多尺度多粒度解耦蒸馏模糊分类器及其在癫痫脑电信号检测中的应用

1

作者 蒋云良 金森洋 +2 位作者 张雄涛 刘凯宁 申情 《计算机科学》 北大核心 2025年第9期37-46,共10页

在癫痫脑电信号检测任务中,深度学习方法具有强大的深度表达能力,但可解释性较差,Takagi-Sugeno-Kang(TSK)模糊分类器虽具备良好的基于模糊规则的可解释性,但其建模能力有限。为了更好地兼顾癫痫检测模型的性能与可解释性,提出了一种多... 在癫痫脑电信号检测任务中,深度学习方法具有强大的深度表达能力,但可解释性较差,Takagi-Sugeno-Kang(TSK)模糊分类器虽具备良好的基于模糊规则的可解释性,但其建模能力有限。为了更好地兼顾癫痫检测模型的性能与可解释性,提出了一种多尺度多粒度解耦蒸馏模糊分类器(MMDD-TSK-FC)。首先,训练不同卷积核大小的一维卷积神经网络作为教师模型,目的是充分提取脑电信号在不同尺度上的特征信息;其次,将教师模型的输出结果软化生成软标签,最小化其与对应不同规则粒度TSK模糊分类器输出软标签之间的Kullback-Leible散度,以实现深度特征表示知识的有效迁移,同时最小化学生模型输出与真实标签的交叉熵损失;最后,通过投票法整合多个TSK模糊分类器的输出结果。同时,借由多粒度的TSK模糊分类器生成的多组由繁至简的IF-THEN规则,为模型检测依据提供可解释表达。在Bonn和新德里HauzKhas癫痫脑电数据集上的实验结果充分验证了MMDD-TSK-FC的优势,其相比经典TSK分类器提升了约5%的准确率,优于其他深度知识蒸馏模型约3%。 展开更多

关键词 TSK模糊分类器 癫痫脑电信号检测 多尺度 多粒度 知识蒸馏 可解释性

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的手机屏幕瑕疵检测算法:PGS-YOLO 被引量：1

2

作者 周思瑜 徐慧英 +4 位作者 朱信忠 黄晓 盛轲 曹雨淇 陈晨 《计算机工程》 北大核心 2025年第5期326-339,共14页

手机屏幕作为人机交互的主窗口,已成为影响用户体验和终端整体性能的重要因素。因此,市场对解决手机屏幕瑕疵的需求日益增长。为满足这一需求,针对在手机屏幕瑕疵检测过程中存在检测精度低、小目标瑕疵漏检率高与检测速度慢的情况,提出... 手机屏幕作为人机交互的主窗口,已成为影响用户体验和终端整体性能的重要因素。因此,市场对解决手机屏幕瑕疵的需求日益增长。为满足这一需求,针对在手机屏幕瑕疵检测过程中存在检测精度低、小目标瑕疵漏检率高与检测速度慢的情况,提出一种以YOLOv8n作为基准模型的PGS-YOLO算法。PGS-YOLO通过增加一个专门的微小目标检测头,并结合SeaAttention注意力模块,有效提升对小目标的探测能力;将骨干网络和特征融合网络分别融入PConv与GhostNetV2轻量化模块,在保证精度的同时降低模型的参数量,提高瑕疵检测的速度与效率。实验结果表明,在北京大学手机屏幕表面瑕疵数据集中,相较于YOLOv8n,PGS-YOLO算法的mAP@0.5提升了2.5百分点,mAP@0.5∶0.95提升了2.2百分点,在手机屏幕瑕疵检测过程中不仅能对大片的瑕疵做到精准检测,还能对小瑕疵保持一定的准确度。此外,检测性能优于YOLOv5n、YOLOv8s等大部分YOLO系列算法。同时,参数量仅为2.0×10^(6),小于YOLOv8n,满足工业场景对手机屏幕瑕疵检测的需求。 展开更多

