基于全局层次化特征融合和多任务学习的异常流量检测方法

1

作者 刘会景 唐永旺 《计算机应用与软件》 北大核心 2025年第9期376-382,389,共8页

针对当前基于深度学习的方法对于网络流量表征和泛化能力方面较弱的问题,提出一种基于全局层次化特征融合和多任务学习的异常流量检测方法。该文将原始流量以会话流为单位进行切分,构建全局层次化特征融合框架,并行提取会话流空间和时... 针对当前基于深度学习的方法对于网络流量表征和泛化能力方面较弱的问题,提出一种基于全局层次化特征融合和多任务学习的异常流量检测方法。该文将原始流量以会话流为单位进行切分,构建全局层次化特征融合框架,并行提取会话流空间和时间特征进行残差融合;设计会话记录多分类为主任务,会话流多分类和会话流对是否为上下文关系为辅助任务的多任务学习框架;输入会话流对进行训练和预测。在TON_IoT数据集上验证,二分类和多分类的准确率分别为94.35%和91.96%,相较于对比方法,在准确率和精度最优时误报率较低。 展开更多

关键词 深度学习 时间特征 空间特征 层次化特征融合 多任务学习 异常流量

在线阅读 下载PDF 职称材料

分层蒸馏解耦网络的低分辨率人脸识别算法

2

作者 钟锐 宋亚锋 周晓康 《计算机应用研究》 北大核心 2025年第6期1900-1908,共9页

低分辨率人脸图像中大量面部细节特征丢失,使得目前许多具有较好性能的经典人脸识别模型的识别率急剧降低。针对该问题,提出了一种分层蒸馏解耦网络(hierarchical knowledge distillation decoupling,HKDD)。首先,为了提升学生网络对低... 低分辨率人脸图像中大量面部细节特征丢失,使得目前许多具有较好性能的经典人脸识别模型的识别率急剧降低。针对该问题,提出了一种分层蒸馏解耦网络(hierarchical knowledge distillation decoupling,HKDD)。首先,为了提升学生网络对低分辨率样本的特征描述能力,在教师网络与学生网络的卷积层之间进行分层特征蒸馏,使学生网络各中间层所提取的低分辨率人脸特征尽可能接近教师网络中间层所提取的高分辨率人脸特征,从而将教师网络各中间层强大的特征描述能力蒸馏至学生网络。随后,在教师网络与学生网络的softmax层之间进行解耦蒸馏,把softmax层的蒸馏损失解耦为目标类蒸馏损失和非目标类蒸馏损失,以发挥出被抑制的非目标类蒸馏损失对学生网络训练的指导作用,使学生网络在教师网络指导下学习到通用性面部特征的分类能力,从而确保学生网络能够在非限制性应用场景中具有较强的分类能力。最后,在TinyFace和QMUL-SurvFace等多个低分辨率人脸数据集中进行了效果验证,HKDD网络的识别率与实时性都优于其他代表性的低分辨率人脸识别模型,实验结果验证了该模型在低分辨率人脸识别任务中的有效性。 展开更多

