期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于混合蛙跳算法的果园土壤全氮含量高光谱预测
1
作者 冯上奇 袁全春 +3 位作者 黄凯 孙元昊 曾锦 吕晓兰 《农业机械学报》 北大核心 2025年第6期277-285,共9页
土壤全氮含量是土壤重要的养分指标,基于高光谱数据研究并构建果园土壤全氮含量预测模型,为准确检测土壤全氮含量提供新方法。以江苏省农业科学院梨园土壤为研究对象,利用高光谱成像技术获取土壤光谱反射率数据,引入混合蛙跳算法和竞争... 土壤全氮含量是土壤重要的养分指标,基于高光谱数据研究并构建果园土壤全氮含量预测模型,为准确检测土壤全氮含量提供新方法。以江苏省农业科学院梨园土壤为研究对象,利用高光谱成像技术获取土壤光谱反射率数据,引入混合蛙跳算法和竞争性自适应加权采样进行光谱特征提取,并分别采用全波段和特征波段构建偏最小二乘回归、支持向量机、随机森林和卷积神经网络模型对土壤全氮含量进行估测。结果表明:原始光谱经过多种预处理方法处理后,经SG卷积平滑联合标准正态变换预处理,全波段构建的全氮预测模型表现最佳;基于混合蛙跳算法提取10个关键波段,占总波段数量的4.08%,有效降低了数据维度;基于混合蛙跳算法提取特征波段构建的卷积神经网络模型表现优异,此模型测试集决定系数为0.95、均方根误差为0.21 g/kg、相对分析误差为3.97。研究结果表明应用混合蛙跳算法能高效提取特征波段,降低数据维度,并且提高了土壤全氮含量估测精度,为果园土壤全氮含量准确估测提供参考。 展开更多
关键词 果园 土壤全氮 预测模型 高光谱成像技术 混合蛙跳算法 卷积神经网络
在线阅读 下载PDF
用于低剂量CT图像去噪的多级双树复小波网络 被引量:2
2
作者 张鲁 田春伟 +1 位作者 宋焕生 刘侍刚 《计算机工程》 CAS CSCD 北大核心 2024年第9期266-275,共10页
基于卷积神经网络(CNN)的图像去噪方法能有效去除低剂量计算机断层扫描(CT)图像伴随的伪影和噪声,从而确保CT设备输出高质量图像同时降低辐射,这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量,提出一种小波域去... 基于卷积神经网络(CNN)的图像去噪方法能有效去除低剂量计算机断层扫描(CT)图像伴随的伪影和噪声,从而确保CT设备输出高质量图像同时降低辐射,这对患者健康和医学诊断具有重要意义。为了进一步提高低剂量CT图像的质量,提出一种小波域去噪网络MDTNet。首先,基于双树复小波变换(DTCWT)构造多级编解码去噪网络,在多个尺度上提取特征以保留更多高频细节;然后,利用扩展的像素重排技术替代卷积上下采样,实现多级输入和特征融合,从而降低计算复杂度;最后,通过大量训练找到最佳的去噪模型,即二级MDTNet配合LeGall滤波器和Qshift_b滤波器,并选择较大尺寸的CT图像作为训练数据。使用AAPM数据集评估MDTNet的性能,实验结果表明,MDTNet能有效去除条纹状伪影和噪声,在定量和定性评估中性能均优于同类型去噪方法。与FWDNet相比,对于1 mm的切片,MDTNet的平均峰值信噪比(PSNR)和结构相似性指数(SSIM)分别提高了0.0887 dB和0.0024;对于3 mm的切片,分别提升了0.1443 dB和0.003。对于单张512×512像素的低剂量CT图像去噪,MDTNet在GPU上仅需0.193 s。MDTNet在保持高效率的同时保留了更多的高频细节,能够为低剂量CT图像去噪提供一种新的框架。 展开更多
关键词 低剂量CT图像 图像去噪 卷积神经网络 双树复小波变换 像素重排
在线阅读 下载PDF
面向快速频率响应系统的网络攻击防御控制策略 被引量:17
3
作者 孙凯祺 邱伟 +2 位作者 李可军 姚文轩 刘奕路 《中国电机工程学报》 EI CSCD 北大核心 2021年第16期5476-5485,共10页
