检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

融合轻量级网络的农业病害检测

光电子．激光 2023年第9期34卷 950-959页

作者：黄友锐方明帅韩涛董卉圆刘玉文刘权增安徽理工大学电气与信息工程学院安徽准南232001 皖西学院安徽六安237012 安徽理工大学计算机科学与工程学院安徽淮南232001

农业病害会导致作物脱叶早,光合作用减弱,从而影响作物质量,减少农民收入。针对病害初发期间目标小、背景复杂和室外光线变化大导致的目标误检问题,本文提出一种融合轻量级网络的YOLOv4检测算法。首先对主干网络进行剪枝并增加多尺度的... 详细信息

农业病害会导致作物脱叶早,光合作用减弱,从而影响作物质量,减少农民收入。针对病害初发期间目标小、背景复杂和室外光线变化大导致的目标误检问题,本文提出一种融合轻量级网络的YOLOv4检测算法。首先对主干网络进行剪枝并增加多尺度的分组卷积提高模型对复杂背景的抗干扰性,其次设计轻量级SCE(space channel expand)注意力机制降低深层网络中细节信息丢失的影响。最后设计跳跃连接特征金字塔(jump connection feature pyramid network,JC-FPN)替换PAnet(path aggregation network)特征融合模块从而进一步实现模型轻量化。实验结果表明,改进算法在本文数据集上的mAP50达到了84.17%,检测速度为50 FPS,相比于YOLOv4检测算法分别提高了0.71%和10 FPS,满足移动端对农业病害的检测精度和速度的要求。

关键词：农业病害轻量级网络剪枝操作移动端检测注意力机制

在线全文

学校读者我要写书评

暂无评论

基于决策树的供应商全链路动态特征挖掘算法

沈阳工业大学学报 2023年第4期45卷 447-452页

作者：张世良孙刚唐良运华南理工大学计算机科学与工程学院广州510006 南方电网数字电网研究院有限公司广州510663

为了降低特征挖掘结果的汉明损失和错误率,提出了一种基于决策树的供应商全链路动态特征挖掘算法.对数据实施数值化、离散化和归一化处理,通过降低数据值域的差异来降低汉明损失和错误率.利用处理后的数据建立决策树,通过剪枝操作提高... 详细信息

为了降低特征挖掘结果的汉明损失和错误率,提出了一种基于决策树的供应商全链路动态特征挖掘算法.对数据实施数值化、离散化和归一化处理,通过降低数据值域的差异来降低汉明损失和错误率.利用处理后的数据建立决策树,通过剪枝操作提高了数据分类的精度,采用改进的CHI值和RBF神经网络有效挖掘全链路动态特征.该算法降低了挖掘结果的汉明损失和错误率,且分类处理精度、准确率、召回率均有所提高.该算法有效提高了供应商全链路动态特征的挖掘效果.

关键词：决策树供应商全链路特征数据预处理剪枝操作 RBF神经网络数据分类动态特征挖掘

在线全文

学校读者我要写书评

暂无评论

基于时间和流长约束的网络流频繁项挖掘算法

中国科学技术大学学报 2013年第10期43卷 790-798页

作者：夏靖波赵小欢柏骏郭威武空军工程大学信息与导航学院中国人民解放军93010部队

基于计数的频繁项挖掘算法是目前数据流频繁项挖掘领域非常活跃的一种方法.在SS计数算法的启发下,针对网络流的实际特性,提出了一种剪枝操作受时间和流长双重约束的网络流频繁项挖掘算法TSFIM.算法采用三级缓存结构分别实现长流及时保... 详细信息

基于计数的频繁项挖掘算法是目前数据流频繁项挖掘领域非常活跃的一种方法.在SS计数算法的启发下,针对网络流的实际特性,提出了一种剪枝操作受时间和流长双重约束的网络流频繁项挖掘算法TSFIM.算法采用三级缓存结构分别实现长流及时保护、基于时间的报文归并和基于流长的流项区分淘汰;通过理论分析了TSFIM算法的性能并探讨了算法适用于长时间情况下的约束条件和优势;最后通过实际流量数据测试表明,TSFIM算法具有非常高的空间利用率,算法在流频繁项提取、流长统计效果上明显优于SS等算法.