关键词 YOLOv8n模型 手机屏幕瑕疵检测 小目标检测 部分卷积 GhostNetV2轻量化模块 挤压增强轴向注意力

在线阅读 下载PDF 职称材料

基于改进YOLOv8的轻量化鱼苗检测算法:FD-YOLO 被引量：1

3

作者 王泽宇 徐慧英 +3 位作者 朱信忠 黄晓 梁佳杰 李琛 《计算机工程》 北大核心 2025年第4期327-338,共12页

基于深度学习的鱼苗检测在水产养殖中的应用为自动化和精确化管理提供了可能。针对鱼苗检测中设备性能低、实时性要求高等问题,提出一种改进YOLOv8的轻量化鱼苗检测算法FD-YOLO。将快速网络(FasterNet)替换YOLOv8原CSPDarkNet特征提取网... 基于深度学习的鱼苗检测在水产养殖中的应用为自动化和精确化管理提供了可能。针对鱼苗检测中设备性能低、实时性要求高等问题,提出一种改进YOLOv8的轻量化鱼苗检测算法FD-YOLO。将快速网络(FasterNet)替换YOLOv8原CSPDarkNet特征提取网络,采用局部卷积(PConv)减少冗余计算和内存访问。在特征融合中引入深度可分离卷积(DWConv),将标准卷积过程分解为相对简单的深度卷积和逐点卷积两个步骤并行处理,进一步减少模型的复杂性和计算资源消耗。使用Focal-EIoU作为模型损失函数,提高检测精度,使得模型更具鲁棒性。实验结果表明,改进后的检测模型参数量和计算量大幅降低,模型参数量下降了91%,计算量下降了85%,在CPU上的推理速度加快了3倍。改进后的鱼苗检测算法能更好地兼顾高精度和实时性之间的平衡,便于部署在资源有限的硬件平台上。 展开更多

关键词 目标检测 鱼苗检测 轻量化 局部卷积 深度可分离卷积

在线阅读 下载PDF 职称材料

基于改进的YOLOv8n海洋动物目标检测算法:DPSC-YOLO 被引量：1

4

作者 梁佳杰 徐慧英 +3 位作者 朱信忠 王舒梦 刘子洋 李琛 《计算机工程与科学》 北大核心 2025年第4期695-705,共11页

在海洋复杂的环境中,由于图像拍摄模糊、背景复杂,导致基于深度学习的目标检测算法存在特征提取困难和目标漏检等问题,因此海洋目标检测算法需要更加高效且性能优越。为此提出了一种基于YOLOv8n改进的海洋动物目标检测算法:DPSC-YOLO。... 在海洋复杂的环境中,由于图像拍摄模糊、背景复杂,导致基于深度学习的目标检测算法存在特征提取困难和目标漏检等问题,因此海洋目标检测算法需要更加高效且性能优越。为此提出了一种基于YOLOv8n改进的海洋动物目标检测算法:DPSC-YOLO。在主干网络中引入DCNv2模块,通过增强空间建模能力来适应对象的几何变化;在主干网络末端引入空间金字塔池化SPPFCSPC,在保持模型感知场不变的同时减少模型的计算量;在颈部网络增加F 2极小目标检测头,结合其余3个尺度,使用4个不同的感受野检测层提高小目标检测精度;在颈部网络的C2f模块中结合CoTAttention注意力机制更好地利用相邻键之间的上下文信息,并根据数据的特点动态调整注意力分配。实验结果表明,DPSC-YOLO目标检测算法与YOLOv8n相比mAP@0.5提升了1.1%,mAP@0.5:0.95提升了4.6%,同时仅有较少的参数量和计算量的增加,证明DPSC-YOLO更适合复杂海洋环境中的目标检测任务。 展开更多

关键词 YOLOv8 DCNv2 SPPFCSPC 上下文注意力机制 小目标检测头

在线阅读 下载PDF 职称材料

基于YOLOv8改进的跌倒检测算法:OEF-YOLO

5

作者 宋杰 徐慧英 +3 位作者 朱信忠 黄晓 陈晨 王泽宇 《计算机工程》 北大核心 2025年第7期127-139,共13页

在室内场景下,受角度、光线变化等因素的影响,导致现有目标检测算法检测跌倒事件时检测精度降低、实时性变差。为此,提出一种基于YOLOv8改进的跌倒检测算法OEF-YOLO。采用全维动态卷积(ODConv)模块改进YOLOv8中的C2f模块,优化了核空间的... 在室内场景下,受角度、光线变化等因素的影响,导致现有目标检测算法检测跌倒事件时检测精度降低、实时性变差。为此,提出一种基于YOLOv8改进的跌倒检测算法OEF-YOLO。采用全维动态卷积(ODConv)模块改进YOLOv8中的C2f模块,优化了核空间的4个维度以增强特征提取能力,而且有效减少了计算负担。同时,为了捕获更细粒度的特征,在颈部网络中引入高效多尺度注意力(EMA)模块,进一步聚合像素级特征,提高网络在跌倒场景中的处理能力。在CIoU损失函数中融入Focal Loss思想,使模型对难分类样本给予更多关注,优化模型整体性能。实验结果表明,相比YOLOv8n,OEF-YOLO跌倒检测算法在mAP@0.5指标上提升了1.5百分点,mAP@0.5∶0.95提升1.4百分点,参数量和计算量分别为3.1×10^(6)和6.5 GFLOPs,在图形处理器(GPU)上FPS提高了44,在提高精度检测跌倒事件的同时,兼顾了低算力场景下的部署要求。 展开更多

