检索结果-维普期刊中文期刊服务平台

基于快速增量学习的行人检测方法被引量：6: 1; 作者施培蓓刘贵全汪中《小型微型计算机系统》 CSCD 北大核心 2015年第8期1837-1841,共5页; 行人检测器如何自适应场景的变化是智能交通的一个难点问题.当离线训练的分类器直接用于特定场景检测行人时,其分类性能将大大降低.针对该问题,提出一种基于快速增量学习的行人检测方法.所提方法的特点是以微小代价通过少量在线样本调... 展开更多; 关键词行人检测增量学习损失函数离线训练在线检测; 在线阅读下载PDF 职称材料

采用DETR与先验知识融合的输电线路螺栓缺陷检测方法被引量：8: 2; 作者李刚张运涛 +1 位作者汪文凯张东阳《图学学报》 CSCD 北大核心 2023年第3期438-447,共10页; 为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并... 展开更多; 关键词螺栓缺陷检测 TRANSFORMER DETR 先验知识增强视觉特征类增量学习损失函数; 在线阅读下载PDF 职称材料

煤氧化-热解进程的增失重阶段与动力学三因子分析被引量：4: 3; 作者贾海林杜志峰 +1 位作者王健解俊杰《中国安全生产科学技术》 CAS CSCD 北大核心 2015年第8期112-118,共7页; 为分析煤氧化-热解进程的增失重阶段与动力学三因子,根据同一氧体积分数、5种不同升温速率下煤氧化-热解的TG-DTG曲线,探讨了煤氧化-热解进程经历的增失重阶段,基于Popescu法计算了不同阶段的动力学三因子。结果表明实验煤样的氧化-热... 展开更多; 关键词氧化-热解进程增失重阶段 Popescu法反应机理函数动力学参数; 在线阅读下载PDF 职称材料

WILS:面向学业预警的非均衡增量式学习方法被引量：1: 4; 作者盛晓光王颖 +2 位作者张迎伟项若曦付红萍《中国科学院大学学报（中英文）》 CSCD 北大核心 2023年第3期422-432,共11页; 学业预警是构建完善教育管理体系的基础,有助于及早发现、干预学生学习和生活中的异常状况。然而实际研究仍面临诸多挑战,如:1)学生学业表现的相关影响因素往往不断变化,导致数据分布的变化;2)学业预警数据集一般存在类别不均衡的问题... 展开更多; 关键词学业预警增量学习非均衡深度学习加权损失函数; 在线阅读下载PDF 职称材料

增量式Huber-支持向量回归机算法研究被引量：2: 5; 作者周晓剑肖丹付裕《运筹与管理》 CSSCI CSCD 北大核心 2022年第8期137-142,共6页; 传统的面向支持向量回归的一次性建模算法中样本增加时,均需从头开始学习,而增量式算法可以充分利用上一阶段的学习成果。SVR的增量算法通常基于ε-不敏感损失函数,该损失函数对大的异常值比较敏感,而Huber损失函数对异常值敏感度低。... 展开更多; 关键词增量算法支持向量回归机 Huber损失函数; 在线阅读下载PDF 职称材料

题名基于快速增量学习的行人检测方法被引量：6: 1; 作者施培蓓刘贵全汪中; 机构合肥师范学院公共计算机教学部中国科学技术大学计算机学院中国电子科技集团公司第三十八研究所数字技术部; 出处《小型微型计算机系统》 CSCD 北大核心 2015年第8期1837-1841,共5页; 基金国家科技支撑计划项目(2012BAH17B03)资助安徽省自然科学基金项目(1408085MF131)资助安徽高等学校省级自然科学研究项目(KJ2013B212)资助; 文摘行人检测器如何自适应场景的变化是智能交通的一个难点问题.当离线训练的分类器直接用于特定场景检测行人时,其分类性能将大大降低.针对该问题,提出一种基于快速增量学习的行人检测方法.所提方法的特点是以微小代价通过少量在线样本调整离线级联分类器的参数,同时保留原有分类器的分类能力.首先定义基于级联分类器架构的目标混合损失函数,接着分别对混合损失函数的离线部分和在线部分进行计算,得到离线部分的近似结果,然后对混合损失函数进行优化求解,最终给出快速增量学习方法的算法流程.在行人检测公开数据集上测试,相比于现有的增量学习方法,实验结果表明所提方法可以有效解决行人检测器的场景自适应问题.; 关键词行人检测增量学习损失函数离线训练在线检测; Keywords pedestrian detection incremental learning loss function offline training online detection; 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