关键词：网络流频繁项挖掘计数算法剪枝操作

在线全文

学校读者我要写书评

暂无评论

层次化聚类在分布式计算环境中的剪枝策略

计算机应用与软件 2017年第5期34卷 261-267页

作者：丁晓阳罗阳王建新北京林业大学信息学院北京100083

基于树结构中结点覆盖关系的一类层次化聚类算法可以对海量数据生成有意义的摘要。然而,该算法已被证明是NP-完全问题,求解其精确解需要庞大的计算量。虽然它在单机计算环境中存在有效的剪枝方法,但在分布式计算环境中这种剪枝算法并不... 详细信息

基于树结构中结点覆盖关系的一类层次化聚类算法可以对海量数据生成有意义的摘要。然而,该算法已被证明是NP-完全问题,求解其精确解需要庞大的计算量。虽然它在单机计算环境中存在有效的剪枝方法,但在分布式计算环境中这种剪枝算法并不可行。相应地提出了该层次聚类算法在分布式环境中的剪枝新策略,通过绑定结点与其覆盖的基本事件构成的有序数组,使穷举查询转换为有序数组的求交集运算,并能够在合并过程中执行大量剪枝,从而在有限的额外空间消耗的基础上显著减少计算时间。在2组公开基准数据集上进行了测试,结果表明,相比朴素的分布式计算策略,新的层次化聚类算法在时间效率上平均有30~40倍左右的提升。

关键词：层次化聚类算法分布式计算环境剪枝操作

基于回溯树的语义Web服务自动组合优化方法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2016年第4期42卷 215-220页

作者：贾静兰董才林喻莹王静张丽芬华中师范大学数学与统计学学院武汉430079 华中师范大学计算机学院武汉430079

针对现有基于图搜索的语义Web服务组合方法存在组合成本高且效率低下的问题,提出基于完备回溯树与用户请求输入闭包的语义Web服务自动组合优化方法。利用RICC算法构造用户请求输入闭包,在C_CBT_OVGP算法中,根据输入闭包判断用户请求是... 详细信息

针对现有基于图搜索的语义Web服务组合方法存在组合成本高且效率低下的问题,提出基于完备回溯树与用户请求输入闭包的语义Web服务自动组合优化方法。利用RICC算法构造用户请求输入闭包,在C_CBT_OVGP算法中,根据输入闭包判断用户请求是否能够在语义Web服务规则库中得到满足。当不满足用户请求时,算法直接结束,无需进行回溯树构建。当满足用户请求时,在回溯树的构建过程中,通过输入闭包和新增节点对象集合对回溯树实现剪枝操作,以避免节点在多个回溯树分支上重复构建。实例分析结果表明,优化方法能有效处理不可满足的用户请求,从而提高服务组合效率。

关键词：语义Web服务完备回溯树服务组合剪枝操作语义相似度

在线全文

学校读者我要写书评

暂无评论

深度学习中残差网络的随机训练策略

计算数学 2020年第3期42卷 349-369页

作者：孙琪陶蕴哲杜强北京大学北京国际数学研究中心北京100871 亚马逊网络服务人工智能美国西雅图WA90121 哥伦比亚大学应用物理与应用数学系美国纽约NY10025

为了有效提高深度学习模型在实际应用场景中的泛化能力,近年来工业界和学术界对神经网络训练阶段所采用的加噪技巧给予了高度关注.当网络模型架构中的待求参数固定时,修正方程的思想可以被用来刻画随机训练策略下数据特征的传播过程,从... 详细信息

为了有效提高深度学习模型在实际应用场景中的泛化能力,近年来工业界和学术界对神经网络训练阶段所采用的加噪技巧给予了高度关注.当网络模型架构中的待求参数固定时,修正方程的思想可以被用来刻画随机训练策略下数据特征的传播过程,从而看出在恰当位置添加剪枝层后的残差网络等价于随机微分方程的数值离散格式.建立这两者间的对应关系使得我们可以将残差网络的随机训练过程与求解倒向柯尔莫哥洛夫方程的最优控制问题联系起来.该发现不仅使得人们可以从微分方程及其最优控制的角度来研究加噪技巧所带来的正则化效应,同时也为构建可解释性强且有效的随机训练方法提供了科学依据.本文也以二分类问题作为简例来对上述观点做进一步的阐述和说明.

关键词：深度学习残差网络剪枝操作随机微分方程偏微分方程及其最优控制问题可解释性

基于在线增量LSSVM污水软测量建模研究与应用

在线全文

学校读者我要写书评

暂无评论

基于在线增量LSSVM污水软测量建模研究与应用

作者：赵文文安徽工业大学

学位级别：硕士

当今社会,淡水资源的短缺和水体环境的污染时刻提醒着我们污水处理的必要性。污水处理是具有强非线性、大滞后、大惯性等特点的复杂现代工业过程,其复杂多样的工艺过程导致污水中一些反映水质指标的重要过程参数的实时检测以及根据过程... 详细信息

