计算机
随着经济的发展和消费水平的提升,消费者对水果的外观品质要求逐渐提高。目前,我国的水果分级主要依赖于人工与机械分级,存在分拣效率低、品质参差不齐的问题,很难满足消费者的需求。相对于传统的分级技术,机器视觉技术因具有高效、精确、非接触测量的优势,受到国内外学者的广泛关注。结合近年来国内外学者研究进展情况,对水果检测系统、图像去噪、图像分割技术以及特征提取做了详细介绍;对分类器识别算法进行了综合分析;阐述了基于机器视觉的水果分级研究现状及最新进展;并对未来可能发展趋势进行预测,为后续研究工作提供基础理论参考。
滚动轴承的运行状态对整机工作状态影响重大, 但目前其故障诊断方法存在依赖手工特征提取、鲁棒性不高等问题. 因此, 本文提出了一种基于改进的一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)集成的滚动轴承故障诊断方法(1D-CNN-LSTM). 首先, 利用改进的1D-CNN-LSTM模型对滚动轴承6种不同的工作状态进行了分类识别实验, 实验结果表明提出的分类模型能够以较快的速度识别出滚动轴承的不同状态, 平均识别准确率达99.83%; 其次, 将提出的模型与部分传统算法模型进行对比实验, 结果表明所提方法在测试精度方面有较大优势;最后, 引入迁移学习测试模型的鲁棒性和泛化能力, 实验结果表明提出的改进模型在不同工况下有较好的适应性和高效性, 模型有较强的泛化能力, 具备工程应用的可行性.
为了解决步态识别中步态表征不完备的问题,提出了一种新的步态表征方法。该方法是在步态流图的基础上,将能够表征时序信息的步宽特征编码到颜色空间,得到三通道的彩色类能量图,采用典型相关分析将多通道信息融合成单通道,同时去除了特征间的冗余信息,得到了更丰富的有益识别的步态特征。实验结果表明,提出的新方法能够有效提取步态特征,步态识别率得到显著提高。
实现电力大数据的有效共享是充分利用数据的基础环节,但这一过程中存在大量安全隐患。针对传统大数据共享体系中存在的数据稳定性、安全性与通信可靠性等问题,提出基于区块链技术的电力数据共享方案。通过建立可靠的点对点网络拓扑结构,区块链技术可以有效提升数据共享环节的可信性与安全性。在总体框架中,区块链作为数据共享体系的核心,保障了不同数据中心与终端之间的可信通信。同时,通过将区块链通信过程分解为多个层次,提升了数据共享机制的可扩展性与易用程度。
提出一种利用BP神经网络预测无人机系统故障的方法。对利用无人机系统故障数据集预测无人机故障的相关问题进行分析;给出BP神经网络的建模思路和计算方法;探讨使用特征变量显著性筛选技术识别故障影响因素。实际计算表明该方法能有效应用于无人机故障预测,具可行性。
针对移乘搬运护理机器人系统对人体姿态检测的高准确性、近距离适应性等要求,提出一种基于RGB-D(RGB-depth)信息的双级卷积神经网络算法.利用第1级网络计算彩色图像中的人体关节像素坐标,将彩色图人体关节坐标映射到深度图坐标,计算关节热图;提出一种卷积神经网络结构,将深度图像和关节热图输入第2级网络,估算3D人体关节位置.根据人体关节点位置,采用图像分割方法进一步计算腋下点.实验结果表明,本文提出的人体姿态识别方法单次计算用时210ms,在移乘搬运护理机器人应用环境下,人体姿态识别精度达到了91.5%,在近距离环境下人体姿态识别精度达到了90.3%,具备实时、准确的人体姿态全局坐标估算能力.