关键词 低分辨率人脸识别 分层蒸馏解耦网络 分层特征蒸馏 解耦蒸馏 非限制性场景

在线阅读 下载PDF 职称材料

分层特征细化与频域增强学习结合的空间组学细胞核分割

3

作者 李修齐 李金泽 +4 位作者 杨弃 李莹雪 赵才荣 周连群 姚佳 《光学精密工程》 北大核心 2025年第9期1456-1470,共15页

精确地将生物分子信息映射到组织切片的空间坐标是空间多组学分析的关键,细胞核分割精度直接决定靶标分子定位准确性。然而,细胞核形态多样性、组织结构复杂性以及细胞核聚集等因素造成细胞核分割困难,现有分割方法难以实现细胞核精准分... 精确地将生物分子信息映射到组织切片的空间坐标是空间多组学分析的关键,细胞核分割精度直接决定靶标分子定位准确性。然而,细胞核形态多样性、组织结构复杂性以及细胞核聚集等因素造成细胞核分割困难,现有分割方法难以实现细胞核精准分割,进而影响空间多组学分析结果。针对上述问题,结合分层特征细化和频域增强学习提出细胞核分割网络FFVM-UKAN,深度整合用于特征提取的浅层视觉状态空间模块及用于特征细化的深层令牌化Kolmogorov-Arnold网络,并提出并行频域学习模块实现细胞核分割所需精细特征捕捉,增强网络跳跃连接效果。该方法在公开数据集MoNuSeg上实现了细胞核分割,mIoU和Dice分别为69.09%和81.72%,在私有数据集上达到85.95%和92.45%。此外,在10X Genomics的人类肝脏数据集上验证基因、细胞核映射效果,结果显示基因映射准确率达90.63%。上述结果表明,本文所述方法在细胞核分割精度和模型泛化能力方面具有较好效果,实现了空间基因与细胞核的高精度映射,展现了该方法在空间多组学分析中的应用潜力。 展开更多

关键词 细胞核分割 分层特征细化 频域增强学习 Kolmogorov-Arnold网络

在线阅读 下载PDF 职称材料

基于注意力机制和跨模态层级特征融合的群养肉牛个体质量估测

4

作者 宋平 杨颖 +3 位作者 刘刚 姚冲 李子若 毛天赐 《农业工程学报》 北大核心 2025年第10期221-231,共11页

为解决群养场景下肉牛个体质量称量复杂、精度低的问题,该研究提出了基于注意力机制和跨模态层级特征融合模型CMHFF-ResNet(cross-modal hierarchical feature fusion resnet)。首先,无接触式地采集俯视视角下日常活动的肉牛的RGB(red-g... 为解决群养场景下肉牛个体质量称量复杂、精度低的问题,该研究提出了基于注意力机制和跨模态层级特征融合模型CMHFF-ResNet(cross-modal hierarchical feature fusion resnet)。首先,无接触式地采集俯视视角下日常活动的肉牛的RGB(red-green-blue)图像与深度图像,使用引入定向边界框OBB(oriented bounding box)的YOLOv8网络对肉牛进行旋转目标检测和识别,精准定位群养场景中的个体目标;其次,以ResNet50为骨干网络构建双流估重模型,分别提取RGB和深度模态特征,并引入CBAM(convolutional block attention module)注意力机制以增强关键特征表达能力。设计跨模态的层级特征融合,有效结合RGB流和深度流的特征并充分利用浅层特征;第三,引入肉牛的身份信息便于网络学习肉牛身份与其体质量之间的对应关系,为优化模型效率,将全连接层替换为KAN(kolmogorov-arnold networks),显著减少参数量;最后,将双流的输出结果融合,回归肉牛体质量值。在试验中,构建了包含2546对RGB-D图像的数据集,包括2373对训练数据和173对验证数据。结果表明,CMHFF-ResNet在验证集上的平均绝对误差为14.19 kg。与基于RGB和深度的单流模型相比,双流模型在平均绝对误差上分别降低16.943%和26.133%。同时,该方法优于其他现有肉牛体质量估测方法:与多元线性回归、改进MobileNetv2模型、改进DenseNet201模型和改进跨模态特征融合模型CFF-ResNet相比,在平均绝对误差上分别减少57.233%、34.699%、24.761%和20.991%,提升了群养环境下肉牛个体质量估测的精度与泛化性,能够有效地学习跨模态的层级特征表示。该研究为大规模群养环境中肉牛个体质量的高精度估测提供了参考。 展开更多

