检索结果-维普期刊中文期刊服务平台

井、震多尺度信息融合预测老油田浅层岩性气藏被引量：9: 1; 作者张宪国林承焰 +1 位作者张涛王永刚《石油地球物理勘探》 EI CSCD 北大核心 2009年第5期609-612,共4页; 老油田浅层岩性气藏岩性分布复杂,利用地震属性分析、含气砂岩地震正演模拟及基于概率神经网络(PNN)的声波时差参数预测等方法对气藏分布进行描述,是寻找该类气藏的有效手段,其中建立符合研究区地质特征的地质模型,开展地震正演研究,总... 展开更多; 关键词老油田浅层气藏多属性分析正演概率神经网络多尺度信息融合; 在线阅读下载PDF 职称材料

基于多尺度信息融合的层次聚类算法被引量：11: 2; 作者李春忠靖稳峰徐健《工程数学学报》 CSCD 北大核心 2019年第3期245-255,共11页; 在体绘制领域和图像分割中,数据集通常具有流形结构,各部分边界连接紧密且伴随局部噪声,给传统聚类算法的应用带来了较大的困难.本文根据非参数密度估计方法提出了一种基于多尺度信息融合的层次聚类算法.新算法通过整合密度差异和边界... 展开更多; 关键词层次聚类多尺度信息融合水平集点云数据体绘制; 在线阅读下载PDF 职称材料

融合多级注意力与多尺度信息的铁轨缺陷分割网络: 3; 作者周炜杰李智 +2 位作者张绍荣唐洪贶莫云《电子测量与仪器学报》北大核心 2025年第7期140-150,共11页; 铁路轨道缺陷检测技术面临许多挑战。轨道表面纹理复杂、背景噪声干扰严重,使得缺陷难以检出;缺陷种类多样,形态各异,导致检测方法难以同时捕捉所有细节特征;尺寸较小的缺陷由于特征不明显,往往会被漏检。为了精确分割铁路轨道表面缺陷... 展开更多; 关键词缺陷检测语义分割注意力机制多尺度信息融合小目标检测; 在线阅读下载PDF 职称材料

基于多尺度特征信息融合的时间序列异常检测被引量：4: 4; 作者衡红军喻龙威《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第3期203-214,共12页; 目前大多数的时间序列都缺少相应的异常标签,且现有基于重构的异常检测算法不能很好地捕获到多维数据间复杂的潜在相关性和时间依赖性,为了构建特征丰富的时间序列,提出一种多尺度特征信息融合的异常检测模型。该模型首先通过卷积神经... 展开更多; 关键词异常检测多尺度信息融合卷积神经网络 TRANSFORMER 多维时间序列自编码器; 在线阅读下载PDF 职称材料

基于Dual Dense U-Net的云南壁画破损区域预测被引量：2: 5; 作者罗启明吴昊 +1 位作者夏信袁国武《图学学报》 CSCD 北大核心 2023年第2期304-312,共9页; 壁画破损区域预测是壁画虚拟修复工作的重要环节,针对现有方法在预测云南少数民族壁画破损区域时容易出现破损区域预测不全、对纹理复杂区域的破损边界预测不准确等问题,提出了一种基于U-Net改进的Dual Dense U-Net分割模型,通过增强破... 展开更多; 关键词壁画分割病害提取深度可分离卷积多尺度信息融合深度学习; 在线阅读下载PDF 职称材料

改进DeepLabV3+模型在壁画分割中的应用被引量：7: 6; 作者曹建芳田晓东 +1 位作者贾一鸣闫敏敏《计算机应用》 CSCD 北大核心 2021年第5期1471-1476,共6页; 针对古代壁画图像分割过程中出现的目标边界模糊、图像分割效率低等问题,提出一种融合轻量级卷积神经网络的多分类图像分割模型MC-DM,该模型将DeepLabV3+结构和MobileNetV2相结合,利用DeepLabV3+特有的空间金字塔结构对壁画的卷积特征... 展开更多; 关键词壁画分割多尺度信息融合深度可分离卷积倒转残差空间金字塔池; 在线阅读下载PDF 职称材料