题名采用DETR与先验知识融合的输电线路螺栓缺陷检测方法被引量：8: 2; 作者李刚张运涛汪文凯张东阳; 机构华北电力大学计算机系复杂能源系统智能计算教育部工程研究中心; 出处《图学学报》 CSCD 北大核心 2023年第3期438-447,共10页; 基金国家自然科学基金项目(51407076) 中央高校基本科研业务费专项资金项目(2020MS119)。; 文摘为了解决深度学习模型无法学习螺栓目标的先验知识、仅通过视觉特征难以快速准确定位其缺陷以及螺栓缺陷样本数量有限、类别不平衡的问题,提出了将深度学习模型与螺栓先验知识相结合的方法。选取端到端目标检测(DETR)为基线模型,设计并实现了一种采用DETR与先验知识融合的改进DETR模型。首先,利用视觉-知识注意力模块将螺栓图像的视觉特征与螺栓先验知识有机融合,获得螺栓对应的增强视觉特征;然后,将增强视觉特征送入基于Transformer编码-解码结构的DETR模型框架中对螺栓目标进行识别与分类;最后,针对螺栓危急缺陷样本少及样本不平衡的问题,引入类增量学习损失函数(CILLF)来增强模型的鉴别能力,缓解螺栓缺陷样本间长尾分布问题。仿真实验结果表明:改进DETR模型在输电线路螺栓缺陷样本上的mAP相较于基线模型DETR提升了2.8个百分点;相较于主流Faster R-CNN,YOLOv5l模型,改进DETR模型在长尾分布下螺栓缺陷样本少的类别图像上的检测效果提升尤为显著。; 关键词螺栓缺陷检测 TRANSFORMER DETR 先验知识增强视觉特征类增量学习损失函数; Keywords bolt defect detection Transformer DETR prior knowledge augmented visual features incremental learning-like loss function; 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