关键词 目标检测 轻量化 跌倒事件 注意力机制 全维动态卷积

在线阅读 下载PDF 职称材料

PC-ConvNeXt:基于改进ConvNeXt网络的水稻病害识别模型

6

作者 王龙飞 李毅 +6 位作者 曹丽萍 曹利 徐慧英 杨乐 朱信忠 谢刚 刘婷 《江西师范大学学报(自然科学版)》 北大核心 2025年第3期290-302,共13页

水稻病害的多样性和复杂性使得其准确识别成为一项艰巨的任务,尤其是在非理想环境下,诸如背景噪声和病害特征提取的困难等进一步加剧了这一挑战.为了应对这些问题,该文提出了一种基于ConvNeXt网络的改进模型,即PC-ConvNeXt.该模型通过... 水稻病害的多样性和复杂性使得其准确识别成为一项艰巨的任务,尤其是在非理想环境下,诸如背景噪声和病害特征提取的困难等进一步加剧了这一挑战.为了应对这些问题,该文提出了一种基于ConvNeXt网络的改进模型,即PC-ConvNeXt.该模型通过引入轻量级的金字塔切分注意力机制,有效地构建了一个多尺度特征融合模块,以更好地处理在复杂背景下的噪声问题,以及整合了通道和空间注意力机制,对特征图进行精确校准,使模型能够更准确地突出显示在图像中的病害区域.在数据增强方面,除采用传统的数据增强方法外,还结合了扩散模型来合成病害叶片图像,为模型提供了包含健康和叶片病害图像及其对应病害类别标签的综合数据集.在8种水稻病害识别数据集上的测试结果显示:PC-ConvNeXt模型展现了优异的性能,准确率和平均精度分别为88.02%和95.44%,均达到了较高水平标准.实验结果充分表明PC-ConvNeXt模型在水稻病害识别任务中的有效性和优越性.与对比模型相比,PC-ConvNeXt在精度和性能方面显著提升,展示了其在实际应用中的潜力和价值. 展开更多

关键词 水稻病害 注意力机制 多尺度特征融合 PC-ConvNeXt模型

在线阅读 下载PDF 职称材料

基于YOLOv5n模型改进的口罩检测算法:Mask-YOLO

7

作者 李毅 徐慧英 +3 位作者 朱信忠 黄晓 王舒梦 李悉钰 《计算机工程》 北大核心 2025年第6期297-310,共14页

口罩作为基础的个人防护物品,在公共卫生领域发挥着重要作用。针对复杂场景下口罩检测精确度低的问题,提出一种基于YOLOv5n改进的轻量级口罩检测算法Mask-YOLO,以提高口罩检测精确度和模型训练的稳定性。在特征提取阶段的卷积模块组中采... 口罩作为基础的个人防护物品,在公共卫生领域发挥着重要作用。针对复杂场景下口罩检测精确度低的问题,提出一种基于YOLOv5n改进的轻量级口罩检测算法Mask-YOLO,以提高口罩检测精确度和模型训练的稳定性。在特征提取阶段的卷积模块组中采用Softplus激活函数,提升模型非线性映射效率,加快模型的收敛速度;在主干特征提取深层网络中添加Coordinate Attention,通过嵌入位置信息得到通道注意力,使网络获取更大的物体区域信息和通道目标特征,同时避免较大的内存开销;在深层网络将快速空间金字塔池化(SPPF)模块替换为接受域模块(RFB),借助不同的膨胀率来扩大卷积特征采样的感受野,以获取高层网络中丰富的物体语义信息;在多尺度特征融合网络PANet结构的基础上,添加BiFPN跨阶段多尺度特征融合设计,使得具有不同尺度空间信息和语义信息的目标特征充分融合交互,进一步提升小目标检测精度;采用DIoU作为边界框损失函数,用以解决边界框回归不稳定和目标漏检的问题;采用Soft-NMS的方法,通过降低重叠检测框置信度得分的方式,进一步提升检测效率。实验结果表明,Mask-YOLO与基准模型YOLOv5n相比,在mAP@0.95综合评价指标上性能提升8.58%,解决了原始YOLOv5n算法在口罩检测中小目标检测精度低、边界框回归不稳定、模型训练收敛慢等问题,实现了高效的口罩检测。 展开更多