题名井、震多尺度信息融合预测老油田浅层岩性气藏被引量：9: 1; 作者张宪国林承焰张涛王永刚; 机构中国石油大学(华东)地球资源与信息学院; 出处《石油地球物理勘探》 EI CSCD 北大核心 2009年第5期609-612,共4页; 基金国家863重点项目(编号2007AA060501) 国家自然科学基金(编号40872094)资助; 文摘老油田浅层岩性气藏岩性分布复杂,利用地震属性分析、含气砂岩地震正演模拟及基于概率神经网络(PNN)的声波时差参数预测等方法对气藏分布进行描述,是寻找该类气藏的有效手段,其中建立符合研究区地质特征的地质模型,开展地震正演研究,总结含气砂体的地震反射特征,是利用地震反射资料进行含气目标检验的前提。在属性优选的基础上,利用PNN神经网络算法将多种地震属性与声波时差测井信息相结合,对三维空间的声波时差参数分布特征进行预测,一方面避免了单一地震属性信息的片面性,另一方面实现了气藏敏感测井参数的合理延伸,是一种快速有效的气藏检测方法。将井、震多尺度信息融合预测浅层岩性气藏方法应用于吉林红岗油气田,地震正演结果显示,气藏顶部为较强的波谷反射,底部为强波峰反射特征,地震属性异常区的特征在地震反射剖面上与正演的含气砂岩反射特征相近,从而查明了HI3气藏的主控因素,并获得高产气井。; 关键词老油田浅层气藏多属性分析正演概率神经网络多尺度信息融合; Keywords mature oilfield,shallow gas reservoir,multi-attribute analysis,forward modeling,probability neural networks,multi-scale information integration; 分类号 TE19 [石油与天然气工程—油气勘探] P618.13 [天文地球—矿床学]; 在线阅读下载PDF 职称材料