针对广域测量系统中的测量数据受到攻击时,快速频率响应(fast frequency response,FFR)控制系统被欺骗而生成错误控制命令进而危害电网安全的问题,该文提出一种面向虚假数据注入攻击的新型FFR网络安全防御控制策略。该策略首先利用连续... 针对广域测量系统中的测量数据受到攻击时,快速频率响应(fast frequency response,FFR)控制系统被欺骗而生成错误控制命令进而危害电网安全的问题,该文提出一种面向虚假数据注入攻击的新型FFR网络安全防御控制策略。该策略首先利用连续小波变换对被攻击数据进行时频分析,再提出一种攻击重组卷积神经网络用于虚假数据检测。针对被判别为被攻击的测量值,基于提出的新型网络攻击防御控制,以迅速恢复FFR的误响应量,减少FFR误动作造成的影响;若测量数据正常,则结合FFR快速响应恢复控制策略以恢复FFR响应速率,保持FFR的快速响应特性。基于实测频率数据与PSCAD环境的仿真实验表明,所提出的策略可以迅速检测网络攻击,并实时调节FFR输出,提高系统在网络攻击下的运行稳定性。 展开更多
关键词 广域测量系统 快速频率响应 攻击重组卷积神经网络 网络攻击防御控制
在线阅读 下载PDF
基于SFLA改进卷积神经网络的滚动轴承故障诊断 被引量:16
4
作者 李益兵 马建波 江丽 《振动与冲击》 EI CSCD 北大核心 2020年第24期187-193,共7页
针对卷积神经网络(CNN)用于滚动轴承故障诊断时,训练次数比较多,网络结构不容易确定等问题,设计了一种基于混合蛙跳(SFLA)优化CNN的算法(SFLA-CNN),以及基于该算法的滚动轴承故障诊断模型。该模型利用SFLA强大的全局寻优能力和局部深度... 针对卷积神经网络(CNN)用于滚动轴承故障诊断时,训练次数比较多,网络结构不容易确定等问题,设计了一种基于混合蛙跳(SFLA)优化CNN的算法(SFLA-CNN),以及基于该算法的滚动轴承故障诊断模型。该模型利用SFLA强大的全局寻优能力和局部深度搜索能力来优化CNN结构,随后运用具有最优结构的CNN模型直接从原始振动信号中提取低维故障特征,并将其输入到Softmax分类器中进行故障识别。与BP神经网络、CNN等方法对比分析,试验结果表明,SFLA-CNN算法具有更高的准确率以及更少的训练次数。 展开更多
关键词 卷积神经网络(CNN) 混合蛙跳算法(SFLA) 滚动轴承 故障诊断
在线阅读 下载PDF
融合注意力机制的轨道入侵异物检测轻量级模型研究 被引量:20
5
作者 管岭 贾利民 谢征宇 《铁道学报》 EI CAS CSCD 北大核心 2023年第5期72-81,共10页
基于智能视频分析的轨道线路环境入侵物自主识别是保障轨道交通运营安全的关键技术之一。然而基于神经网络的高精度目标检测模型严重依赖算力,部署成本高,很难普及运用。为此,提出一种改进yolov4-tiny的轻量级网络模型。在网络主干,通... 基于智能视频分析的轨道线路环境入侵物自主识别是保障轨道交通运营安全的关键技术之一。然而基于神经网络的高精度目标检测模型严重依赖算力,部署成本高,很难普及运用。为此,提出一种改进yolov4-tiny的轻量级网络模型。在网络主干,通过融合跨阶段结构和通道混洗策略,提出CSPShuffleNet结构,加快网络推理;在网络颈部,引入多头注意力机制,增强网络目标定位能力;在网络头部,使用深度可分离卷积替换传统卷积,进一步压缩网络参数量。基于铁路异物数据集的实验结果表明:相比于原始yolov4-tiny,本模型的均值平均精度最大提高1.4%,参数量减少49.9%,模型容量减少55.4%。验证了本模型对于固定平台和移动平台检测系统的普适性,从而为铁路安全保障提供决策支持。 展开更多
关键词 异物入侵检测 轻量化神经网络 深度可分离卷积 通道混洗 多头注意力机制
在线阅读 下载PDF
基于多粒度空间混乱的细粒度图像分类算法 被引量:6
6
作者 宋思雨 苗夺谦 《智能系统学报》 CSCD 北大核心 2022年第1期144-150,共7页
