检索结果-南通市图书馆

基于网络结构优化与自适应图像增强的低光环境下目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于网络结构优化与自适应图像增强的低光环境下目标检测

作者：郭千琦太原理工大学

学位级别：硕士

目标检测是计算机视觉领域一个非常重要的应用场景,旨在从图像或视频中识别和定位特定目标。随着技术的不断进步,目标检测算法也在不断地发展和完善,另一方面,不同场景下的目标检测仍是计算机视觉领域中具有挑战性的任务之一。本文针对... 详细信息

目标检测是计算机视觉领域一个非常重要的应用场景,旨在从图像或视频中识别和定位特定目标。随着技术的不断进步,目标检测算法也在不断地发展和完善,另一方面,不同场景下的目标检测仍是计算机视觉领域中具有挑战性的任务之一。本文针对低光环境下的目标检测展开研究,由于低光环境下获取的数据中存在图像质量低、光照分布不均等问题,使用现有的目标检测算法难以得到令人满意的结果。本文首先提出对传统目标检测算法的特征提取网络进行优化,以提高算法的特征提取能力,同时本文针对待检测目标所处的低光环境,设计了一种图像预处理模块,对低光环境下获得的图片进行了增强,进一步解决了低光照条件下因图像质量差而导致检测效果不佳的问题。本文的主要工作内容如下所述:1.针对传统卷积网络在低光环境下目标检测中特征表达能力不足的问题,本文对使用传统卷积神经网络作为特征提取网络的目标检测算法进行了结构优化,将传统的特征提取网络替换为Conv Ne Xt网络,对输入特征进行处理时,不仅仅关注输入特征的局部信息,还考虑到整个输入特征的信息,使网络能更好地捕捉全局特征,并且能够更好地适应不同大小和长宽比的目标。通过对输入特征进行加权处理,增强了网络灵活性和适应性,提高了目标检测网络的特征提取能力。2.在上述改进的基础上,本文在特征提取网络部分引入了坐标注意力机制,将经过特征提取后得到的特征图通过注意力模块进行处理,使得模型能够更加有效的提取目标信息,从而加强模型对图像上下文之间关系的理解,提高模型性能。3.针对低光环境中图像受因亮度不均而导致检测效果不佳的问题,本文设计了一种自适应的图像增强模块,通过对图像亮度进行自适应的调整,提高图像的质量和清晰度,使模型能够更好地获取目标信息,通过这种方法不仅可以解决低光照条件下图像质量差而导致检测效果不佳的问题,还可以提高目标检测的准确率和效率。

关键词：目标检测图像增强注意力机制网络结构优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于群体智能的深度神经网络结构优化方法

基于群体智能的深度神经网络结构优化方法

作者：王畅西安工业大学

学位级别：硕士

近年来,得益于计算机性能的大幅度提升,计算资源成本下降和大规模标记数据的快速增长,多层次的深度神经网络迎来了研究热潮。在计算机视觉和自然语言分析等领域中,深度神经网络表现出强大的学习能力。然而,随着理论分析与工程应用问题... 详细信息

