检索结果-南通市图书馆

基于金枪鱼群算法优化极限学习机的混凝土抗压强度预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用研究 2024年第2期41卷 444-449页

作者：张博吾耿秀丽上海理工大学管理学院上海200093 上海理工大学智慧应急管理学院上海200093

混凝土抗压强度是建筑结构设计与评价的一个重要指标,它直接关乎建筑的质量与安全。为解决现有机器学习模型对其预测存在预测耗时长、精度不够高,不能很好地满足施工现场对混凝土抗压强度预测实时性与准确性要求的问题,提出一套基于新... 详细信息

混凝土抗压强度是建筑结构设计与评价的一个重要指标,它直接关乎建筑的质量与安全。为解决现有机器学习模型对其预测存在预测耗时长、精度不够高,不能很好地满足施工现场对混凝土抗压强度预测实时性与准确性要求的问题,提出一套基于新式仿生算法金枪鱼群算法优化极限学习机(TSO-ELM)的混凝土抗压强度预测方法。该方法通过对ELM隐藏层初始参数中的连接权值与偏置值使用TSO进行寻优,有效提升了ELM的预测准确度。在仿真实验部分,通过两组混凝土数据集对ELM的预测速度、TSO的寻优能力、TSO-ELM模型的泛化性逐一进行验证。结果表明,该方法可以有效提高预测的速度与精准度,迭代次数更少,同时具有良好的泛化性,为现场施工及时进行混凝土抗压强度的预测提供了一种新方法。

关键词：混凝土抗压强度金枪鱼群优化算法极限学习机软测量

基于热压缩试验的TC21钛合金本构模型研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于热压缩试验的TC21钛合金本构模型研究

作者：何其其西南科技大学

学位级别：硕士

利用海底反射时延结构的深海海底反射区目标距离深度估计方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

声学学报 2024年第4期49卷 627-635页

作者：谢其宸迟骋张博黄海宁中国科学院声学研究所北京100190 中国科学院先进水下信息技术重点实验室北京100190 中国科学院大学北京100049

针对收发深度关系未知时利用时延差进行距离深度估计可能会出现伪源的问题,提出了一种利用4个时延差直接进行距离深度估计的方法。该方法通过分析4条多径间4个时延差的关系,利用伪源与真实位置间同种时延差的差异,构造模糊平面进行定位... 详细信息

针对收发深度关系未知时利用时延差进行距离深度估计可能会出现伪源的问题,提出了一种利用4个时延差直接进行距离深度估计的方法。该方法通过分析4条多径间4个时延差的关系,利用伪源与真实位置间同种时延差的差异,构造模糊平面进行定位,无需判断收发深度关系即可排除伪源,且在单水听器上即可实现。仿真实验与误差分析验证了该方法的有效性,海试结果表明,该方法在两个不同深度的单水听器上均成功实现了对11.0~16.5 km目标的距离深度估计,距离和深度的均方根误差分别小于1.1 km和54 m。

关键词：深海海底反射区多径时延结构距离估计深度估计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

无线信号识别中对抗机器学习技术及应用研究

无线信号识别中对抗机器学习技术及应用研究

作者：李锐其电子科技大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

浙江省工业能源生态效率评价及促进对策研究

浙江省工业能源生态效率评价及促进对策研究

作者：杨佳其安徽理工大学

学位级别：硕士

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双分支特征表示学习的步态识别方法研究

基于双分支特征表示学习的步态识别方法研究

作者：徐未其中国民用航空飞行学院

学位级别：硕士

步态识别是近年来生物特征识别技术中兴起的一项新兴技术,因其具有获取方便、识别距离远、不易察觉、不易伪装、信息保密性强等优点,引起了国内外学者的极大关注和研究。然而,目前的步态识别面临着采集视角、行人在运动过程中状态改变... 详细信息

步态识别是近年来生物特征识别技术中兴起的一项新兴技术,因其具有获取方便、识别距离远、不易察觉、不易伪装、信息保密性强等优点,引起了国内外学者的极大关注和研究。然而,目前的步态识别面临着采集视角、行人在运动过程中状态改变等问题,且二维表示方法容易导致三维人体重要信息的缺失,使得步态识别面临巨大挑战。为应对以上述挑战,本文提出了一种基于双分支特征表示学习的步态识别算法。根据不同个体在二维轮廓和三维外观上的视角变化差异,分别对二维步态轮廓和三维网格(Mesh)进行特征提取;在二维分支上利用卷积神经网络来获取步态序列中的静态外观变化信息,结合序列中的时序性,提出了双尺度时间特征的步态识别算法。在三维分支上,对人体在三维空间的姿势和形状进行特征提取。最后,同时将二维和三维信息进行特征融合,使模型能更准确的描述人体步态。本文的主要研究工作包括以下三点:(1)在参考了公开数据集CASIA-B和OU-MVLP的采集场景、流程、视角、路线、行走状态后,构建了一套自定义数据集采集流程,并对采集到的数据进行预处理,在此基础上建立了基于实际场景的步态数据集。(2)提出了基于双尺度时间特征的步态识别算法。为了对步态序列中包含的时序特征进行准确表达,在此基础上,提出一种基于卷积神经网络的图像处理方法,对图像中的静态信息进行特征提取。首先,其进行双尺度时间处理,双尺度时间包含了短尺度和长尺度上的特征信息。然后在公开数据集CASIA-B和构建的自定义数据集上进行了大量的实验验证,实验结果表明,双尺度时间特征的表征方式在识别性能上相较于主流的步态识别算法有显著提升。并在消融实验部分,验证了不同尺度的时间特征对步态识别的影响和性能提升的有效程度。(3)提出了基于双分支特征表示学习的步态识别算法。二维分支学习轮廓序列中的外观特征,三维分支学习行人在三维空间的姿态和形状变化,最后通过特征对齐,实现特征融合,使步态轮廓与三维人体网格形成互补。并在自定义数据集上进行了实验验证,实验结果表明双分支模型提取能对步态特征进行有效提取和学习。最后,在消融实验中验证了不同分支对识别性能的增益效果。与同类别的三维行人重识别在性能上也进行了对比实验,验证了不同三维数据在识别任务中的性能表现。

关键词：步态识别二维时序三维步态特征融合