检索结果-南通市图书馆

主动学习联合聚类分组网络的高光谱遥感图像分类

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2024年第9期32卷 1395-1407页

作者：刘敬李银桥刘逸西安邮电大学电子工程学院陕西西安710121 西安电子科技大学电子工程学院陕西西安710071

基于卷积神经网络的高光谱图像(Hyperspectral Image,HSI)分类面临网络参数量大,带类标样本少的现状,针对这些问题,提出了基于主动学习和聚类分组网络的高光谱图像分类方法(AL-CGNet)。AL-CGNet采用主动学习和聚类联合卷积神经网络进行... 详细信息

基于卷积神经网络的高光谱图像(Hyperspectral Image,HSI)分类面临网络参数量大,带类标样本少的现状,针对这些问题,提出了基于主动学习和聚类分组网络的高光谱图像分类方法(AL-CGNet)。AL-CGNet采用主动学习和聚类联合卷积神经网络进行HSI的特征提取与分类,设计了基于分组卷积的轻量化网络模型以降低网络参数量。对线性判别分析(Linear Discriminant Analysis,LDA)降维后的高光谱图像采用小批量K均值聚类算法划分成不同的簇,并用簇中心的光谱特征代表不同的簇,以利用无类标样本的信息。在分组网络中将生成的特征图沿光谱维划分成一系列小组,每组通过多个残差块依次提取空间-光谱特征,这种分组策略可以充分利用波段的冗余性和差异性,降低网络参数,并实现轻量化。最后,采用主动学习选取信息量大的样本作为训练样本集,以解决带类标样本少的问题。实验结果表明,AL-CGNet在使用相同比例的6%训练样本的情况下,在Indian Pines,Botswana,Houston 3个数据集下的分类结果明显高于ClusterCNN,SSRN和HybridSN等方法,其OA分别为99.57%,99.23%,98.82%,甚至在训练样本更少5%的小样本情况下也是有效的。该方法不仅大大提高了HSI的分类效率,在获得高精度的同时还能高效率地提取特征。

关键词：高光谱图像分类卷积神经网络分组卷积聚类轻量化

机动目标跟踪的交互多模型泊松多伯努利混合滤波

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年第3期46卷 786-794页

作者：陈壮壮宋骊平西安电子科技大学电子工程学院陕西西安710071

满足共轭先验性质的泊松多伯努利混合(Poisson multi-Bernoulli mixture,PMBM)滤波器将目标状态分为泊松和多伯努利混合两部分,分别对这两部分进行预测和更新,具有较高的跟踪精度和较快的运行速度。在多目标机动场景下,使用单一模型不... 详细信息

满足共轭先验性质的泊松多伯努利混合(Poisson multi-Bernoulli mixture,PMBM)滤波器将目标状态分为泊松和多伯努利混合两部分,分别对这两部分进行预测和更新,具有较高的跟踪精度和较快的运行速度。在多目标机动场景下,使用单一模型不足以描述目标的运动,将导致跟踪性能的下降。针对这一问题,提出了一种交互多模型(interacting multiple model,IMM)PMBM滤波器,充分利用模型之间的交互信息,可以有效实现多机动目标的跟踪。同时,该算法采用序贯蒙特卡罗(sequential Monte Carlo,SMC)方法实现PMBM滤波,可应用于非线性场景。仿真结果表明,所提的IMM-SMC-PMBM算法可以有效地在非线性环境下跟踪数目变化的多机动目标,与IMM-SMC概率假设密度(probability hypothesis density,PHD)滤波器相比具有更好的跟踪精度和稳定性。

关键词：机动目标跟踪交互多模型序贯蒙特卡罗泊松多伯努利混合

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

采用双阶段多示例学习网络的语音情感识别

计算机科学与探索 2024年

作者：张石清陈晨赵小明浙江科技大学信息与电子工程学院台州学院智能信息处理研究所

在语音情感识别任务中，当处理不同时长的语音信号时，通常将每句语音信号分割成若干等长片段，然后根据所有片段预测结果的平均值来获得最终的情感分类。然而，这种处理方法要求用户的情绪表达在整个语音信号中是均匀分布的，但是这并... 详细信息