近年来,得益于计算机性能的大幅度提升,计算资源成本下降和大规模标记数据的快速增长,多层次的深度神经网络迎来了研究热潮。在计算机视觉和自然语言分析等领域中,深度神经网络表现出强大的学习能力。然而,随着理论分析与工程应用问题研究的不断发展,深度神经网络仍面临着诸多挑战。如网络结构设计要求过高,参数优化耗时长和网络性能不稳定等。早在上个世纪90年代,就有学者证明浅层的神经网络结构优化为NP(Non-deterministic Polynomial-time Hardness)问题。因此,设计一种自动化,低门槛的深度神经网络结构优化方法,对于在数据驱动的工程应用问题中具有重要意义。以蚁群算法(Ant Colony Optimization,ACO)、粒子群算法(Particle Swarm Optimization,PSO)和自组织迁移算法(Self-organizing Migrating Algorithm,SOMA)为代表的群体智能算法(Swarm Intelligence,SI)是模拟生物界动植物群体生活习性的一类智能算法。它们具有简单性、容错性、分布性、较强的鲁棒性和较好的可扩充性等特点,在解决NP难问题上具有明显优势。因此,本论文的主要研究内容为分析SOMA存在的问题并加以改进,并将改进后的算法应用于解决深度神经网络结构优化问题,提升长短期记忆网络(Long Short-Term Memory Network,LSTM)和卷积神经网络(Convolutional Neural Networks,CNN)等常用网络模型在应用中的性能。本文主要在以下几个方面展开研究工作。1)对SOMA进行分析发现,标准SOMA存在提前收敛、易陷入局部最优的问题。针对上述问题,本文采用基于Logistic混沌映射的种群初始化方案和基于存档的自适应步长更新机制对SOMA进行改进,将改进算法命名为基于自适应步长的自组织迁移算法(SOMA with Adaptive Migration Step Size,ASSOMA)。进一步为了验证算法在改进后的性能,在CEC2015的15个基准测试函数集上进行仿真实验,与其它智能算法和SOMA的变体进行比较分析。实验结果表明,所提出的ASSOMA具有较好的寻优能力。2)以家庭用电负荷预测为待解决的问题背景,构建基于LSTM的预测模型。其次,梳理LSTM中的超参数,分析在不同问题背景下,影响LSTM网络性能的超参数组合。进一步地,使用ASSOMA算法对上述超参数进行优化,寻找最佳网络模型结构。最后,通过与其它智能算法进行对比实验,预测未来一周的家庭用电负荷。实验结果表明,ASSOMA算法在基于LSTM的家庭用电负荷预测问题上,相较于其它智能算法具有显著优势。3)针对集成学习的子模型选择问题,提出了一种选择方案,命名为有效模型选择法。进一步地,采用基于ASSOMA的软投票法对有效模型进行集成模型学习,优化集成模型结构。在Deep Swarm架构的基础上,对上述方法进行实验验证。实验结果表明,有效模型选择法所选取的子模型在集成模型中的性能表现优于原始最佳模型。基于ASSOMA的集成学习方法提升了网络模型在解决图像分类问题上的精度,同时与其它智能算法对比,ASSOMA表现出一定的竞争力。最后,对全文的研究工作进行了总结,并对下一步研究的方向进行展望。

关键词：自组织迁移算法网络结构优化 LSTM 集成学习

长江经济带快递企业网络结构优化与协调发展路径研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

长江经济带快递企业网络结构优化与协调发展路径研究

作者：张小帆中南林业科技大学

学位级别：硕士

作为中国最重要的流域经济带之一,长江经济带的发展对中国区域经济格局优化和高质量发展具有重要意义。区域物流的发展对于区域经济增长存在正向推动作用。丰富的运输方式和立体化的交通网络奠定了长江经济带物流业发展的基础,但受物流... 详细信息