关键词 模型 计算机视觉 目标检测 体质量估测 注意力机制 跨模态层级特征融合 双流网络

在线阅读 下载PDF 职称材料

融合多图卷积的表格学习模型

5

作者 王秋雨 赵韦鑫 +2 位作者 颜怀柏 杨炬龙 彭舰 《计算机工程与设计》 北大核心 2025年第9期2570-2577,共8页

针对现有的表格学习方法在平衡特征与实例关系、构建图表示过程复杂且关注角度单一等问题,本文提出一种基于图神经网络的表格学习模型。该模型分别从表格数据的行和列角度初始化特征嵌入图与实例交互图,融合了数据的局部和全局信息。模... 针对现有的表格学习方法在平衡特征与实例关系、构建图表示过程复杂且关注角度单一等问题,本文提出一种基于图神经网络的表格学习模型。该模型分别从表格数据的行和列角度初始化特征嵌入图与实例交互图,融合了数据的局部和全局信息。模型通过结合图卷积和图注意力的双核卷积模块增强节点嵌入表示,利用基于动态门控的层级池化模块降低图复杂度并保留重要节点差异信息,同时引入自适应融合模块平衡特征与实例关系并提升模型准确性。在5个公开数据集上的实验结果表明,模型性能提升了1~3个百分点;大量消融实验验证了各模块对提升模型学习能力的重要性。 展开更多

关键词 表格学习 特征嵌入 实例交互 图卷积网络 图注意力网络 层级池化 自适应融合

在线阅读 下载PDF 职称材料

基于多特征和层级网络的LPI雷达信号识别

6

作者 吴力华 胡爽 +1 位作者 曹锐 袁园 《现代电子技术》 北大核心 2025年第17期55-60,共6页

为应对LPI雷达信号对信号检测与识别带来的挑战,文中提出一种多特征和层级网络的LPI雷达信号调制样式识别方法。综合考虑不同调制样式雷达信号的特点,首先采用具有较强表征能力的信号模糊函数作为区分调制样式的主要特征,在高斯滤波降... 为应对LPI雷达信号对信号检测与识别带来的挑战,文中提出一种多特征和层级网络的LPI雷达信号调制样式识别方法。综合考虑不同调制样式雷达信号的特点,首先采用具有较强表征能力的信号模糊函数作为区分调制样式的主要特征,在高斯滤波降噪的基础上,构建注意力机制识别网络完成信号的预分类;其次为解决以自相关函数为基础的信号模糊函数难以有效区分部分信号调制样式的问题,选用短时傅里叶变换图像(STFTI)为该类信号原始特征,构建包含堆叠深度自编码器的次级网络进行降噪重构、特征增强和分类识别,完成雷达信号调制样式的识别;最后通过仿真实验对方法进行了验证。仿真实验结果证明,信噪比大于-7 dB时,所提方法对于多相码和多时码两类8种典型LPI信号能达到大于93.25%的平均识别率,验证了所提方法的有效性。 展开更多

关键词 LPI雷达信号 调制样式识别 模糊函数 短时傅里叶变换 多特征 层级网络

在线阅读 下载PDF 职称材料

基于TLI-DETR的输电线路巡检图像小目标检测方法

7

作者 徐程 郑春厚 +3 位作者 胡祥 王丽丽 张庚生 郭昊博 《智慧电力》 北大核心 2025年第9期117-125,共9页

针对输电线路巡检(TLI)中存在的复杂背景干扰、目标尺度跨度大及器件密集分布导致小目标检测精度低的问题,提出一种适用于TLI的检测变压器(DETR)模型TLI-DETR。首先,通过在骨干网络各阶段末层用多尺度可分离卷积网络替换残差块,提取并... 针对输电线路巡检(TLI)中存在的复杂背景干扰、目标尺度跨度大及器件密集分布导致小目标检测精度低的问题,提出一种适用于TLI的检测变压器(DETR)模型TLI-DETR。首先,通过在骨干网络各阶段末层用多尺度可分离卷积网络替换残差块,提取并融合各阶段输出的特征图作为多尺度特征,以增强小目标特征提取能力;其次,在多尺度特征图中引入通道空间融合交叉注意力机制,抑制图像中背景噪声对小目标检测的干扰;最后,设计层级交互特征融合模块,通过动态调整注意力区域提升密集小目标检测精度。实验结果表明,所提方法在输电线路巡检任务中的综合性能优于当前主流模型,可有效识别输电线路中的小目标部件,有助于发现潜在的安全隐患。 展开更多