在语音情感识别任务中，当处理不同时长的语音信号时，通常将每句语音信号分割成若干等长片段，然后根据所有片段预测结果的平均值来获得最终的情感分类。然而，这种处理方法要求用户的情绪表达在整个语音信号中是均匀分布的，但是这并不符合实际情况。针对上述问题，提出一种采用双阶段多示例学习网络的语音情感识别方法。第一阶段，将每句语音信号视为“包”，并将其分割成若干等长片段。每个语音片段视为“示例”，并提取多种声学特征，输入到相应的局部声学特征编码器，学习出各自对应的深度特征向量。然后，使用一致性注意力对不同的声学特征进行特征交互和增强。第二阶段，设计一个基于多示例学习的混合聚合器，用于在全局尺度上融合示例预测和示例特征，计算“包”级预测得分。首先，提出一种示例蒸馏模块，用于过滤情感信息较弱的冗余示例。然后，将蒸馏结果组成伪包，采用一种自适应特征聚合策略对伪包进行特征聚合，并通过分类器获得预测结果。最后，将示例级和伪包预测结果进行自适应决策聚合，以获得最终的情感分类结果。该方法在IEMOCAP和MELD公开数据集分别获得73.02%和44.92%的识别率，实验结果表明了该方法的有效性。

关键词：语音情感识别多示例学习示例蒸馏一致性注意力聚合

基于负序量排序及5G通信的主动配电网有界面保护原理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电力系统保护与控制 2024年第18期52卷 12-23页

作者：顾本硕林湘宁李正天贺玮杰柏淳瀚杨文豪华中科技大学电气与电子工程学院湖北武汉430000

针对大量分布式电源(distributed generation, DG)接入配电网对传统保护带来的新挑战,提出了一种基于负序量排序与5G通信相结合的配电网有界面保护原理。为实现保护范围的有界及灵活配置,并应对极端工况下的主判据失效问题,设计了一种... 详细信息

针对大量分布式电源(distributed generation, DG)接入配电网对传统保护带来的新挑战,提出了一种基于负序量排序与5G通信相结合的配电网有界面保护原理。为实现保护范围的有界及灵活配置,并应对极端工况下的主判据失效问题,设计了一种免整定的实测-补偿电压幅值比较判据。在信息交互方面,结合配电网通信特点,提出了带时标的5G通信方式,进一步降低了所提保护对同步通信的要求。仿真结果表明,对于带不可测分支的线路,所提判据均可成功应用,并且不依赖于数据同步通信。相较于传统三段式电流保护,保护新方案能够大大提升配电网的故障切除速度,保证故障极限响应时间均在90 ms以内。在数十欧姆的相间弧光过渡电阻和接地电阻的情形下,该方案仍能具有良好的故障辨识能力。相比于幅值差动保护,所提保护具有对不可测分支更强的适应性和动作稳定性。

关键词：主动配电网有界面保护负序电压/电流排序实测-补偿电压幅值比较 5G通信

维普期刊数据库博看期刊

基于拟牛顿法的深度强化学习在车联网边缘计算中的研究

在线全文

学校读者我要写书评

暂无评论

通信学报 2024年第5期45卷 90-100页

作者：章坚武芦泽韬章谦骅詹明杭州电子科技大学通信工程学院浙江杭州310018 之江实验室天基计算研究中心浙江杭州311121 浙江大学信息与电子工程学院浙江杭州310027 台州学院电子与信息工程学院浙江台州318000

为了解决车联网中由于多任务和资源限制导致的任务卸载决策不理想的问题,提出了拟牛顿法的深度强化学习双阶段在线卸载(QNRLO)算法。该算法首先引入批归一化技术优化深度神经网络的训练过程,随后采用拟牛顿法进行优化,有效逼近最优解。... 详细信息

为了解决车联网中由于多任务和资源限制导致的任务卸载决策不理想的问题,提出了拟牛顿法的深度强化学习双阶段在线卸载(QNRLO)算法。该算法首先引入批归一化技术优化深度神经网络的训练过程,随后采用拟牛顿法进行优化,有效逼近最优解。通过此双阶段优化,算法显著提升了在多任务和动态无线信道条件下的性能,提高了计算效率。通过引入拉格朗日算子和重构的对偶函数,将非凸优化问题转化为对偶函数的凸优化问题,确保算法的全局最优性。此外,算法考虑了车联网模型中的系统传输时间分配,增强了模型的实用性。与现有算法相比,所提算法显著提高了任务卸载的收敛性和稳定性,并能有效处理车联网中的任务卸载问题,具有较高的实用性和可靠性。

关键词：车联网任务卸载深度强化学习拟牛顿法

基于硬件损伤与离散相移的IRS辅助MU-MISO通信系统鲁棒能效优化算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第6期52卷 1832-1841页