作为中国最重要的流域经济带之一,长江经济带的发展对中国区域经济格局优化和高质量发展具有重要意义。区域物流的发展对于区域经济增长存在正向推动作用。丰富的运输方式和立体化的交通网络奠定了长江经济带物流业发展的基础,但受物流设施建设水平、物流产业布局和城市区位等因素影响,长江经济带区域物流发展的空间分异特征明显。因此,全面认识物流业的空间格局,深入揭示其差异所在及影响因素,对于探索长江经济带物流业发展的提升路径、促进长江经济带协调发展具有重要意义。本文以长江经济带的130座城市为研究单元,以2019年至2021年百世快递和顺丰速运两家快递企业的地理分布数据为样本。首先对长江经济带快递企业的分布数量和密度进行统计,并运用探索性空间数据分析方法刻画其集聚特征和演化趋势。然后,基于链锁网络模型构建了长江经济带快递企业网络。从整体结构和节点联系两个角度,一是采用网络分析方法对快递企业网络的结构特征和联系特征进行了归纳;二是计算城市总网络联系度并构建城市等级体系,进一步分析了网络中城市节点的地位与作用;三是通过计算网络密度和同配系数刻画了快递企业网络的演化趋势。接着,构建障碍度模型识别出影响城市节点发育和网络结构优化的障碍因子。最后基于以上分析结论,从城市节点培育、城际联系建立和功能组织协调三方面提出了网络结构优化建议,并从要素配置、产业结构、城市定位、区域联动和竞合关系五个角度归纳了依托快递企业网络和物流业建设实现长江经济带协调发展的路径。本文的主要结论有:(1)从2019年至2021年,长江经济带各省市快递企业分布的集聚性逐渐增强,且长三角地区快递企业分布的集聚特征最为显著。快递企业的分布重心逐渐向西南方向即中上游地区移动,中上游地区的长沙、昆明等省会城市逐渐成为快递企业布局的重要选择;(2)从2019年至2021年,长江经济带快递企业网络的“钻石”型结构沿重庆—长沙这一轴线向外扩展,并最终演化成为以上海为中心的辐射结构。上海、重庆和成都三座城市形成的三角形联系网络始终稳固。网络中的高等级联系主要集中在区域中心城市或发达省份的省会城市之间,中上游地区的地方城市始终未融入核心网络中;(3)从2019年至2021年,长江经济带快递企业网络的密度均大于0.82且在逐年提高,同配系数的绝对值越来越大,各城市节点表现出较强的异配性,网络中跨区域、跨等级联系建立的趋势逐渐增强;(4)基于城市总网络联系度的城市等级体系呈现鲜明的“金字塔”型结构。从2019年至2021年,底层城市的数量越来越多,整个结构的重心逐渐下沉。中上游地区各城市的总网络联系度普遍较低,始终处于“金字塔”结构的底层;(5)商业结构、产业结构和物流结构对网络结构优化的障碍度较高。上游地区大部分地方城市在网络中地位较低的主要原因是快递业发展基础薄弱,而快递业同商贸业、制造业等多产业的融合度不足则是成都、长沙、武汉等中上游地区枢纽城市的辐射作用持续扩大的主要障碍。

关键词：长江经济带快递企业网络链锁模型网络结构优化协调发展路径

使用动态增减枝算法优化网络结构的DBN模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机科学与探索 2019年第10期13卷 1721-1732页

作者：张士昱宋威王晨妮郑珊珊江南大学物联网工程学院

近年来深度信念网络(DBN)得到了广泛的应用,但在现有文献中很少有关于如何动态确定其结构的详细研究。提出了一种使用动态增减枝算法的DBN模型(DDBN),可以有效地优化DBN的网络结构。DDBN可以使用动态增减枝算法而不是人工实验来自动确... 详细信息

近年来深度信念网络(DBN)得到了广泛的应用,但在现有文献中很少有关于如何动态确定其结构的详细研究。提出了一种使用动态增减枝算法的DBN模型(DDBN),可以有效地优化DBN的网络结构。DDBN可以使用动态增减枝算法而不是人工实验来自动确定其结构。首先,在训练过程中通过改变隐藏层层数和隐藏层神经元的数量,自动构建DDBN的结构,这是通过动态增减枝算法实现的。该算法依赖于隐藏层神经元的权重距离(WD)和激活概率的标准差以及整个网络的能量函数。其次,DDBN能够在动态过程中调整权重,有助于提高网络性能。最后,为了验证DDBN的有效性,将DDBN在MNIST、USPS和CIFAR-10三个基准图像数据集上进行了测试。实验结果表明,DDBN比现有的一些DBN结构调整方法具有更好的性能。

关键词：深度学习动态深度信念网络动态增减枝算法网络结构优化

中国省区间碳排放转移网络结构特征及优化策略研究

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

中国省区间碳排放转移网络结构特征及优化策略研究

作者：秦琳江苏大学

学位级别：硕士

中国经济发展与降低碳排放之间的矛盾伴随着复杂的碳排放转移而日益加深。碳排放转移受制于省区间资源禀赋异质性,是各省份实现碳减排目标的一把双刃剑。一方面,各省份可通过商品生产外包或进口高碳产品实现碳排放转出;另一方面,各省份... 详细信息

