSTM-Attention模型的心律失常检测方法。采用MIT-BIH心律失常数据库对算法进行验证,用双正交小波变换去除噪声干扰;通过二进样条小波变换的模极大极小值对检测R波峰值位置,并提取QRS波群数据及RR间期;使用BiLSTM-Attention分类模型进行心搏识别。实验结果表明,N、S、V和F类心搏的灵敏度分别为99.76%、94.74%、97.53%、83.93%,阳性预测值分别为99.76%、94.03%、97.53%、87.04%,F1综合指标达到了99.40%,证明了该算法的有效性。
食品识别在食品健康和智能家居等领域获得了广泛关注。目前大部分的食品识别工作是基于大规模标记样本的深度神经网络,这些工作无法有效地识别只有少量样本的类别,因此小样本食品识别是一个亟待解决的问题。目前基于度量学习的小样本识别方法着重于探究样本之间的相似度信息,忽略了类内与类间更加细粒度的区分。学习类内与类间区分信息的主流方法是基于线性度量函数的三元卷积神经网络,然而对于食品图像而言,线性度量函数的鉴别能力不足。为此,引入可学习的关系网络作为三元卷积神经网络的非线性度量函数,进一步提出了一种基于非线性度量的三元神经网络用于小样本食品识别方法。该方法使用三元神经网络学习图像的特征嵌入表示,然后采用鉴别能力更强的关系网络作为非线性度量函数,基于端到端的训练方式来学习类内与类间更加细粒度的区分信息。此外,提出了一种可以使模型训练更加稳定的三元组样本在线采样方案。通过在Foo
现实供应链网络中每条运输路径都存在中断风险,只有合理地选择供应设施及其运输路径才能在一定程度上保证整个网络的运输可靠性。在设施能力约束下,为了保证总运营成本的最小化和整个网络的运输可靠性的最大化,提出了一个新的三级供应链网络设计的两目标混合整数规划模型。利用改进的非支配排序遗传算法(NSGA-II)求解提出的模型,并根据决策变量之间的关系设计新的染色体解码方法。通过路径可靠度对比实验和算例规模对比实验,不仅分析了模型的灵敏度和算法的有效性,还讨论了设施能力约束对算例结果的影响。构建的LRP模型及算法的研究能有效地帮助决策者设计出低成本、高可靠性的三级供应链网络。
为了解决云计算平台下资源利用率不高和负载不均衡的问题,提出了一种基于改进的遗传算法和粒子群算法混合优化算法的云计算资源调度策略。该算法结合了遗传算法的全局搜索能力和粒子群算法的局部搜索能力,首先建立资源调度策略的目标函数,然后采用串行式混合优化算法,将遗传算法进化得出的种群作为粒子群算法进化的初始种群,完成作业的调度。最后在平台下进行仿真实验,实验结果表明基于混合优化算法的资源调度策略具备可行性和高效性。