关键词 目标检测 口罩检测 特征融合 YOLOv5n 特征金字塔网络

在线阅读 下载PDF 职称材料

基于改进YOLOv8n的航拍轻量化小目标检测算法:PECS-YOLO

8

作者 王舒梦 徐慧英 +3 位作者 朱信忠 黄晓 宋杰 李毅 《计算机工程》 北大核心 2025年第9期280-293,共14页

在无人机(UAV)航拍中,目标通常是密集分布、特征不明显的小目标,且物体尺度变化较大。因此,目标检测容易出现漏检和误检的问题。为了解决这些问题,提出了一种基于改进YOLOv8n的航拍轻量化小目标检测算法:PECS-YOLO。该算法通过在Neck部... 在无人机(UAV)航拍中,目标通常是密集分布、特征不明显的小目标,且物体尺度变化较大。因此,目标检测容易出现漏检和误检的问题。为了解决这些问题,提出了一种基于改进YOLOv8n的航拍轻量化小目标检测算法:PECS-YOLO。该算法通过在Neck部分增加P2小目标检测层,将浅层和深层的特征图进行拼接,以更好地捕捉小目标的细节信息;将轻量化卷积PartialConv引入全新的结构CSPPC(Cross Stage Partial PartialConv),替换Neck网络中的C2f(Concatenation with Fusion),实现模型轻量化;引入SPPELAN(Spatial Pyramid Pooling with Efficient Layer Aggregation Network),以有效地捕捉小目标特征;通过在Neck部分每个检测头前加入压缩和激励(SE)注意力机制,使网络更好地关注有用的通道,减少复杂环境中背景噪声对小目标检测任务的干扰;最后使用EfficiCIoU作为边界框损失函数,将边界框的形状差异也考虑在内,以增强模型对小目标的检测能力。实验结果表明:相比YOLOv8n,PECS-YOLO目标检测算法在VisDrone2019-DET数据集上交并比为0.5的平均精度(mAP@0.5)提高了3.5%,交并比为0.5∶0.95的平均精度(mAP@0.5∶0.95)提高了3.7%,模型参数量减少了约25.7%,检测速度提高了约65.2%。综上所述,PECS-YOLO模型适合于UAV航拍下的小目标检测任务。 展开更多

关键词 小目标检测 YOLOv8n 无人机检测 SPPELAN 轻量化

在线阅读 下载PDF 职称材料

自加权多视图k-均值算法

9

作者 林合川 徐慧英 +2 位作者 朱信忠 黄晓 刘子洋 《计算机工程》 北大核心 2025年第8期141-150,共10页

随着信息技术的不断进步,人们能够运用越来越多样化和复杂的方式来更准确地描述事物,这导致了多视图数据的出现。对多视图数据聚类是数据挖掘、机器学习、模式识别等领域的基础和重要课题。在这个信息爆炸的时代,数据的维度越来越高,如... 随着信息技术的不断进步,人们能够运用越来越多样化和复杂的方式来更准确地描述事物,这导致了多视图数据的出现。对多视图数据聚类是数据挖掘、机器学习、模式识别等领域的基础和重要课题。在这个信息爆炸的时代,数据的维度越来越高,如何有效地对这类数据进行聚类仍然是一项巨大的挑战。针对目前多视图k-均值算法在处理高维数据时能力不足的问题,提出一种全新的多视图聚类框架——自加权多视图k-均值(SwMKM)算法。首先,通过采用最小绝对准则来引导鲁棒性,降低异常值对结果的影响;然后,采用迭代重加权最小二乘法(IRLS)来求解最小绝对残差,通过自适应地调整多个权重的分布,实现重加权的控制;最后,通过引入具有l_(2,1)范数惩罚项的投影矩阵,将原始数据集的高维特征空间转换为统计上不相关的低维的子空间,实现特征选择和噪声抑制。实验结果显示,SwMKM算法在Handwritten numerals、MSRCv1、Outdoor Scene等数据集上的表现明显优于其他多视图k-均值算法,证明了该算法聚类的优越性。 展开更多

