针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码...针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。展开更多
随着智能矿井建设不断推进,图像在矿山安全监测、设备识别与作业辅助中发挥着重要作用。然而,矿井图像常面临低照度、光照不均、噪声干扰等复杂环境问题,导致图像细节模糊、亮度失衡,严重影响后续图像识别与智能分析的准确性。为解决上...随着智能矿井建设不断推进,图像在矿山安全监测、设备识别与作业辅助中发挥着重要作用。然而,矿井图像常面临低照度、光照不均、噪声干扰等复杂环境问题,导致图像细节模糊、亮度失衡,严重影响后续图像识别与智能分析的准确性。为解决上述问题,提出了一种融合多尺度增强机制与色调、饱和度和亮度色彩空间的矿井图像增强算法。该算法以Retinex理论构建的深度增强网络为基础,首先将矿井图像分解为光照与反射2个成分。针对光照成分,设计多尺度卷积网络提取不同空间尺度下的亮度信息,增强全局光照建模能力;针对反射成分,引入双边滤波机制进行噪声抑制与边缘结构保留。然后,分别将优化后的光照与反射成分通过融合重构形成初步增强图像。最后,在HSV色彩空间中分离初步增强图像的亮度通道,引入曝光调整与细节增强模块,进一步实现亮度补偿与纹理还原的联合优化。试验结果表明,所提方法在DIV2K公开数据集中的峰值信噪比高达28.9 d B,结构相似性指数达到0.87。在自制的矿井图像数据集上,该算法的特征相似度指数最高提升至0.902,通用图像质量指数最高达0.847。在不同光照条件下,该方法均表现出良好的细节恢复与亮度均衡能力,验证了其在矿井图像增强中的有效性。展开更多
针对当前各类路径优化算法搜索规模较小、收敛速度较慢、全局搜索与局部搜索不平衡等问题,提出一种多策略融合的改进灰狼优化算法(multi-strategy fusion of grey wolf optimization algorithm,MGWO)。通过引入精英反向优化策略对种群...针对当前各类路径优化算法搜索规模较小、收敛速度较慢、全局搜索与局部搜索不平衡等问题,提出一种多策略融合的改进灰狼优化算法(multi-strategy fusion of grey wolf optimization algorithm,MGWO)。通过引入精英反向优化策略对种群进行初始化,提高初始解的质量。采用自适应权重机制,动态调整最优狼的领导能力。通过分段搜索方法,提升平衡局部搜索与全局探索的能力。仿真实验结果表明:该算法表现出色,能快速找到最优路径,提高算法的整体性能,具有一定借鉴作用。展开更多
文摘针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。
文摘随着智能矿井建设不断推进,图像在矿山安全监测、设备识别与作业辅助中发挥着重要作用。然而,矿井图像常面临低照度、光照不均、噪声干扰等复杂环境问题,导致图像细节模糊、亮度失衡,严重影响后续图像识别与智能分析的准确性。为解决上述问题,提出了一种融合多尺度增强机制与色调、饱和度和亮度色彩空间的矿井图像增强算法。该算法以Retinex理论构建的深度增强网络为基础,首先将矿井图像分解为光照与反射2个成分。针对光照成分,设计多尺度卷积网络提取不同空间尺度下的亮度信息,增强全局光照建模能力;针对反射成分,引入双边滤波机制进行噪声抑制与边缘结构保留。然后,分别将优化后的光照与反射成分通过融合重构形成初步增强图像。最后,在HSV色彩空间中分离初步增强图像的亮度通道,引入曝光调整与细节增强模块,进一步实现亮度补偿与纹理还原的联合优化。试验结果表明,所提方法在DIV2K公开数据集中的峰值信噪比高达28.9 d B,结构相似性指数达到0.87。在自制的矿井图像数据集上,该算法的特征相似度指数最高提升至0.902,通用图像质量指数最高达0.847。在不同光照条件下,该方法均表现出良好的细节恢复与亮度均衡能力,验证了其在矿井图像增强中的有效性。
文摘针对当前各类路径优化算法搜索规模较小、收敛速度较慢、全局搜索与局部搜索不平衡等问题,提出一种多策略融合的改进灰狼优化算法(multi-strategy fusion of grey wolf optimization algorithm,MGWO)。通过引入精英反向优化策略对种群进行初始化,提高初始解的质量。采用自适应权重机制,动态调整最优狼的领导能力。通过分段搜索方法,提升平衡局部搜索与全局探索的能力。仿真实验结果表明:该算法表现出色,能快速找到最优路径,提高算法的整体性能,具有一定借鉴作用。