关键词 输电线路巡检 小目标检测 多尺度可分离卷积网络 通道空间融合交叉注意力 层级交互特征融合

在线阅读 下载PDF 职称材料

融合多特征与全局-局部Transformer的图像修复算法 被引量：1

8

作者 滕诗宇 何丽君 《电子测量技术》 北大核心 2025年第6期121-129,共9页

针对当前图像修复领域所面临的高计算复杂度以及在生成结构合理且细节丰富的图像方面的局限,提出了一种融合多尺度分层特征与全局-局部协同Transformer的图像修复模型。首先提出多尺度分层特征融合模块,以实现深层特征与浅层特征细节上... 针对当前图像修复领域所面临的高计算复杂度以及在生成结构合理且细节丰富的图像方面的局限,提出了一种融合多尺度分层特征与全局-局部协同Transformer的图像修复模型。首先提出多尺度分层特征融合模块,以实现深层特征与浅层特征细节上的有效融合,在扩大感受野的同时减少关键信息丢失情况。其次提出用于全局推理的全局-局部协同Transformer模块,它通过集成矩形窗口注意力机制和局部前馈神经网络,在降低计算复杂度的同时,提高模型对全局上下文信息的宏观理解和对局部细节特征的微观捕捉能力,增强图像的整体一致性。实验在CelebA-HQ和Places2数据集上进行了验证,在处理40%~50%掩码时,所提方法与常用的修复方法对比,PSNR平均提高了0.26~6.25 dB,SSIM平均提升了1.4%~19%,L1平均下降了0.2%~5.66%。实验证明,所提方法修复后的图像在视觉上具有更加真实和自然的效果,进一步验证了该方法的有效性。 展开更多

关键词 深度学习 图像修复 多尺度分层特征融合 全局-局部协同Transformer 矩形窗口注意力机制 局部前馈神经网络

在线阅读 下载PDF 职称材料

基于层次图神经网络和差异化特征学习的客户流失预测模型

9

作者 卢燕群 赵奕奕 《计算机应用》 北大核心 2025年第9期3057-3066,共10页

针对普惠金融领域客户流失问题的严峻性及现有客户挽留模型在预测精度与可解释性上的不足,提出一种基于层次图神经网络(HGNN)和差异化特征学习(SFL)的客户流失预测模型HGNN-SFLN(HGNN-SFL Network),以提升模型的预测能力和对特征交互的... 针对普惠金融领域客户流失问题的严峻性及现有客户挽留模型在预测精度与可解释性上的不足,提出一种基于层次图神经网络(HGNN)和差异化特征学习(SFL)的客户流失预测模型HGNN-SFLN(HGNN-SFL Network),以提升模型的预测能力和对特征交互的理解。首先,为了应对数据不平衡问题,提出一种混合采样策略,并在特征层面对不同类别的特征进行加权调整,以确保各类数据的有效利用;其次,利用层次图强化不同特征之间的关联性,并构建一种基于自注意力机制的SFL模块,以增强模型对分类特征的处理能力及特征交互关系的解析能力。通过该模块,模型能够精准识别关键特征,并有效捕捉它们之间的复杂交互关系,从而优化预测决策过程。实验结果表明,所提模型在多个真实金融数据集上相较于主流模型,如Light GBM(Light Gradient Boosting Machine)和深度神经网络(DNN),在曲线下面积(AUC)等关键指标上都取得了最优结果,并且在精确识别关键流失特征以及有效捕捉特征间的复杂交互关系方面,相较于对比模型展现出显著的优势。 展开更多