关键词 无监督学习 K-均值 多视图聚类 l_(2 1)范数 自加权

在线阅读 下载PDF 职称材料

YGL-SLAM:动态场景下基于点和线的语义SLAM系统

10

作者 戴康佳 徐慧英 +4 位作者 朱信忠 李悉钰 黄晓 陈国强 张志雄 《计算机工程》 北大核心 2025年第3期95-104,共10页

传统的视觉同步定位与建图(SLAM)系统是基于静态环境这一假设的,然而在现实场景中往往存在动态物体,这可能导致SLAM位姿估计和地图构建的精度下降、鲁棒性变差,甚至出现跟踪丢失的情况。针对上述问题,基于ORB-SLAM2提出新的语义SLAM系统... 传统的视觉同步定位与建图(SLAM)系统是基于静态环境这一假设的,然而在现实场景中往往存在动态物体,这可能导致SLAM位姿估计和地图构建的精度下降、鲁棒性变差,甚至出现跟踪丢失的情况。针对上述问题,基于ORB-SLAM2提出新的语义SLAM系统(YGL-SLAM)。该系统首先使用轻量级目标检测算法YOLOv8n追踪动态对象,获得动态对象的语义信息。然后在跟踪线程的同时提取点特征和线特征,根据获取的语义信息利用Z-score和对极几何算法剔除动态特征,以改进SLAM在动态场景中的表现。此外,鉴于轻量级目标检测算法在追踪动态对象时存在连续帧的漏检测问题,设计了基于相邻帧的检测补偿方法。在公开数据集TUM和Bonn上的测试结果表明,相比ORB-SLAM2,YGL-SLAM系统准确率提升超过90%,对比其他动态SLAM,YGL-SLAM也具有较高的准确度和鲁棒性。 展开更多

关键词 动态场景 语义同步定位与建图 线特征 深度学习 YGL-SLAM系统

在线阅读 下载PDF 职称材料

CRC-PAC码的自适应移位修剪列表译码算法

11

作者 楼俊豪 黄志亮 +1 位作者 张莜燕 周水红 《无线电通信技术》 北大核心 2025年第1期155-160,共6页

极化调整卷积(Polarization-Adjusted Convolutional,PAC)码的列表译码算法显示出优异的性能,但是仍然存在两个缺陷:①PAC码不具备错误检测能力不利于实际应用;②列表译码算法路径度量的大量累加导致正确译码路径被删除。针对这两个问题... 极化调整卷积(Polarization-Adjusted Convolutional,PAC)码的列表译码算法显示出优异的性能,但是仍然存在两个缺陷:①PAC码不具备错误检测能力不利于实际应用;②列表译码算法路径度量的大量累加导致正确译码路径被删除。针对这两个问题,在短PAC码上级联循环冗余校验(Cyclic Redundancy Check,CRC)码使其获得检错能力,结合移位修剪列表(Shifted-Pruning List,SPL)译码算法解决列表译码潜在的正确路径被删除的问题,并结合自适应列表方案,进一步降低CRC-PAC码的误码率。仿真结果表明,与传统的CRC辅助列表译码相比,所提出的自适应移位修剪列表(Adaptive Shifted-Pruning List,ASPL)译码可以实现更好的性能。 展开更多

关键词 极化调整卷积码 极化码 循环冗余校验辅助 列表译码 移位修剪

在线阅读 下载PDF 职称材料

基于深度学习的RGBT目标跟踪研究进展

12

作者 张大伟 王炫 +1 位作者 何小卫 郑忠龙 《计算机工程与应用》 北大核心 2025年第19期43-59,共17页

目标跟踪是计算机视觉领域的一项重要任务,其中单目标跟踪是指在给定的视频序列中持续跟踪单个目标。然而可见光图像的成像依赖于光照条件,仅凭可见光信息难以满足低光照、雨雾天气等复杂恶劣环境下的目标跟踪。RGBT(RGB-thermal)目标... 目标跟踪是计算机视觉领域的一项重要任务,其中单目标跟踪是指在给定的视频序列中持续跟踪单个目标。然而可见光图像的成像依赖于光照条件,仅凭可见光信息难以满足低光照、雨雾天气等复杂恶劣环境下的目标跟踪。RGBT(RGB-thermal)目标跟踪是指结合热红外与可见光图像数据,利用双方互补优势共同实现跟踪任务,以提高跟踪的鲁棒性和准确性。随着深度学习的发展,目前RGBT目标跟踪领域研究成果众多,但现有大部分综述缺乏对近几年新兴的多模态融合研究前沿的介绍与总结。介绍了RGBT目标跟踪的概念与面临的挑战,将现有算法分为五大类进行梳理与分析,总结了当前主流的RGBT目标跟踪数据集与评价指标,并提供了各种跟踪算法在主流数据集上的性能对比,供研究人员参考,探讨了RGBT目标跟踪亟待解决的问题和潜在的研究方向,以期推动跟踪领域的进一步发展。 展开更多