中国经济发展与降低碳排放之间的矛盾伴随着复杂的碳排放转移而日益加深。碳排放转移受制于省区间资源禀赋异质性,是各省份实现碳减排目标的一把双刃剑。一方面,各省份可通过商品生产外包或进口高碳产品实现碳排放转出;另一方面,各省份不得不通过招商引资和新建工厂等举措推动经济增长,但导致碳排放转入。省区间碳排放转移影响着碳排放格局和碳减排效果,导致整体上不但没能实现碳减排,反而加剧了落后地区的碳减排压力。因此,对碳排放转移“数量-关系”实现双重控制,并从碳排放转入和转出角度优化省区间碳排放转移网络结构,从而缓解碳排放和经济发展之间的冲突问题具有重要意义。基于此背景,本文首先建立多区域投入产出模型,基于2007年、2010年、2012年、2015年及2017年多区域投入产出数据,量化分析了省区间碳排放转移总量和部门分量;其次,本文运用社会网络分析方法构建了30省份的碳排放转移网络,分析碳排放转移网络的整体特征和个体特征。最后,本文基于全国经济发展和碳减排的双重约束,构建了碳排放转移的经济效应、碳减排效应模型和碳减排量基准线测度模型,为各省份提出碳排放转移网络结构优化策略和优化路径,期望在全国碳减排总成本最少下实现碳减排目标。本文得出以下几点重要研究结论:（1）省区间碳排放转移普遍存在且为非均衡状态。东部有较高的碳排放转出累积量及净碳排放转出累积量,中部有较高的碳排放转入累积量和净碳排放转入累积量。中国净碳排放转移总体表现出从南向北、从东向西的分布。（2）碳排放转移网络呈现出“中心-边缘”的特征。2007年至2017年,江苏、河南以及河北相继成为碳排放转移网络的中心。碳排放转移网络中EHPS产业位于中心位置。碳排放转移网络的网络密度、网络等级度及网络效率存在小幅波动,但整体未有太大变化。（3）江苏、河南及河北的度数中心度最高,有重要的网络地位。广东、江苏及河北的中间中心度最高,有明显的中介作用。江苏、河北及河南的接近中心度最高,有较强资源整合能力。上海、北京及江苏的PageRank中心度最大,但各省份间差距的逐渐缩小。（4）在三种经济发展情境下,东部沿海发达地区的省份可以完成分配的碳减排量;而中部和北部地区的欠发达省份则相反。从碳排放转移的经济影响来看,大部分省份的碳排放转出促进经济发展,少数经济欠发达省份的碳排放转入会阻碍经济发展。从碳排放转移的碳减排影响来看,东北部地区的碳排放转出会对碳减排产生消极影响,发达地区的碳排放转入会对碳减排产生不利影响。（5）将各省份的碳排放转移网络结构优化划分为四类。北京、天津和江苏等省份（类型一）可同时增加碳转入和转出;吉林和黑龙江（类型二）可同时减少碳转入和转出;江西、湖南和新疆（类型三）需增加碳转出并减少碳转入;辽宁和山东（类型四）可增加碳转入且减少碳转出。

关键词：多区域投入产出碳排放转移社会网络网络特征网络结构优化

应用纵向五维法实现城域网网络结构优化的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

长江信息通信 2023年第5期36卷 188-191页

作者：图雅刘宇中国移动通信集团内蒙古有限公司内蒙古呼和浩特010090

网络强国是国家的核心战略之一,为推动网络强国、数字中国战略,国家发布了数字化转型工作通知、提速降费等一系列政策法规要求。城域网作为中国移动承载互联网业务的重要网络,提升带宽能力、保证业务疏导一直是网络建设的重点。如何更... 详细信息

网络强国是国家的核心战略之一,为推动网络强国、数字中国战略,国家发布了数字化转型工作通知、提速降费等一系列政策法规要求。城域网作为中国移动承载互联网业务的重要网络,提升带宽能力、保证业务疏导一直是网络建设的重点。如何更好地提升网络服务能力,降低业务接入造价,也是需要不断思考的问题。文章对城域网优化网络结构进行了研究,提出纵向五维法并在现网进行了实践应用,有效节省基础资源,提升用户感知,提升投资效益。