关键词 客户流失预测 数据不平衡 特征交互建模 差异化特征 层次图神经网络

在线阅读 下载PDF 职称材料

双特征层次嵌入的多维时序异常检测方法 被引量：3

10

作者 陈文礼 苏宇 +3 位作者 陈玲俐 高欣 程瑛颖 邹波 《计算机工程与应用》 CSCD 北大核心 2024年第21期142-153,共12页

开展多维时序特征下的工业实体设备实时运行状态在线异常检测,对维护复杂工业系统稳定运行、推动国家经济发展提质增效具有重要意义。针对现有异常检测方法对时序数据高度非线性的时间依赖关系及其模式多样的维度耦合关系分析不足的问题... 开展多维时序特征下的工业实体设备实时运行状态在线异常检测,对维护复杂工业系统稳定运行、推动国家经济发展提质增效具有重要意义。针对现有异常检测方法对时序数据高度非线性的时间依赖关系及其模式多样的维度耦合关系分析不足的问题,综合考虑监控数据分布未知导致训练数据中可能掺杂噪声或异常数据的情况,提出双特征层次嵌入的多维时序异常检测方法。通过循环神经网络对时序特征数据进行处理,引入流模型仿射机制拓展数据分布并得到时间嵌入变量,捕捉长时间序列的全局及局部特征;与此同时,利用变分自编码器将多维输入映射到潜空间,共享时间嵌入的流模型参数,基于门控循环单元对维度间的耦合关系进一步关联分析,充分挖掘多维时序数据的时间依赖性和维度相关性,提高异常检测准确率。在5个权威公开的多维时序数据集上开展实验,与12种典型时序异常检测方法进行对比,所提算法在多种评价指标上的平均排名均位列第一,验证了所提方法的先进性和有效性。 展开更多

关键词 多维时序异常检测 循环神经网络 变分自编码器 流模型 层次特征嵌入

在线阅读 下载PDF 职称材料

基于分层特征对齐网络的小样本马铃薯病害叶片检测 被引量：2

11

作者 牛玉霞 孙宙红 +2 位作者 任伟 陈林琳 陈莉莉 《中国农机化学报》 北大核心 2024年第2期250-258,共9页

针对传统马铃薯病害叶片检测方法过度依赖大量训练数据以及对未知病害识别泛化性不强的问题,提出一种基于分层特征对齐网络的小样本马铃薯病害叶片检测模型。首先,收集并整理包含多种病害类型的弱标注马铃薯病害叶片数据集。其次,在支... 针对传统马铃薯病害叶片检测方法过度依赖大量训练数据以及对未知病害识别泛化性不强的问题,提出一种基于分层特征对齐网络的小样本马铃薯病害叶片检测模型。首先,收集并整理包含多种病害类型的弱标注马铃薯病害叶片数据集。其次,在支持分支中建立文本语义和视觉语义的多模态双层特征语义表示,并利用预训练网络生成多个候选框。再次,利用卷积神经网络将候选框区域映射到深度特征空间,并借助无参数的度量方法实现文本语义与视觉语义的特征对齐。最后,将查询分支中的未知类病害图片与多模态视觉和文本语义关联集进行度量计算,根据相似度值快速给出待测图片中未知新类的病害类别。通过在自建的马铃薯病害叶片数据集和开源数据集上进行测试,所提出模型分别可以实现93.55%和96.35%的识别精度,在跨域数据集上可以实现95.15%和94.06%的识别精度,优于当前经典的目标检测模型,具有一定的实际应用价值。 展开更多