针对基于一元Lagrange插值多项式的门限方案中存在的安全性不足及应用领域受限问题,通过研究现有的门限方案和实数域上的二元Lagrange插值理论,在有限域的基础上,提出一种基于二元Lagrange插值多项式的门限方案。给出了方案的构造及其数值算例,证明了方案的合理性和可行性。将该方案与基于一元Lagrange插值多项式的门限方案进行对比分析,表明新的方案中子秘密丢失所造成的损失更低、合谋难度更大,方案的安全性更高。同时,该方案可以拓宽门限方案的应用领域。
针对传统萤火虫算法在全局寻优搜索中存在收敛速度慢、求解精度低、易陷入局部极值区域等缺陷,提出一种改进的进化模型和混沌优化的萤火虫算法()。首先,采用逻辑自映射产生混沌序列对萤火虫个体位置进行初始化,提高种群多样性;其次,在算法进化过程中引入惯性权重,控制前代个体对后代个体的影响,并利用种群最优个体的引导作用加强不同个体之间的信息共享;然后,引入动态步长与对称边界变异操作,解决越界问题并继续提高种群多样性。在个标准测试函数上与传统萤火虫算法和基于改进进化机制的萤火虫算法进行了对比,实验结果表明,所提算法能有效避免陷入局部最优,具有更高的求解精度和更快的收敛速度。610.3969/j.issn.1672-9722.2019.07.010
实际意义。针对核岛环境独具的特点和业务需求,设计了一个岛逃生的各项因素,结合持用户对系统的主动交互和灵活配置。最后基于逃生人员以最优的方式到达安全区域。
随着数据的爆炸式增长,推荐系统中传统的协同过滤推荐算法出现了难以处理稀疏数据和准确率降低的问题。对此,提出一种基于多维度上下文和双聚类的个性化推荐算法(MCB)。该算法采用Kmeans聚类方法分别对用户和项目进行双聚类,并在传统的项目评分预测算法上进行改进,提出一种多维度的个性化评分预测(MPRP)算法。MPRP算法利用上下文维度间的相关性对用户评分进行修正,并考虑用户评分的权重问题,引入基于统计学习的系统误差因子,提高了评分预测的准确性。实验结果表明,MCB算法具有预测误差更小、推荐结果的覆盖率和新颖性更高的优点。
行动器评判器(ActorCritic,简称AC)算法是强化学习连续动作领域的一类重要算法,其采用独立的结构表示策略,但更新策略时需要大量样本导致样本效率不高.为了解决该问题,提出了基于模型学习和经验回放加速的正则化自然AC算法(RegularizedNaturalACwithModelLearningandExperienceReplay,简称RNAC-ML-ER).RNAC-ML-ER将Agent与环境在线交互产生的样本用于学习系统动态性对应的线性模型和填充经验回放存储器.将线性模型产生的模拟样本和经验回放存储器中存储的样本作为在线样本的补充,实现值函数、优势函数和策略的更新.为了提高更新的效率,在每个时间步,仅当模型的预测误差未超过阈值时才利用该模型进行规划,同时根据TD-error从大到小的顺序对经验回放存储器中的样本进行回放.为了降低策略梯度估计的方差,引入优势函数参数向量对优势函数进行线性近似,在优势函数的目标函数中加入2-范数进行正则化,并通过优势函数参数向量来对策略梯度更新,以促进优势函数和策略的收敛.在指定的两个假设成立的条件下,通过理论分析证明了所
近年来微博的快速发展使得非正式文本的命名体识别的研究受到越来越多的关注,同时微博的特点使命名体LongShort-termMemory识别研究面临着诸多挑战。针对中文微博文本词汇新奇,不符合语法,且缺少明显的词边界等特点,结合目前应用广泛的)神经网络模型以及条件随机场模型分别用于中文分词任务和命名实体识别任务,用微博语料本身训练模型,然后改进分词标注集,为条件随机场模型提供更准确更多维的特征。在新浪微博数据上进行实验,结果表明本方法相比于通用分词软件和传统四词位分词集在准确率上提高了12%(。
经典的聚类方法通常只适用于单一特征数据,对于多特征数据,特征融合显得尤为重要。传统的多特征融合方式易造成维数灾难、尺度较小的特征被忽视等问题。对于“视图(特征)不平衡”数据,上述问题显得尤为突出。为此,提出了一种基于成对约束的多特征融合AP聚类算法。该算法用“差特征”数据聚类得到约束信息,利用“好特征”数据得到基础相似度矩阵,再利用成对约束来调整基础相似度矩阵,在新得到的相似度矩阵上进行AP聚类。该特征融合方法中,“好特征”占据主导,“差特征”只是以约束的形式发挥作用,克服了现有特征融合方法中效果差距很大的特征平起平坐的缺点。实验结果表明,相较于单视图聚类、多视图数据直接拼接后再聚类、多视图谱聚类等方法,多特征融合AP聚类算法取得了较好的性能,有效地解决了“视图(特征)不平衡”问题。