题名煤氧化-热解进程的增失重阶段与动力学三因子分析被引量：4: 3; 作者贾海林杜志峰王健解俊杰; 机构河南理工大学安全科学与工程学院山西焦煤集团山西华晋吉宁煤业有限责任公司吉宁煤矿; 出处《中国安全生产科学技术》 CAS CSCD 北大核心 2015年第8期112-118,共7页; 基金国家自然科学基金项目(U1361205 51304069) 河南省基础与前沿技术研究计划项目(082300463205); 文摘为分析煤氧化-热解进程的增失重阶段与动力学三因子,根据同一氧体积分数、5种不同升温速率下煤氧化-热解的TG-DTG曲线,探讨了煤氧化-热解进程经历的增失重阶段,基于Popescu法计算了不同阶段的动力学三因子。结果表明实验煤样的氧化-热解进程可分为失水失重、氧化增重、燃烧失重和燃尽恒重4个阶段。失水失重、氧化增重和燃烧失重阶段的反应机理分别为Mample单行法则、三维扩散模型和相边界反应的收缩球体模型;活化能分别为54.128 k J·mol-1、152.252 k J·mol-1和134.458 k J·mol-1;指前因子的自然对数分别为16.832 s-1、32.597s-1和18.365 s-1。; 关键词氧化-热解进程增失重阶段 Popescu法反应机理函数动力学参数; Keywords oxidation-pyrolysis process weight increment and weight loss stage Popescu method reaction mecha-nism function kinetic parameters; 分类号 X936 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名WILS:面向学业预警的非均衡增量式学习方法被引量：1: 4; 作者盛晓光王颖张迎伟项若曦付红萍; 机构中国科学院大学人工智能学院中国科学院计算技术研究所北京语言大学信息科学学院北京林业大学信息学院国家林业和草原局林业智能信息处理工程技术研究中心; 出处《中国科学院大学学报（中英文）》 CSCD 北大核心 2023年第3期422-432,共11页; 基金国家自然科学基金(61702038) 中国科学院大学管理支撑创新能力提升专项(E0E58914)资助。; 文摘学业预警是构建完善教育管理体系的基础,有助于及早发现、干预学生学习和生活中的异常状况。然而实际研究仍面临诸多挑战,如:1)学生学业表现的相关影响因素往往不断变化,导致数据分布的变化;2)学业预警数据集一般存在类别不均衡的问题。针对上述挑战,提出一种面向学业预警的非均衡增量式学习方法(WILS)。WILS由增量学习机制和加权损失函数两部分构成,增量学习机制能够适应数据分布和样本特征的动态变化,加权损失函数通过为少数类赋予更高的权重提升对该类别的关注度。为评估WILS的效果,在包含2 275名本科生的真实数据集和包含1 000名学生的公开数据集上进行了实验验证。结果表明,相较于已有方法,WILS能够较好地适应数据和特征的连续动态变化,取得优异的识别效果。; 关键词学业预警增量学习非均衡深度学习加权损失函数; Keywords academic warning incremental learning imbalance deep learning weighted loss function; 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

题名增量式Huber-支持向量回归机算法研究被引量：2: 5; 作者周晓剑肖丹付裕; 机构南京邮电大学管理学院厦门大学信息学院; 出处《运筹与管理》 CSSCI CSCD 北大核心 2022年第8期137-142,共6页; 基金国家自然科学基金资助项目(71872088) 江苏省自然科学基金资助(BK20190793)。; 文摘传统的面向支持向量回归的一次性建模算法中样本增加时,均需从头开始学习,而增量式算法可以充分利用上一阶段的学习成果。SVR的增量算法通常基于ε-不敏感损失函数,该损失函数对大的异常值比较敏感,而Huber损失函数对异常值敏感度低。所以在有噪声的情况下,Huber损失函数是比ε-不敏感损失函数更好的选择,在现实情况当中。基于此,本文提出了一种基于Huber损失函数的增量式Huber-SVR算法,该算法能够持续地将新样本信息集成到已经构建好的模型中,而不是重新建模。与增量式ε-SVR算法和增量式RBF算法相比,在对真实数据进行预测建模时,增量式Huber-SVR算法具有更高的预测精度。; 关键词增量算法支持向量回归机 Huber损失函数; Keywords incremental algorithm support vector regression Huber loss function; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 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	基于快速增量学习的行人检测方法	施培蓓刘贵全汪中	《小型微型计算机系统》 CSCD 北大核心	2015	6	在线阅读下载PDF 职称材料
2	采用DETR与先验知识融合的输电线路螺栓缺陷检测方法	李刚张运涛汪文凯张东阳	《图学学报》 CSCD 北大核心	2023	8	在线阅读下载PDF 职称材料
3	煤氧化-热解进程的增失重阶段与动力学三因子分析	贾海林杜志峰王健解俊杰	《中国安全生产科学技术》 CAS CSCD 北大核心	2015	4	在线阅读下载PDF 职称材料
4	WILS:面向学业预警的非均衡增量式学习方法	盛晓光王颖张迎伟项若曦付红萍	《中国科学院大学学报（中英文）》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
5	增量式Huber-支持向量回归机算法研究	周晓剑肖丹付裕	《运筹与管理》 CSSCI CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料