关键词 马铃薯病害 叶片检测 分层特征对齐网络 文本语义 视觉语义

在线阅读 下载PDF 职称材料

结合层次图神经网络与长短期记忆的产业链风险评估预警模型

12

作者 花晓雨 李冬芬 +3 位作者 付优 毕可骏 应时 王瑞锦 《计算机应用》 CSCD 北大核心 2024年第10期3223-3231,共9页

产业链风险评估预警是有效保护产业链上下游公司利益和减轻公司风险的重要措施。然而,现有方法由于忽视了产业链上下游公司之间的传播效应和公司信息的不透明性,无法准确评估公司风险,且忽略了动态财务数据对产业链的影响,无法提前感知... 产业链风险评估预警是有效保护产业链上下游公司利益和减轻公司风险的重要措施。然而,现有方法由于忽视了产业链上下游公司之间的传播效应和公司信息的不透明性,无法准确评估公司风险,且忽略了动态财务数据对产业链的影响,无法提前感知风险,进行风险预警。针对以上问题,提出一种结合层次图(HG)神经网络与长短期记忆(LSTM)的产业链风险评估预警模型(HiGNN)。首先,利用产业链上下游关系和投融资关系构建“产业链-投资”HG;其次,利用财务特征提取模块提取公司多季度财务数据的特征;再次,利用投资特征提取模块提取投资关系图特征;最后,利用注意力机制融合财务特征和投资特征,通过图表示学习方法对公司节点进行风险分类。在真实的集成电路制造业数据集上的实验结果表明,与图注意力网络(GAT)模型、循环神经网络(RNN)模型相比,当训练比率为60%时,所提模型的准确率分别提升了14.87%、22.10%,F1值提升了12.63%、16.67%。所提模型能够有效捕捉产业链中的传染效应,提高风险识别能力,优于传统的机器学习方法和图神经网络方法。 展开更多

关键词 产业链风险评估 层次图神经网络 长短期记忆网络 财务特征提取 投资特征提取

在线阅读 下载PDF 职称材料

基于层次特征复用的视频超分辨率重建 被引量：1

13

作者 周圆 王明非 +1 位作者 杜晓婷 陈艳芳 《自动化学报》 EI CAS CSCD 北大核心 2024年第9期1736-1746,共11页

当前的深度卷积神经网络方法,在视频超分辨率任务上实现的性能提升相对于图像超分辨率任务略低,部分原因是它们对层次结构特征中的某些关键帧间信息的利用不够充分.为此,提出一个称作层次特征复用网络(Hierarchical feature reuse netwo... 当前的深度卷积神经网络方法,在视频超分辨率任务上实现的性能提升相对于图像超分辨率任务略低,部分原因是它们对层次结构特征中的某些关键帧间信息的利用不够充分.为此,提出一个称作层次特征复用网络(Hierarchical feature reuse network,HFRNet)的结构,用以解决上述问题.该网络保留运动补偿帧的低频内容,并采用密集层次特征块(Dense hierarchical feature block,DHFB)自适应地融合其内部每个残差块的特征,之后用长距离特征复用融合多个DHFB间的特征,从而促进高频细节信息的恢复.实验结果表明,提出的方法在定量和定性指标上均优于当前的方法. 展开更多

关键词 层次特征复用 卷积神经网络 特征融合 视频超分辨率重建

在线阅读 下载PDF 职称材料

基于信息融合的支撑座早期松动故障诊断 被引量：13

14

作者 孙卫祥 陈进 +4 位作者 伍星 董广明 宁佐贵 王东升 王雄祥 《上海交通大学学报》 EI CAS CSCD 北大核心 2006年第2期239-242,247,共5页

采用基于信号分析的无模型检测方案和信息融合技术,对支撑座早期松动故障进行检测诊断.针对支撑座松动的小波包变换特征和功率谱特征进行特征融合与决策融合,同时采用基于熵度量的无监督特征约简方法对功率谱特征进行约简,有效地减少了... 采用基于信号分析的无模型检测方案和信息融合技术,对支撑座早期松动故障进行检测诊断.针对支撑座松动的小波包变换特征和功率谱特征进行特征融合与决策融合,同时采用基于熵度量的无监督特征约简方法对功率谱特征进行约简,有效地减少了特征数目,加快了融合和诊断速度.特征融合与决策融合采用分层神经网络实现,该网络综合了局部融合和全局融合的优点,具有很高的故障确诊率和很好的抗噪性能,无噪声样本综合确诊率达94.3%,有噪声样本综合确诊率达88.6%. 展开更多

关键词 故障诊断 信息融合 支撑座 松动 特征约简 分层神经网络

在线阅读 下载PDF 职称材料

分布式协同网络用电负荷分层加权概率预测方法 被引量：15

15

作者 孙欣尧 王雪 +1 位作者 吴江伟 刘佑达 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第2期241-246,共6页