当今社会,淡水资源的短缺和水体环境的污染时刻提醒着我们污水处理的必要性。污水处理是具有强非线性、大滞后、大惯性等特点的复杂现代工业过程,其复杂多样的工艺过程导致污水中一些反映水质指标的重要过程参数的实时检测以及根据过程变量进行预判输出变得十分困难,现有的检测仪器或因为成本、或因为精度,都不能给予很可靠的保证。然而软测量技术作为传统检测技术的延伸和发展,应用于实际的污水处理过程中具有很重要的现实意义。本文以曝气生物滤池为研究对象,建立了污水软测量模型,实现了对出水COD浓度的预测,为判断出水质量以及做出相应措施提供超前的判据。主要内容如下:首先,本文基于LSSVM相对于传统SVM所具有的优势,选取LSSVM作为本文模型的基础算法,并且分别从模型核函数和超参数两个方面进行改进,一方面采用线性加权的混合核函数取代单一核函数;另一方面采用改进的智能优化算法对参数组合进行寻优。仿真对比分析,两方面的改进对模型精确度都有一定程度的提升。然后,针对离线模型面临大规模实时更新的数据时整体预测效果会随之变差的情况,本文采用了一种改进的在线增量LSSVM算法,该算法采用预测误差进行选择性增量学习和配套的剪枝算法,即新样本添加时,根据预测误差阈值判别是否需要增量学习,针对超过阈值的样本进行增量式学习,用递归的方式不断更新支持向量,避免了标准的求逆运算,缩短了运算时间,改善了预测的效率。同时当样本规模达到一定规模时选择剪去最早样本的剪枝操作,使样本长度始终维持在一定规模。本课题的主要贡献及创新点在于:本文选择从精确度和在线性能两方面对LSSVM污水软测量模型进行改善。线性加权的混合核函数和改进的智能优化算法的结合,使模型精确度得到很大程度的提升;改进的在线增量LSSVM算法通过巧妙的迭代、阈值的选择、时间窗的设置,使模型的快速性、在线性都有了一定程度的改善和提高;两方面的改善共同实现了对出水COD精准的在线预估。

关键词：软测量最小二乘支持向量机混合核函数增量学习剪枝操作

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于大数据处理的森林生态站数据聚类研究

基于大数据处理的森林生态站数据聚类研究

作者：罗阳北京林业大学

学位级别：硕士

中国的森林生态系统长期定位观测站(简称森林生态站)近几十年积累了非常庞大的时空数据。近年来,国内外在生态站数据挖掘方面的研究多为基于抽样的、小规模数据量的时序数据统计与空间分析。将生态站海量数据进行聚类等的分析处理,对于... 详细信息

中国的森林生态系统长期定位观测站(简称森林生态站)近几十年积累了非常庞大的时空数据。近年来,国内外在生态站数据挖掘方面的研究多为基于抽样的、小规模数据量的时序数据统计与空间分析。将生态站海量数据进行聚类等的分析处理,对于进一步推动“数字林业”的发展有着十分重要的意义。本文首先介绍了森林生态站数据聚类的现状和意义,并叙述了目前大数据分析的原理以及常用手法。之后构建了基于大数据处理的森林生态站数据聚类系统,并且对划分聚类、基于树结构中结点覆盖关系的层次聚类以及Hadoop分布式系统的相关知识和原理进行了详细描述,并解释了为什么旧的层次聚类算法不适合用在分布式集群。然后基于以上分析,提出了一种新的、基于分布式的层次聚类算法DHCSA,并应用于数据分析和处理的系统中。在此之后,介绍了森林生态站数据聚类系统的相关功能。本文的创新点之处在于：DHCSA算法不仅能够大大减少运算的时间,并且优于传统的剪枝方式——新聚类算法不仅能运用在单机,而且可以运用在分布式集群上。论文的最后,对研究中存在的问题进行了总结,对后续工作进行了展望。

关键词：森林生态站层次化聚类算法分布式计算环境剪枝操作 Hadoop

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于在线增量LSSVM的污水软测量模型

湖北文理学院学报 2017年第11期38卷 5-8页

作者：周文君李明河安徽工业大学电气与信息工程学院安徽马鞍山243002

出水COD浓度的精准预测是污水处理期望实现的目标,然而现有的离线模型对大规模时变更新的水质数据,预测效果会逐渐变差.针对该情况,采用离线模型结合增量学习的思想,提出基于在线增量LSSVM污水软测量模型,即首先建立基于LSSVM污水软测... 详细信息

出水COD浓度的精准预测是污水处理期望实现的目标,然而现有的离线模型对大规模时变更新的水质数据,预测效果会逐渐变差.针对该情况,采用离线模型结合增量学习的思想,提出基于在线增量LSSVM污水软测量模型,即首先建立基于LSSVM污水软测量模型,然后针对不断更新的增量样本,通过误差阈值进行筛选,有选择地增量学习,并结合合适的剪枝操作,实现样本长度的固定,对出水COD浓度在线预测.仿真结果表明:相较于标准LSSVM模型,本模型在预测精度、预测时间上,都具备不同程度的优势,很好地解决了离线学习的问题,实现在线精准预测.

关键词：污水软测量在线增量LSSVM 出水COD浓度误差阈值剪枝操作