期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
智能物联网AIoT研究综述 被引量:73
1
作者 吴吉义 李文娟 +3 位作者 曹健 钱诗友 张启飞 BUYYA Rajkumar 《电信科学》 2021年第8期1-17,共17页
智能物联网(artificial intelligence of things,AIoT)是人工智能与物联网技术相融合的产物,这一新兴概念在智慧城市、智能家居、智慧制造、无人驾驶等领域得到了广泛应用。然而AIoT相关技术研究仍处于初级阶段,存在大量问题和挑战。首... 智能物联网(artificial intelligence of things,AIoT)是人工智能与物联网技术相融合的产物,这一新兴概念在智慧城市、智能家居、智慧制造、无人驾驶等领域得到了广泛应用。然而AIoT相关技术研究仍处于初级阶段,存在大量问题和挑战。首先简述了AIoT技术产生的背景,明晰其定义和应用场景。以此为契机,构建了一个新型的面向智能信息处理的云边端融合AIoT架构。在给出AIoT研究体系的基础上,详细探讨并比较了其各组成技术模块,包括AI融合IoT数据采集、复杂事件处理及协同、云边端融合研究、AI融合IoT安全及隐私保护和AI融合应用服务等方面的研究现状和解决方案。最后,论述了AIoT未来的研究方向和发展趋势。 展开更多
关键词 智能物联网 云边端混合计算框架 AI融合IoT应用 研究方向
在线阅读 下载PDF
一种改进鲸鱼算法的无线传感器网络定位优化研究 被引量:13
2
作者 陈暄 顾锦 +1 位作者 毛科技 吴吉义 《传感技术学报》 CAS CSCD 北大核心 2021年第10期1366-1373,共8页
针对无线传感网络(WSN)的最小二乘法节点定位误差大、精度低的缺点,提出了改进鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)与定位模型相结合的研究策略。首先阐述了无线传感的节点定位模型,其次在鲸鱼算法种群初始化采用深... 针对无线传感网络(WSN)的最小二乘法节点定位误差大、精度低的缺点,提出了改进鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)与定位模型相结合的研究策略。首先阐述了无线传感的节点定位模型,其次在鲸鱼算法种群初始化采用深度神经网络提高初始位置多样性,对包围捕食行为中的参数采用非线性和自适应策略避免算法过早陷入局部最优,在迭代搜索过程中利用二次插值法缓解鲸鱼位置多样性衰减问题,最终达到较好的位置搜索效果,最后将改进后的鲸鱼算法求解节点定位目标函数最优值。仿真实验中IWOA与改进的鸡群算法(ICSO)和反向蛙跳-教学优化算法(OSFL-TLBO)相比,在算法时间复杂度方面具有一定的优势,同时在未知节点方面提高了分别提高了12.1%和9.4%,在参考节点方面提高了15.19%和7.2%、节点密度方面提高了9.38%和8.23%、通信半径方面提高了7.41%和5.8%、区域面积方面提高了8.19%和7.95%,结果表明IWOA算法在节点定位方面具有良好的效果。 展开更多
关键词 无线传感网络 定位模型 鲸鱼算法 节点定位
在线阅读 下载PDF
基于优化卷积神经网络的车辆特征识别算法研究 被引量:7
3
作者 陈暄 吴吉义 《电信科学》 2023年第10期101-111,共11页
针对道路场景图像中不同距离目标车辆特征存在识别效果弱、精度低的问题,提出一种基于优化卷积神经网络的车辆特征识别算法。首先,采用基于PAN模型的多尺度输入获取不同距离的目标车辆特征;其次,在卷积神经网络结构中加入多池化、BN层和... 针对道路场景图像中不同距离目标车辆特征存在识别效果弱、精度低的问题,提出一种基于优化卷积神经网络的车辆特征识别算法。首先,采用基于PAN模型的多尺度输入获取不同距离的目标车辆特征;其次,在卷积神经网络结构中加入多池化、BN层和Leaky ReLU激活函数改进网络模型的性能,通过引入混合注意力机制,集中关注车辆图像中的重要特征和区域,从而增强了网络模型的泛化能力;最后,通过构建多层次卷积神经网络结构完成对车辆的特征效果识别。仿真实验结果表明,在单一场景的BIT-Vehicle数据库中,本文算法相比CNN、R-CNN、ABC-CNN、Faster R-CNN、AlexNet、VGG16和YOLOV8在单一目标和多目标识别率方面分别提高了16.75%、10.9%、4%、3.7%、2.46%、1.3%、1%和17.8%、10.5%、2.5%、3.8%、2.7%、1.1%、1.3%,在复杂场景的UA-DETRAC数据库中,本文算法相比其他算法在不同距离目标车辆识别中获得了更加精确的效果。 展开更多
关键词 车辆识别 卷积神经网络 多尺度输入
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部