摘 要:为了探讨图神经网络在处理异源图像配准任务中的应用和性能,为后续的图像融合或拼接等任务提供支持,通过综述现有文献,介绍了多种图神经网络模型及其在图像配准领域的应用,并对各种图神经网络架构进行了比较,评估了不同模型的性能。研究发现,图神经网络模型凭借其对图结构信息的有效利用能力及对节点属性信息的精细捕捉,在处理异源图像配准时展现出较传统方法更优的性能。通过对图像配准方法的系统研究,为解决异源图
摘 要:随着绿色能源的大量投入使用,对储能装置的需求也相应增加,要求按比例配套投入,以有效应对电网供需双侧的不确定性,这带来了投资成本过高和回收周期过长的问题。为了应对绿色能源广泛应用带来的储能挑战,提出了一种多微电网储能装置共享模型,旨在显著减少整体储能容量的需求。为实现这一目标,设计了一种双层优化方法,并提出了一种多目标平衡优化器用以求解上层模型,避免结果陷入局部最优。通过数据实验验证,与传统
摘 要:为有效去除心音信号中的噪声,提出基于CEEMDAN(Complete Ensemble Empirical ModeDecomposition with Adaptive Noise)与自相关函数的心音去噪算法。首先,通过CEEMDAN将含噪的心音信号分解为具有不同尺度特征的IMF(Intrinsic Mode Function)分量;其次,根据噪声与心音的自相关函数性质不同,界定IMF分
摘 要:为了增强行人重识别模型(Re-identification,ReID)的遮挡感知和局部特征捕捉能力,提出一种基于特征融合的局部表征学习的方法。首先,设计遮挡样本扩充策略,通过模拟多样化的遮挡场景,有效提升模型的鲁棒性和遮挡感知能力。其次,引入局部层次编码器,在全局语义的指导下提取序列的空间相关性特征,从而增强局部特征的可鉴别性和语义完整性。实验结果显示,在Occluded-Duke和Mar
摘 要:工业操作系统借助资源实例化调度(RIS)技术管理制造资源时,会面临众多功能相似但服务质量各异的生产资源,导致资源选择和配置变得复杂。针对这一现状,提出了黄金柯西鲸鱼优化算法(GCWOA),该算法通过融合Tent混沌映射、黄金分割系数和柯西变异算子,实现对RIS问题的优化,提升服务质量。通过开展不同规模的RIS仿真实验验证,GCWOA展现出了显著的优势。相较于遗传算法、鲸鱼算法和2个改进鲸鱼
摘 要:针对无人机的农林航拍图像配准算法存在特征点识别较少、特征点匹配不精准等问题,提出了一种改进的离散关键点(Discrete Key point,DISK)算法。该算法首先采用梯度策略DISK算法对特征点进行有效描述;其次采用基于深度学习局部特征的匹配方法进行预匹配;最后利用RANSAC算法去除离群点,筛选匹配结果。为验证算法的有效性,选取了几组农业航拍图像的数据集进行实验比较。实验结果显示,
摘 要:针对人类轨迹与可穿戴传感器数据的匹配问题,提出了一种解决方法,通过将摄像头捕获的人类轨迹与可穿戴设备的传感器数据进行匹配,首先利用深度学习模型SyncScoreDTW 评估单位时间内轨迹与传感器数据的相似度,其次通过似然融合算法逐步更新这些相似度。在自制数据集上进行的实验验证表明,该方法实现了77.5%的高匹配准确率。同时,在公开的UEA数据集上,该方法也展示出优越的性能。此项研究揭示了跨
摘 要:医学数据的类重叠问题会严重影响疾病的智能诊断效果。为了减轻腰椎间盘样本的类重叠对分类器产生的不良影响,提出了一种可减轻类重叠的混合采样算法———CO_HS算法。该算法将训练样本划分为核心样本、边界样本和噪声样本,对重叠区域的样本进行采样,以减轻样本集的类重叠程度。采用CO_HS算法产生的新训练样本集训练RF等分类模型,并建立了6种新的腰椎间盘退变分类器。实验结果显示,建立的新分类器在多项性
摘 要:针对现有的高精度行人检测模型因资源要求高而导致的难以应用于边缘计算场景的问题,提出了一种适用于边缘GPU设备的轻量级实时密集行人检测算法。该算法通过在检测头中融合全维度动态卷积,降低了冗余信息对于检测效果的影响,并通过优化损失函数增强了算法区分待检测目标和背景的能力。实验结果表明,在密集人群场景下的行人检测任务中,该算法在精确度方面较本文基线算法YOLOv7-tiny提升了4.1百分点,这
摘 要:智能合约控制着区块链上巨额资产的流动,因此确保其安全性至关重要。基于此,提出一种基于数据流图和混合深度学习模型的方法,即DFG-HDP,用于检测智能合约的漏洞。该方法首先对智能合约源码进行清洗和变量规范;其次从源码中提取数据流特征,将其与源码结合作为输入;最后将不同的词嵌入模型与不同的深度学习模型结合,对输入进行学习检测。实验结果表明,该方法在智能合约漏洞检测中的F1值高达89.90%,优
摘 要:针对目前人脸隐私保护方法难以兼顾隐私保护和数据可用性的问题,提出了一种基于结构保持的匿名人脸合成方法(Structure Preserving Anonymous Face Synthesis,SPAS)。首先,设计了SPAS网络用于合成匿名人脸图像;其次,为确保人脸身份信息的隐私安全,提出了多尺度敏感特征匿名方法;最后,利用全重构自监督方法,结合多重损失函数训练该模型。此外,通过控制非身
摘 要:针对现有日志特征提取不充分且存在噪音等问题,提出一种基于门控循环单元(Gate Recurrent Unit,GRU)的日志异常检测方法。该方法使用BERT(Bidirectional Encoder Representations from Transfomers)提取日志的语义特征,然后利用事件逆频率加权对特征进行优化。采用基于注意力和门控循环单元的模型进行日志异常检测,以减少日志噪声
摘 要:针对滚动轴承故障样本不足和特征信息获取不全面导致故障诊断准确率低的问题,提出了一种基于时频特征融合和关系网络的少样本故障诊断方法。该方法结合元学习的训练策略,首先设计了一个特征提取模块,用于获取滚动轴承振动信号的时频域信息并进行融合,以此加强获取特征的全面性;其次使用关系网络的度量模块计算支持样本和查询样本的相似得分,最终实现故障诊断。实验结果表明,在CWRU数据集的跨工况场景下,本方法展
摘 要:针对织物热湿耦合模型难以解耦和反问题求解时间长的问题,提出了一种求解单层稳态织物热湿耦合传递模型正反问题的物理信息神经网络(Physics-Informed Neural Networks,PINNs)方法。首先,给出了求解单层织物热湿传递方程正问题的PINNs方法,并采用数值实验验证了方法的有效性。其次,提出了基于热湿舒适性的厚度参数决定反问题,并使用PINNs方法进行求解。数值实验结果