关键词 计算机视觉 深度学习 目标跟踪 热红外图像 多模态融合

在线阅读 下载PDF 职称材料

ECG-QGAN:基于量子生成对抗网络的心电图生成式信息系统

13

作者 瞿治国 陈韦龙 +2 位作者 孙乐 刘文杰 张彦春 《计算机研究与发展》 北大核心 2025年第7期1622-1638,共17页

据统计,我国心血管疾病患病人数约达3.3亿,每年因为心血管疾病死亡的人数占总死亡人数的40%.在这种背景下,心脏病辅助诊断系统的发展显得尤为重要,但其开发受限于缺乏不含患者隐私信息和由医疗专家标注的大量心电图(electrocardiogram,E... 据统计,我国心血管疾病患病人数约达3.3亿,每年因为心血管疾病死亡的人数占总死亡人数的40%.在这种背景下,心脏病辅助诊断系统的发展显得尤为重要,但其开发受限于缺乏不含患者隐私信息和由医疗专家标注的大量心电图(electrocardiogram,ECG)临床数据.作为一门新兴学科,量子计算可通过利用量子叠加和纠缠特性,能够探索更大、更复杂的状态空间,进而有利于生成同临床数据一样的高质量和多样化的ECG数据.为此,提出了一种基于量子生成对抗网络(QGAN)的ECG生成式信息系统,简称ECG-QGAN.其中QGAN由量子双向门控循环单元(quantum bidirectional gated recurrent unit,QBiGRU)和量子卷积神经网络(quantum convolutional neural network,QCNN)组成.该系统利用量子的纠缠特性提高生成能力,以生成与现有临床数据一致的ECG数据,从而可以保留心脏病患者的心跳特征.该系统的生成器和判别器分别采用QBiGRU和QCNN,并应用了基于矩阵乘积状态(matrix product state,MPS)和树形张量网络(tree tensor network,TTN)所设计的变分量子电路(variational quantum circuit,VQC),可以使该系统在较少的量子资源下更高效地捕捉ECG数据信息,生成合格的ECG数据.此外,该系统应用了量子Dropout技术,以避免训练过程中出现过拟合问题.最后,实验结果表明,与其他生成ECG数据的模型相比,ECG-QGAN生成的ECG数据具有更高的平均分类准确率.同时它在量子位数量和电路深度方面对当前噪声较大的中尺度量子(noise intermediate scale quantum,NISQ)计算机是友好的. 展开更多

关键词 生成式信息系统 心电图 量子生成对抗网络 量子双向门控循环单元 量子卷积神经网络

在线阅读 下载PDF 职称材料

基于集成学习的不平衡图节点分类算法

14

作者 赵华健 杨钦程 胡兆龙 《电子科技大学学报》 北大核心 2025年第3期455-463,共9页

图神经网络(GNN)被广泛应用于节点分类。然而,现有研究集中于平衡数据集,但是不平衡数据却普遍存在。传统处理不平衡数据集的方法,如重采样和重加权,往往需要进行较多的预处理或提出新的网络结构,容易引入新的偏差并导致信息丢失。该文... 图神经网络(GNN)被广泛应用于节点分类。然而,现有研究集中于平衡数据集,但是不平衡数据却普遍存在。传统处理不平衡数据集的方法,如重采样和重加权,往往需要进行较多的预处理或提出新的网络结构,容易引入新的偏差并导致信息丢失。该文提出了一种改良的装袋(Bagging)集成学习方法,对不平衡图数据集进行了k折划分,并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后,通过融合不同模型来提升节点的分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果,表明所提出的方法在准确性和鲁棒性上优于基本分类器,此外,还发现分类精度随着k的增加先提高后降低。 展开更多

关键词 图神经网络 节点分类 图网络结构 不平衡图数据集 集成学习

在线阅读 下载PDF 职称材料

基于信噪比的学习型哈里斯鹰优化算法

15

作者 张林 沈佳颖 +1 位作者 胡传陆 朱东林 《北京航空航天大学学报》 北大核心 2025年第7期2360-2373,共14页

针对哈里斯鹰优化(HHO)算法存在种群学习性与适应性不足的问题,提出一种基于信噪比的学习型哈里斯鹰优化(SLHHO)算法。该算法通过引入信噪比的概念来判断个体的位置信息,设计了一种协调学习策略,可以更合理地更新种群内个体的位置,进而... 针对哈里斯鹰优化(HHO)算法存在种群学习性与适应性不足的问题,提出一种基于信噪比的学习型哈里斯鹰优化(SLHHO)算法。该算法通过引入信噪比的概念来判断个体的位置信息,设计了一种协调学习策略,可以更合理地更新种群内个体的位置,进而对逃逸距离重新设计,提升了算法的适应与寻优能力。以12个基准函数为标准,将所提算法与哈里斯鹰算法的变体及其他算法进行性能测试,并在时间复杂度、多样性、探索与开发等评价指标中进行对比分析,结果显示,SLHHO算法具有较强的竞争力与可行性,在压力容器设计问题中,验证了SLHHO算法的实用性。 展开更多