题名基于多尺度信息融合的层次聚类算法被引量：11: 2; 作者李春忠靖稳峰徐健; 机构安徽财经大学统计与应用数学学院西安交通大学数学与统计学院; 出处《工程数学学报》 CSCD 北大核心 2019年第3期245-255,共11页; 基金西安市科技计划项目(201809164CX5JC6) 安徽省教育厅自然项目(KJ2015A076) 国家自然科学基金(61305070)~~; 文摘在体绘制领域和图像分割中,数据集通常具有流形结构,各部分边界连接紧密且伴随局部噪声,给传统聚类算法的应用带来了较大的困难.本文根据非参数密度估计方法提出了一种基于多尺度信息融合的层次聚类算法.新算法通过整合密度差异和边界信息构造了一种多尺度结构信息融合的相似性度量,通过水平集的图连接策略推导出一种层次化的类结构剖析过程以获取稳定的聚类结果.新算法不受数据集形状、密度类型的限制,无需对数据集进行假设,可自动识别数据集常见的聚类结构特征.同时聚类结果较为稳定,算法对噪声具有较强的鲁棒性.从人工数据集和真实数据集以及应用试验的测试结果可以看出新算法的优越性能.; 关键词层次聚类多尺度信息融合水平集点云数据体绘制; Keywords hierarchical clustering multi-scale information fusion level set point cloud volume rendering; 分类号 TP301 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名融合多级注意力与多尺度信息的铁轨缺陷分割网络: 3; 作者周炜杰李智张绍荣唐洪贶莫云; 机构桂林电子科技大学电子工程与自动化学院桂林航天工业学院电子信息与自动化学院; 出处《电子测量与仪器学报》北大核心 2025年第7期140-150,共11页; 基金广西重点研发计划项目(桂科AB24010366) 广西自然科学基金面上项目(2025GXNSFAA069804) 桂林航天工业学院特色优势交叉学科发展战略研究专项(TS2024431)资助。; 文摘铁路轨道缺陷检测技术面临许多挑战。轨道表面纹理复杂、背景噪声干扰严重,使得缺陷难以检出;缺陷种类多样,形态各异,导致检测方法难以同时捕捉所有细节特征;尺寸较小的缺陷由于特征不明显,往往会被漏检。为了精确分割铁路轨道表面缺陷,提出一种融合多级注意力与多尺度信息的铁轨缺陷分割网络。该网络的编码器通过堆叠倒置瓶颈卷积和融合倒置瓶颈卷积有效提高特征提取编码的效率;解码器部分使用多级并行像素级注意力模块辅助模型从大量背景噪声中聚焦定位缺陷区域;金字塔池化模块用于捕获多尺度上下文信息,增强模型对场景中的局部和全局特征的解析能力;多尺度信息融合方法融合像素级注意力模块和金字塔池化模块的输出,充分利用各阶段的特征信息。利用NRSD-MN数据集进行实验,在Craft和Real两类数据上,平均精度分别达到0.8364和0.7258;平均交并比分别达到0.6858和0.6342。实验结果表明,提出的网络在针对铁路轨道表面缺陷分割任务时,精度上显著优于现有的模型。; 关键词缺陷检测语义分割注意力机制多尺度信息融合小目标检测; Keywords defect detection semantic segmentation attention mechanism multi-perspective feature fusion small target detection; 分类号 TM93 [电气工程—电力电子与电力传动] TP391.4 [自动化与计算机技术—计算机应用技术] TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于多尺度特征信息融合的时间序列异常检测被引量：4: 4; 作者衡红军喻龙威; 机构中国民航大学计算机科学与技术学院; 出处《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第3期203-214,共12页; 基金国家自然科学基金(U1333109)。; 文摘目前大多数的时间序列都缺少相应的异常标签,且现有基于重构的异常检测算法不能很好地捕获到多维数据间复杂的潜在相关性和时间依赖性,为了构建特征丰富的时间序列,提出一种多尺度特征信息融合的异常检测模型。该模型首先通过卷积神经网络对滑动窗口内的不同序列进行特征卷积来获取不同尺度下的局部上下文信息。然后,利用Transformer中的位置编码对卷积后的时间序列窗口进行位置嵌入,增强滑动窗口中每一个时间序列和邻近序列之间的位置联系,并引入时间注意力获取数据在时间维度上的自相关性,并进一步通过多头自注意力自适应地为窗口内不同时间序列分配不同的权重。最后,对反卷积过程中上采样得到的窗口数据与不同尺度下得到的局部特征和时间上下文信息进行逐步融合,从而准确重构原始时间序列,并将重构误差作为最终的异常得分进行异常判定。实验结果表明,所构建模型在SWaT和SMD数据集上与基线模型相比F1分数均有所提升。在数据维度高且均衡性较差的WADI数据集上与GDN模型相比F1分数降低了1.66%。