先进计量体系(AMI)是智能电网中的分布式协同网络,其通过广泛布置的分布式测量计算节点对用电端的用户用电信息进行测量和协同分析。基于分布式协同网络测量得到的海量数据,针对短期用电负荷的概率预测问题提出一种分层特征加权概率预... 先进计量体系(AMI)是智能电网中的分布式协同网络,其通过广泛布置的分布式测量计算节点对用电端的用户用电信息进行测量和协同分析。基于分布式协同网络测量得到的海量数据,针对短期用电负荷的概率预测问题提出一种分层特征加权概率预测方法。该方法采用核主分量分析提取用电负荷测量样本的非线性特征,根据提取的特征采用马氏距离判据对用电负荷数据进行特征加权,剔除权重低的不相关干扰数据;提出将经验模态分解与稀疏贝叶斯学习方法相结合的机器学习用电负荷概率预测方法,对用电负荷高频与低频分量进行分层概率分布预测。最后,将所提出的方法应用于某地区的短期用电负荷预测实验,实验结果表明该方法能够有效预测短期用电负荷的概率分布,预测精度高、可靠性好。 展开更多

关键词 分布式协同网络 用电负荷预测 特征加权 分层预测 稀疏贝叶斯学习

在线阅读 下载PDF 职称材料

多路径递归网络结构的单帧图像超分辨率重建 被引量：5

16

作者 沈明玉 俞鹏飞 +2 位作者 汪荣贵 杨娟 薛丽霞 《光电工程》 CAS CSCD 北大核心 2019年第11期17-25,共9页

卷积神经网络在单帧图像超分辨率重建任务中取得了巨大成功,但是其重建模型多是基于单链结构,层间联系较弱且不能充分利用网络提取的分层特征。针对这些问题,本文设计了一种多路径递归的网络结构(MRCN)。通过使用多路径结构来加强层之... 卷积神经网络在单帧图像超分辨率重建任务中取得了巨大成功,但是其重建模型多是基于单链结构,层间联系较弱且不能充分利用网络提取的分层特征。针对这些问题,本文设计了一种多路径递归的网络结构(MRCN)。通过使用多路径结构来加强层之间的联系,实现特征的有效利用并且提取丰富的高频成分,同时使用递归结构降低训练难度。此外,通过引入特征融合的操作使得在重建的过程中可以充分利用各层提取的特征,并且自适应的选择有效特征。在常用的基准测试集上进行了大量实验表明,MRCN比现有的方法在重建效果上具有明显提升。 展开更多

关键词 卷积神经网络 超分辨 分层特征 多路径 特征融合

在线阅读 下载PDF 职称材料

基于样本关注度和多层次特征的多阶段电力系统暂态稳定评估 被引量：19

17

作者 李福成 徐箭 +4 位作者 廖思阳 孙元章 柯德平 杨军 杜静湄 《中国电机工程学报》 EI CSCD 北大核心 2021年第22期7596-7607,共12页

当前,电力系统朝着高比例可再生能源接入、电力电子化、互联程度愈发紧密等趋势发展,对暂态稳定评估的准确性与实时性提出了更高的要求。采用基于数据驱动的电力系统暂态稳定评估方法可仅利用系统故障后的动态响应时序数据实现实时、准... 当前,电力系统朝着高比例可再生能源接入、电力电子化、互联程度愈发紧密等趋势发展,对暂态稳定评估的准确性与实时性提出了更高的要求。采用基于数据驱动的电力系统暂态稳定评估方法可仅利用系统故障后的动态响应时序数据实现实时、准确的暂态稳定评估。该文提出一种基于样本关注度与多层次特征的多阶段电力系统暂态稳定评估方法,以实现暂态稳定的实时、准确评估。首先,从能量函数观点出发,选取了δ/V/θ/P/Q的原始值、积分量与微分量等时序数据作为原始输入特征量,从而有效提高量测数据中暂态信息的利用率;同时,为表征样本对于稳定规则学习的重要性,定义基于SVM预分类的样本关注度指标;进一步地,利用基准负荷水平信息与稳定性标签构建多层次特征学习监督,增强特征提取的稳定性。最后,基于LSTM自身输出结果的时序特性,提出多阶段电力系统暂态稳定评估方案,在保证较高分类准确率的同时,将错判率保持在较低水平。IEEE10机39节点系统和某区域电网的算例测试结果验证了该方法的准确性与必要性。 展开更多