关键词：纵向五维法网络结构优化 OLT BRAS

两种不同拥堵成因下的轴辐式网络结构优化研究

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

两种不同拥堵成因下的轴辐式网络结构优化研究

作者：杨睿芳长安大学

学位级别：硕士

轴辐式网络已在快递服务领域得到了广泛应用。相比于传统的运输方式,轴辐式网络通过对货物进行集中运输,整合了物流资源,在枢纽之间产生了一定的规模经济,减少了运输工具,进而节省了网络总体运输成本。近年来,轴辐式网络结构设计在学术... 详细信息

轴辐式网络已在快递服务领域得到了广泛应用。相比于传统的运输方式,轴辐式网络通过对货物进行集中运输,整合了物流资源,在枢纽之间产生了一定的规模经济,减少了运输工具,进而节省了网络总体运输成本。近年来,轴辐式网络结构设计在学术界也成为一个研究热点。然而随着外界环境的快速变化,枢纽在运营方面也面临着巨大的挑战。一方面,电子商务的快速发展使得快递业务量急剧增加。另一方面,由于不可控因素引发的枢纽故障,会降低枢纽的运转能力。当业务量超过枢纽的处理能力时将会造成拥堵,发生爆仓现象。此外,轴辐式网络结构设计属于战略性决策,枢纽一旦确定,短期内无法改变。因此,在设计轴辐式网络时将枢纽爆仓现象考虑在内,并提出具体的处理枢纽拥堵的方法有助于改善网络整体性能,对企业也有一定的应用价值。目前在考虑拥堵情形的轴辐式网络结构设计方面的研究中,大部分文献都是针对枢纽容量不足的情况,很少考虑其他因素导致的拥堵问题。而在企业日常运营中,枢纽也可能会发生故障,降低枢纽的处理能力进而引发拥堵。由于枢纽能力下降后短时间内可以恢复,处理起来相对比较简单;而枢纽容量不足受外界影响较大,处理起来比较复杂且持续时间长,所以处理两种成因下的拥堵问题所采用的方法也会有所不同。现有考虑拥堵的轴辐式网络结构设计研究中,大部分都通过在枢纽等待运输来处理受拥堵影响的流量,所产生的成本用幂指函数来表示,很少引入缓解枢纽拥堵的策略;而考虑枢纽失效的轴辐式网络结构设计中大部分都是枢纽完全失效,且枢纽失效后受影响的流量通过向剩余运行良好的枢纽转运来处理。虽等待运输和转运也能缓解拥堵,但当拥堵量很大时单一方式相对不经济。首先,本文对流量在轴辐式网络中实际运输时容易引发枢纽拥堵的因素进行分析,根据不同因素导致拥堵的成因确定了枢纽容量不足和能力下降两种;其次,根据不同成因下的拥堵问题所受外界影响的大小及持续时间的长短提出相应的处理方法;分别对枢纽容量不足和枢纽能力下降两种拥堵成因下的轴辐式网络结构进行优化,以未受枢纽拥堵影响的流量运输成本和处理受拥堵影响的流量所产生的成本之和为目标函数,运用混合粒子群算法对模型进行求解;最后,分别与通过在枢纽等待运输来处理受拥堵影响的流量下的轴辐式网络结构在枢纽点选择、辐点分配、枢纽的总处理量和流量的不均衡率等方面进行对比,据此得出本文的研究结论。

关键词：拥堵成因容量不足能力下降网络结构优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

共享医疗利益相关者网络结构优化研究

共享医疗利益相关者网络结构优化研究

作者：程潇乐成都理工大学

学位级别：硕士

“互联网+”技术加速普及和相关信息技术快速发展的今天,医疗技术借助互联网改善不对称信息,深化分工,降低医疗成本,实现产业整合,已成行业共识。本文主要是利用社会网络分析方法,根据共享经济理论、社会资本和利益相关者理论,研究共享... 详细信息