关键词 哈里斯鹰优化 信噪比 协调学习 逃逸距离 基准函数

在线阅读 下载PDF 职称材料

动态信息网中持续扩展k-truss社区序列查找算法

16

作者 王芯蕊 姚越 +2 位作者 于东晓 高宏 成秀珍 《软件学报》 北大核心 2025年第6期2900-2926,共27页

动态信息网(DIN)包含了真实世界中随时间推移不断发生变化的对象以及对象间的联系,常常被刻画为一系列静态无向图快照.社区,由信息网中一些内部联系紧密的对象组成.动态信息网中常常存在这样的社区:在一段时间内,随着时间的推移,社区成... 动态信息网(DIN)包含了真实世界中随时间推移不断发生变化的对象以及对象间的联系,常常被刻画为一系列静态无向图快照.社区,由信息网中一些内部联系紧密的对象组成.动态信息网中常常存在这样的社区:在一段时间内,随着时间的推移,社区成员规模不断扩大,并且社区内部成员间始终保持紧密的联系.这样的社区在相应时间段内的演化轨迹在动态信息网的多张图快照上形成了一个社区序列,称为持续扩展社区序列.在动态信息网中查找持续扩展社区序列有重要的实用价值,但是以前的工作并未对此进行研究.结合集合的包含关系和三角连通k-truss模型,提出动态信息网中基于查询点q的持续扩展社区序列(qLEC)模型,设计了一个正向计算社区候选顶点集-反向回溯查找社区序列的持续扩展社区序列两阶段查找算法,并给出基于提早终止策略的时间优化和基于TCP索引压缩技术的空间优化方法.通过充分的实验证明:相比于现有动态社区模型, qLEC模型具有特定的实际意义;两阶段查找算法能够有效找到qLEC模型所刻画的持续扩展社区序列;优化策略显著降低了两阶段查找算法的时间和空间开销. 展开更多

关键词 动态图 三角连通k-truss 持续扩展社区序列 基于DFS的回溯算法 剪枝

在线阅读 下载PDF 职称材料

基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法 被引量：1

17

作者 蒋云良 周阳 +2 位作者 张雄涛 苗敏敏 张永 《智能系统学报》 CSCD 北大核心 2024年第4期909-919,共11页

为了缓解传统微调算法的灾难性遗忘问题,本文提出了一种基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法Mix-Tuning。Mix-Tuning通过预训练、微调的二阶段训练方式,实现跨领域知识迁移。预训练阶段,Mix-Tuning使用源域数据初始... 为了缓解传统微调算法的灾难性遗忘问题,本文提出了一种基于域间Mixup微调策略的跨被试运动想象脑电信号分类算法Mix-Tuning。Mix-Tuning通过预训练、微调的二阶段训练方式,实现跨领域知识迁移。预训练阶段,Mix-Tuning使用源域数据初始化模型参数,挖掘源域数据潜在信息。微调阶段,Mix-Tuning通过域间Mixup,生成域间插值数据微调模型参数。域间Mixup数据增强策略引入源域数据潜在信息,缓解传统微调算法在样本稀疏场景下的灾难性遗忘问题,提高模型的泛化性能。Mix-Tuning被进一步应用于运动想象脑电信号分类任务,实现了跨被试正向知识迁移。Mix-Tuning在BMI数据集的运动想象任务达到了85.50%的平均分类准确率,相较于被试–依赖和被试–独立训练方式的预测准确率58.72%和84.01%,分别提高26.78%和1.49%。本文分析结果可为跨被试运动想象脑电信号分类算法提供参考。 展开更多

关键词 域间Mixup 预训练 微调 脑电信号 运动想象 跨被试知识迁移 卷积神经网络 正则化

在线阅读 下载PDF 职称材料

基于RCJAYA算法的太阳电池参数辨识 被引量：1

18

作者 欧阳城添 黄祖威 +3 位作者 刘裕嘉 张林 朱东林 周昌军 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第7期2133-2140,共8页