关键词 暂态稳定 样本关注度 多层次特征 长短期记忆网络 多阶段评估

在线阅读 下载PDF 职称材料

利用多层视觉网络模型进行图像局部特征表征的方法 被引量：10

18

作者 郎波 黄静 危辉 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2015年第4期703-712,共10页

为了寻求代价更小、效率更高、适应性更强的图像局部特征表征方法,提出一种基于视觉机制的多层网络计算模型.首先对初级视皮层中的简单细胞和复杂细胞等神经元进行建模;然后对腹侧视通路上的V4区神经元和下颞叶皮层区神经元的响应模式... 为了寻求代价更小、效率更高、适应性更强的图像局部特征表征方法,提出一种基于视觉机制的多层网络计算模型.首先对初级视皮层中的简单细胞和复杂细胞等神经元进行建模;然后对腹侧视通路上的V4区神经元和下颞叶皮层区神经元的响应模式进行研究,并利用该计算模型对输入图像进行局部特征的表征.实验结果表明,与传统的图像特征描述方法相比,该模型所提取的图像局部特征具有足够的区分度;此外,利用生物视觉模型提取出的图像局部特征在具有复杂背景的场景中显示出了更加优秀的泛化能力. 展开更多

关键词 多层视觉网络模型 V4区 下颞叶皮层区 图像局部特征 特征描述子

在线阅读 下载PDF 职称材料

一种仿生的人脸不变特征提取方法 被引量：7

19

作者 杜兴 龚卫国 张睿 《仪器仪表学报》 EI CAS CSCD 北大核心 2011年第4期813-818,共6页

为了提高基于子空间算法的人脸识别的识别率,提出一种仿生的人脸不变特征提取方法。通过模拟初级视皮层（V1）的信息处理机制,构建一个二层结构的分层网络提取人脸图像的不变特征。网络的第1层模拟V1简单细胞的功能,通过稀疏编码方法学... 为了提高基于子空间算法的人脸识别的识别率,提出一种仿生的人脸不变特征提取方法。通过模拟初级视皮层（V1）的信息处理机制,构建一个二层结构的分层网络提取人脸图像的不变特征。网络的第1层模拟V1简单细胞的功能,通过稀疏编码方法学习获得一组类似V1简单细胞的滤波器,利用该组滤波器提取图像的光照不变特征;第2层模拟V1复杂细胞的功能,通过局部极大值运算对第1层的输出在空间和尺度邻域内进行合并,得到对光照、表情、轻微姿态变化和面部局部细节变化具有鲁棒性的人脸不变特征。以此不变特征代替原始人脸图像作为子空间算法的输入,从而提高识别率。在FERET和ORL人脸库上的实验表明,相对于直接使用子空间算法,方法将识别率提高了4.95%~20.35%。 展开更多

关键词 人脸识别 人脸不变特征 分层网络 稀疏编码

在线阅读 下载PDF 职称材料

限制搜索区域的分层路径规划算法 被引量：7

20

作者 付梦印 李杰 邓志红 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2005年第8期1773-1777,共5页

依据城市路网独特的空间分布特性及不同道路等级特性,提出一种限制搜索区域的分层路径规划算法.与文献[2]相比,文中算法新增了对路网空间分布特性的利用,引入了限制搜索区域的搜索机制.结合路径规划算法在实时车辆导航系统中的实际应用... 依据城市路网独特的空间分布特性及不同道路等级特性,提出一种限制搜索区域的分层路径规划算法.与文献[2]相比,文中算法新增了对路网空间分布特性的利用,引入了限制搜索区域的搜索机制.结合路径规划算法在实时车辆导航系统中的实际应用,给出该算法的一个应用实例,通过对实验结果的分析验证了其有效性. 展开更多

关键词 车辆导航系统 路径规划 道路网络 空间分布特性 限制搜索区域 道路等级 分层

在线阅读 下载PDF 职称材料