“互联网+”技术加速普及和相关信息技术快速发展的今天,医疗技术借助互联网改善不对称信息,深化分工,降低医疗成本,实现产业整合,已成行业共识。本文主要是利用社会网络分析方法,根据共享经济理论、社会资本和利益相关者理论,研究共享医疗利益相关者网络优化的途径和对策,主要研究成果如下:(1)文章在参考已有分类的前提下,对共享医疗利益相关者全面分类,确定共享医疗利益相关者网络的主体,明确相关定义、内涵和各利益相关者互动关系,据此确定网络行动者,构建关系矩阵,同时选取密度、中心度和结构洞作为网络结构的测量指标,考察共享医疗利益相关主体间的关系网络,分析其网络结构的特征;(2)使用社会网络理论和其特定的收集数据的方法,制作了调查问卷,收集网络中所有主体的关系数据;然后,使用分析软件Ucinet 6,分析收集的关系数据,总结出共享医疗利益相关者网络结构中存在网络凝聚力低、利益分配不均衡、中间人不明确等问题;(3)确定优化路径,消除冗余并培育二级代理,根据优化路径提出了优化共享医疗利益相关者网络结构的四个方案,并根据选取的社会网络指标,对四个方案进行了比较和分析。通过对比分析,发现以地方政府为中心的优化方案二最可行,安排合理,具有实用价值,适合优化共享医疗利益相关者的网络结构。文章从社会网络分析的角度对我国共享医疗利益相关者网络结构进行了较为全面的分析,以期为共享医疗针对性制定政策提供参考依据。发挥医疗服务的功能,最大限度地实现网络的共享功效,促进相关利益者共同利益的实现和共享医疗的可持续发展。

关键词：共享医疗利益相关者社会网络分析网络结构优化

卷积核相关性与CNN网络结构优化的关系研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

卷积核相关性与CNN网络结构优化的关系研究

作者：王琦兰州大学

学位级别：硕士

深度学习是机器学习领域中最热门的研究课题之一,是由Hinton等人于2006年提出的。它作为一个出色的机器学习模型,一经提出就受到了研究人员的青睐,引起了该领域的研究热潮。而卷积神经网络作为深度学习分类领域中一种重要的学习模型,也... 详细信息

深度学习是机器学习领域中最热门的研究课题之一,是由Hinton等人于2006年提出的。它作为一个出色的机器学习模型,一经提出就受到了研究人员的青睐,引起了该领域的研究热潮。而卷积神经网络作为深度学习分类领域中一种重要的学习模型,也引起了很多研究者的兴趣。它是一种前馈神经网络,是深度神经网络的一种特殊形式。实验数据表明,卷积神经网络是处理图像和视频识别分类的一种非常有效的网络模型。然而卷积神经网络的结构极大地受到卷积核数目的影响。网络结构中的卷积核数目过多,会造成训练参数过多,因而造成网络训练时间成本的增加,极大地浪费计算机资源,而且容易引起过拟合。卷积核数目过少,会造成数据训练不足,影响最终的结果。所以,如何选取最优的卷积网络结构是很重要的,而如何快速确定卷积核的最优数目仍然是一个急需解决的问题。基于所提出的问题,本文运用了基于权值修正幅度的分析方法和基于卷积核中权值之间的相关性分析方法来优化卷积神经网络中的卷积核数目。实验表明,基于权值修正幅度的分析方法具有很大的不稳定性,一方面,它受到卷积神经网络中不同卷积层的影响,因为每个卷积层对网络性能的影响不同,另一方面,它受到误差反向传播的影响,因为训练过程中,有很多次的反向误差传播,每一次的反向传播都会对卷积核权值进行修正,无法判断具体哪一次的反向传播更具有参考性;而卷积核权值之间的相关性分析方法更具有参考价值,通过实验我们看到卷积核权值之间的相关性阈值只受到卷积核尺寸大小的影响,而不受不同数据集的影响,相关性阈值与卷积核数目之间确实存在着联系,实验结果表明,卷积核权值之间的相关性是优化卷积神经网络结构的一个重要的影响因素。

关键词：深度学习卷积神经网络权值相关性网络结构优化