为提升智能优化算法辨识太阳电池参数的精度和准确度,提出一种基于排序概率量化机制和混沌扰动JAYA算法(RCJAYA)的辨识方法。RCJAYA算法根据排序概率选择不同方式对个体进行更新,以平衡局部和全局搜索能力,保持种群多样性;对最优个体进... 为提升智能优化算法辨识太阳电池参数的精度和准确度,提出一种基于排序概率量化机制和混沌扰动JAYA算法(RCJAYA)的辨识方法。RCJAYA算法根据排序概率选择不同方式对个体进行更新,以平衡局部和全局搜索能力,保持种群多样性;对最优个体进行混沌扰动,发掘更优解替代最差解,提升种群质量;采用替换策略更新陷入停滞的个体,提升算法性能。通过RCJAYA算法辨识参数得到的太阳电池单、双二极管的电流均方根误差最优值分别为9.8602×10^(-4)A、9.8258×10^(-4)A,与JAYA等5种算法对比,结果表明,RCJAYA算法更具优势。根据辨识结果计算出模拟电流,与实测电流进行比对,在单、双二极管上的平均误差分别为0.00084 A、0.00082 A,表明RCJAYA算法辨识的参数值准确可靠。 展开更多

关键词 太阳电池 参数辨识 JAYA算法 排序概率 混沌扰动

在线阅读 下载PDF 职称材料

高阶Takagi-Sugeno-Kang模糊知识蒸馏分类器及其在脑电信号分类中的应用

19

作者 蒋云良 印泽宗 +2 位作者 张雄涛 申情 李华 《智能系统学报》 CSCD 北大核心 2024年第6期1419-1427,共9页

在脑电信号(electro encephalo gram,EEG)的分类检测任务中,低阶TSK(Takagi-Sugeno-Kang)模糊分类器的学习速度较快,但性能表现不理想,高阶TSK模糊分类器虽然具有较强的性能优势,但极其复杂的模糊规则后件严重影响模型的运行速度。为此... 在脑电信号(electro encephalo gram,EEG)的分类检测任务中,低阶TSK(Takagi-Sugeno-Kang)模糊分类器的学习速度较快,但性能表现不理想,高阶TSK模糊分类器虽然具有较强的性能优势,但极其复杂的模糊规则后件严重影响模型的运行速度。为此,提出一种基于负欧氏概率和高阶模糊隐藏知识迁移的新型TSK模糊蒸馏分类器(solved TSK-least learning machine-knowledge distillation classifier,STSK-LLM-KD)。首先,利用所提出的基于知识蒸馏的最小学习机(LLM-KD)对教师模型的后件参数进行快速求解并得到相应的负欧氏概率用于生成软标签;然后,通过计算软标签之间的Kullback-Leible散度提取教师模型的高阶模糊隐藏知识并迁移至低阶学生模型中,使模型性能优于高阶TSK模糊分类器的同时保持更快的训练速度。在运动想象脑电数据集和新德里HauzKhas癫痫脑电数据集上的实验结果充分验证了STSK-LLM-KD的优势,STSK-LLM-KD相较于其他模糊分类器表现更加优异,与深度知识蒸馏模型相比,STSK-LLM-KD能够更好地提升学生模型的性能。 展开更多

关键词 TSK模糊分类器 知识蒸馏 高阶模糊隐藏知识 脑电信号 最小学习机 癫痫 运动想象 模糊系统

在线阅读 下载PDF 职称材料

Bi-YOLO:一种基于YOLOv8n改进的轻量化目标检测算法 被引量：31

20

作者 刘子洋 徐慧英 +4 位作者 朱信忠 李琛 王泽宇 曹雨淇 戴康佳 《计算机工程与科学》 CSCD 北大核心 2024年第8期1444-1454,共11页

以YOLOv8为代表的单阶段目标检测算法,在骨干网络中有比较明显的优化,但在颈部网络未能高效地融合上下文信息,导致在小目标检测方面存在漏检、错检的问题,并且还存在模型参数量大、计算复杂度高的问题,无法满足端到端的工业部署需求。... 以YOLOv8为代表的单阶段目标检测算法,在骨干网络中有比较明显的优化,但在颈部网络未能高效地融合上下文信息,导致在小目标检测方面存在漏检、错检的问题,并且还存在模型参数量大、计算复杂度高的问题,无法满足端到端的工业部署需求。针对以上问题,引入基于Transformer结构的BiFormer注意力机制,加强对小目标的检测性能,提升算法的精度;引入GSConv模块,在保证算法性能不受到负面影响的前提下减小算法规模。为了平衡BiFormer带来的计算量和参数量的增加,设计了一种名为Bi-YOLO的目标检测算法,以达到轻量化和算法性能的平衡。实验结果表明,Bi-YOLO目标检测算法和YOLOv8n相比,算法精度提高了4.6%,DOTA数据集小目标检测精度提高了2.3%,参数量下降了12.5%。Bi-YOLO有效实现了模型轻量化和性能的平衡,为端到端的工业部署提供了新思路。 展开更多

关键词 YOLOv8 BiFormer 轻量化改进 目标检测 端到端工业部署

在线阅读 下载PDF 职称材料