细粒度图像分类是计算机视觉领域一个具有挑战性的任务,在实际场景中具有很高的应用价值。其中不同子类别的物体整体轮廓差异较小,微小的判别性局部区域是分类的关键。然而,这些重要的局部区域的尺度可能不同,不能用单一的标准去衡量它... 细粒度图像分类是计算机视觉领域一个具有挑战性的任务,在实际场景中具有很高的应用价值。其中不同子类别的物体整体轮廓差异较小,微小的判别性局部区域是分类的关键。然而,这些重要的局部区域的尺度可能不同,不能用单一的标准去衡量它们。为了解决这个问题,本文提出了多粒度空间混乱模块来帮助神经网络学习如何寻找到不同尺度的判别性细节。该模块首先将图片划分为不同粒度的局部区域,然后随机打乱并重组构成新的输入图片。经过处理的图片具有区域无关性,从而迫使网络更好地在不同粒度层次下寻找有判别力的局部区域并从中学习特征。在3个广泛使用的细粒度图像分类数据集上的实验证明本文提出的模块可以有效地帮助网络寻找判别性局部区域从而提升了准确率并且网络不需要图片的任何部位标注信息。 展开更多
关键词 细粒度图像分类 空间混乱 多粒度 深度学习 数据增强 卷积神经网络 弱监督学习 局部区域
在线阅读 下载PDF
结合CWT和LightweightNet的滚动轴承实时故障诊断方法 被引量:6
7
作者 李飞龙 和伟辉 +1 位作者 刘立芳 齐小刚 《智能系统学报》 CSCD 北大核心 2023年第3期496-505,共10页
针对普通的深度学习算法用于轴承故诊断分类时计算量大、消耗成本高的问题,提出一种结合连续小波变换和轻量级神经网络的滚动轴承实时故障诊断方法。首先,使用Morlet母小波函数对轴承振动加速度数据进行连续小波变换,提取出时频域特征... 针对普通的深度学习算法用于轴承故诊断分类时计算量大、消耗成本高的问题,提出一种结合连续小波变换和轻量级神经网络的滚动轴承实时故障诊断方法。首先,使用Morlet母小波函数对轴承振动加速度数据进行连续小波变换,提取出时频域特征并将一维信号转换成二维图片;然后,结合分组卷积、通道混洗、倒残差结构等轻量级神经网络设计元素设计一个轻量级卷积神经网络LightweightNet用于时频图片的故障分类,LightweightNet网络在保证具有足够特征提取能力的同时还具有轻量级特点。使用凯斯西储大学轴承故障数据集进行实验表明,本方法相比于其他使用经典轻量级神经网络的方法具有更少的参数、最高的准确率和更快的诊断速度,基本可以实现滚动轴承的实时故障诊断,且在内存消耗与模型存储占用空间方面远小于其他同类方法。 展开更多
关键词 滚动轴承 故障诊断 连续小波变换 时频域特征 轻量级神经网络 分组卷积 通道混洗 倒残差结构
在线阅读 下载PDF
基于单种群蛙跳优化CNN的眼底图像多病变检测 被引量:4
8
作者 任龙杰 孙颖 +2 位作者 丁卫平 鞠恒荣 曹金鑫 《计算机科学与探索》 CSCD 北大核心 2021年第9期1762-1772,共11页
为了有效解决眼底图像病变处存在交织重叠,大小血管密布并且受光照影响严重等问题,实现眼底图像多标签分类,提出了采用单种群蛙跳优化的卷积神经网络算法(SFCNN)对眼底多种病变进行检测。该算法保留混合蛙跳算法(SFLA)的高效寻优能力,... 为了有效解决眼底图像病变处存在交织重叠,大小血管密布并且受光照影响严重等问题,实现眼底图像多标签分类,提出了采用单种群蛙跳优化的卷积神经网络算法(SFCNN)对眼底多种病变进行检测。该算法保留混合蛙跳算法(SFLA)的高效寻优能力,简化成单种群蛙跳算法,并与传统卷积神经网络(CNN)有效结合。在初始化网络时,通过蛙跳算法优化网络初始权值选择;在网络迭代过程中监听卷积神经网络前向传播损失值并利用蛙跳算法的寻优能力修正异常权值;在网络符合结束条件后对最终权值进行一次蛙跳寻优,使网络权值得到进一步的优化,从而实现对复杂的眼底图像多病变检测分类。该算法对眼底图像病变检测的实验表明,相对于传统CNN算法,无论是在单病变检测还是同时整体检测,正确率均有所提高。 展开更多
关键词 混合蛙跳算法(SFLA) 卷积神经网络(CNN) 眼底图像 多病变检测 权值优化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部