法和结合混沌纵横交叉的粒子群优化算法(深度置信网络(训练了SemiBoost改进的基于加权K近邻(BP初始化导致的局部最优解现象,从而提高了DBN网络预测性能。实验结果验证了该模型的有效性。
针对当前网络安全风险损失评估方法未考虑节点任务排队问题,导致网络安全风险损失评估准确率较低,损失评估时间较长的问题,提出基于排队模型的网络安全风险损失评估方法以局域网为主要应用背景,分析网络设备中数据包的排队过程,根据评估模型获取网络风险级别,构建无线网络风险评价指标体系,引入拉格朗日乘子将支持向量机分类问题转化为对偶问题,运算出分类平面判别函数,运用层次分析法对各层次指标权重实施量化,利用近似理想解排序法,计算无线网络的风险值,实现网络安全风险损失评估实验结果表明,所提方法的网络安全风险损失评估准确率较高,能够有效缩短网络安全风险损失评估时间
针对图像超分辨率重建模型需要大量参数去捕获低分辨率(桂林电子科技大学信息与通信学院,广西桂林)提取图像特征,并将图像特征上采样至)图像之间的统计关系,以及使用L1或L2损失优化的网络模型不能有效恢复图像高频细节等问题,提出一种结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法。该方法基于由粗到细的思想,设计了一种两阶段的网络模型。第一阶段通过卷积神经网络(大小,得到粗糙特征;第二阶段使用多尺度估计将低维统计模型逐步逼近高维统计模型,将第一阶段输出的粗糙特征作为输入来提取图像多尺度特征,并通过注意力融合模块逐步融合不同尺度特征,以精细化第一阶段提取的特征。同时,该方法引入一种更丰富的卷积特征用于边缘检测,并将其作为感知边缘约束来优化网络,以更好地恢复图像高频细节。在等基准数据集上PSNR的超分辨率重建方法相比,该方法不但能够重建出更为清晰的边缘和纹理,而进行实验,结果表明与现有的基于)和结构相似度(且在A×3
新冠肺炎疫情的爆发伴随着大量的谣言在社交媒体平台传播,对网络秩序和社会稳定产生了不良影响.已有的疫情相关社交媒体谣言传播量化分析研究仅对谣言内容等单一传播要素展开分析,而忽略了构成信息传播的其他基础要素,包括传播者、受众以及传播效果等.同时,这些研究的谣言数据与真实的社交媒体谣言数据也存在分布偏差和信息缺失.因此,基于新浪微博平台对新冠疫情相关社交媒体谣言的传播展开更加全面的量化分析.具体而言,首先对谣言传播内容进行分析,包括其主题分析、涉及地区分析、事件倾向性分析以及情感分析;进一步对谣言参与用户进行分析,将参与用户分为3类:造谣者、传谣者和辟谣者,并分别对其基础属性、关注主题、个体情绪以及自网络属性进行探究;最后对谣言引发舆情进行分析,探究其情感的整体分布、与主题、关键词和地区的关系、以及情感的演变规律.该研究首次从信息传播的各个基础要素层面对疫情相关的社交媒体谣言传播展开量化分析,不仅对新冠肺炎疫情相关谣言传播有了更全面深刻的认识,同时对突发公共事件的谣言研究和谣言
目前工业上还在大量选用不支持S/BPI加载方式的FPGA。针对XC4VLX25和XCF08P等能够使用JTAG仿真器进行加载,但是不支持S/BPI加载模式的器件,常用的在线升级方案有FPGA在线升级和PROM在线升级两种。基于JTAG协议阐述了FPGA在线加载的硬件设计、软件设计和升级方法,并通过实验平台进行了验证。
无摘要
由于FAST格构柱信息量十分巨大,传统的手工3D建模方式无法满足其建模的工作量并保证精准度,而且对后续模型的修改带来了很大的不便。针对这种情况,为实现国内信息安全以及自主可控,提出在国产建模平台下使用Python脚本进行数据建模的方法。在中标麒麟7.0操作系统下进行建模环境的搭建,之后使用软件对FAST格构柱信息进行处理加工,并使之以特定格式存储节点信息,然后利用开源建模软件Blender内置Python-API接口处理存储节点信息并对格构柱模型进行构建,最终完成整个格构柱模型的构建。实验结果表明,在国产建模平台下可以完成FAST格构柱模型的建立,有效地实现了国内信息的自主可控性,并且使得建模的效率和精准度都大大提高,对后续模型的修改提供了很大的便利,同时完成了模型的数据化存储与表示。