; 关键词异常检测多尺度信息融合卷积神经网络 TRANSFORMER 多维时间序列自编码器; Keywords anomaly detection multi-scale information fusion convolutional neural network transformer multidimensional time series autoencoder; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于Dual Dense U-Net的云南壁画破损区域预测被引量：2: 5; 作者罗启明吴昊夏信袁国武; 机构云南大学信息学院; 出处《图学学报》 CSCD 北大核心 2023年第2期304-312,共9页; 基金国家自然科学基金项目(62061049) 云南省应用基础研究计划重点项目(202001BB050032) 云南省应用基础研究计划面上项目(2018FB100)。; 文摘壁画破损区域预测是壁画虚拟修复工作的重要环节,针对现有方法在预测云南少数民族壁画破损区域时容易出现破损区域预测不全、对纹理复杂区域的破损边界预测不准确等问题,提出了一种基于U-Net改进的Dual Dense U-Net分割模型,通过增强破损区域位置特征和纹理特征,获取更多的判别信息,以提高破损掩膜预测的准确度。为使模型能更有效地学习壁画特征,建立了一个包含5 000张云南少数民族壁画图像的分割数据集。Dual Dense U-Net模型利用融合模块去对壁画图像进行多尺度融合,减少壁画图像在前馈过程中的局部纹理信息和空间位置信息损失。首先,利用U-Net结构对输入的壁画图像进行信息提取,融合模块有多个深度可分离卷积,能够提高融合模块效率以及分割精度;其次,融合模块连接两个U-Net,进一步加强浅层特征与深层特征间的联系。实验结果表明,该模型在IoU与Dice评价指标较UNet++提高了3个百分点,模型预测得到的破损区域能显著改善壁画修复网络的修复效果,验证了该模型在壁画破损区域预测领域的有效性。; 关键词壁画分割病害提取深度可分离卷积多尺度信息融合深度学习; Keywords mural segmentation disease extraction depthwise separable convolution multi-scale information fusion deep learning; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进DeepLabV3+模型在壁画分割中的应用被引量：7: 6; 作者曹建芳田晓东贾一鸣闫敏敏; 机构太原科技大学计算机科学与技术学院忻州师范学院计算机系; 出处《计算机应用》 CSCD 北大核心 2021年第5期1471-1476,共6页; 基金山西省高等学校人文社会科学重点研究基地项目(20190130)。; 文摘针对古代壁画图像分割过程中出现的目标边界模糊、图像分割效率低等问题,提出一种融合轻量级卷积神经网络的多分类图像分割模型MC-DM,该模型将DeepLabV3+结构和MobileNetV2相结合,利用DeepLabV3+特有的空间金字塔结构对壁画的卷积特征进行多尺度融合,从而减少壁画分割时的图像细节损失。首先,通过MobileNetV2对输入图像进行特征提取,从而在确保图像信息准确提取的同时减少耗时;其次,通过空洞卷积处理图像特征,从而扩展感受野,并在不改变参数数量的情况下得到更多的语义信息;最后,采用双线性插值的方法对输出特征图像进行上采样,以得到像素级的预测分割图,从而最大限度保证图像分割的准确性。在JetBrains PyCharm Community Edition 2019环境下,利用以1 000张壁画扫描图片制作而成的数据集进行测试,实验结果表明,MC-DM模型较传统的基于SegNet的图像分割模型在训练精确度上提升了1个百分点,较基于PSPNet的图像分割模型在精确度上提升了2个百分点,且MC-DM模型的峰值信噪比(PSNR)较实验对比模型平均提高了3~8 dB,充分验证了该模型在壁画分割领域的有效性。所提模型为古代壁画图像分割提供了新的思路。; 关键词壁画分割多尺度信息融合深度可分离卷积倒转残差空间金字塔池; Keywords mural segmentation multi-scale information fusion depthwise separable convolution inverted residual spatial pyramid pool; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	井、震多尺度信息融合预测老油田浅层岩性气藏	张宪国林承焰张涛王永刚	《石油地球物理勘探》 EI CSCD 北大核心	2009	9	在线阅读下载PDF 职称材料
2	基于多尺度信息融合的层次聚类算法	李春忠靖稳峰徐健	《工程数学学报》 CSCD 北大核心	2019	11	在线阅读下载PDF 职称材料
3	融合多级注意力与多尺度信息的铁轨缺陷分割网络	周炜杰李智张绍荣唐洪贶莫云	《电子测量与仪器学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于多尺度特征信息融合的时间序列异常检测	衡红军喻龙威	《西安电子科技大学学报》 EI CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
5	基于Dual Dense U-Net的云南壁画破损区域预测	罗启明吴昊夏信袁国武	《图学学报》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
6	改进DeepLabV3+模型在壁画分割中的应用	曹建芳田晓东贾一鸣闫敏敏	《计算机应用》 CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料