作者：熊迎香徐勇军陈前斌黄崇文重庆邮电大学通信与信息工程学院重庆400065 浙江大学信息与电子工程学院浙江杭州310027

针对现有工作仅考虑理想信道状态信息(Channel State Information,CSI)与硬件调控能力导致在实际系统中用户传输中断过高的问题,该文综合考虑不完美CSI、有限相移调控、硬件损伤的影响,提出了一种基于智能反射面(Intelligent Reflecting... 详细信息

针对现有工作仅考虑理想信道状态信息(Channel State Information,CSI)与硬件调控能力导致在实际系统中用户传输中断过高的问题,该文综合考虑不完美CSI、有限相移调控、硬件损伤的影响,提出了一种基于智能反射面(Intelligent Reflecting Surface,IRS)辅助的鲁棒能效优化算法.考虑基站最大发射功率与IRS离散相移约束及差异化用户传输速率需求,基于高斯CSI误差模型和加性硬件损伤模型,将基站主动波束成形与IRS被动相移优化问题建模为含不确定性参数的多变量耦合能效最大化问题.考虑波束向量与相移矩阵的耦合性,利用交替优化策略将原问题转化为主动波束子问题和离散相移子问题.利用伯恩斯坦不等式、丁克尔巴赫方法及连续凸近似将波束子问题转化为凸优化问题求解;基于求解的主动波束向量,利用罚函数法和投影定理求解离散相移子问题.仿真结果表明,与传统非鲁棒算法相比,所提算法能效性能提升15.8%,平均中断概率间隙达86.7%.

关键词：智能反射面能效优化鲁棒性

在线全文

学校读者我要写书评

暂无评论

车辆边缘计算中基于深度学习的任务判别卸载

电子科技大学学报 2024年第1期53卷 29-39页

作者：章坚武戚可寒章谦骅孙玲芬杭州电子科技大学信息工程学院杭州310018 杭州电子科技大学通信工程学院杭州310018 浙江大学信息与电子工程学院杭州311121 普利茅斯大学普利茅斯PL48AA

车辆边缘计算(VEC)将移动边缘计算(MEC)与车联网(IoV)技术相结合,将车载任务下沉至网络边缘,以此解决车辆终端计算能力有限问题。为了克服任务数量骤增的车载任务调度难题并提供一个低时延服务环境,首先依据所选的5大特征参数的动态关... 详细信息

车辆边缘计算(VEC)将移动边缘计算(MEC)与车联网(IoV)技术相结合,将车载任务下沉至网络边缘,以此解决车辆终端计算能力有限问题。为了克服任务数量骤增的车载任务调度难题并提供一个低时延服务环境,首先依据所选的5大特征参数的动态关联变化准则,使用改进型层次分析法(AHP)将车载任务划分为3类主要任务,基于3种卸载决策进行资源分配联合建模;随后,利用调度算法和罚函数来消除建模的约束条件,所获的代价值为之后的深度学习算法提供输入;最后,提出一种基于深度学习的分布式卸载网络算法来有效降低VEC系统的能耗与时延。仿真实验结果表明,所提卸载方案相较传统深度学习卸载方案具有更好环境适应性与稳定性,并降低了任务平均处理时延与能耗。

关键词：深度学习边缘卸载多约束优化任务类型划分车辆边缘计算

在线全文

学校读者我要写书评

暂无评论

小样本语义分割研究现状与分析

计算机学报 2024年第10期47卷 2417-2451页

作者：陈善娟于云龙李英明浙江大学信息与电子工程学院杭州310058

传统语义分割任务通常是数据驱动的,需要大规模密集标注样本训练,并且不能泛化到新类,因此在实际应用中受到很大限制.为了缓解传统语义分割中数据匮乏和泛化能力差的问题,人们提出小样本语义分割任务,在未见类别仅提供少量密集标注样本... 详细信息

传统语义分割任务通常是数据驱动的,需要大规模密集标注样本训练,并且不能泛化到新类,因此在实际应用中受到很大限制.为了缓解传统语义分割中数据匮乏和泛化能力差的问题,人们提出小样本语义分割任务,在未见类别仅提供少量密集标注样本的情况下实现新类分割,在医疗图像分割、自动驾驶等应用领域扮演着重要的角色,已成为计算机视觉领域的重要研究方向之一.本文从基础知识、模型算法和拓展应用等方面对自然图像领域的小样本语义分割研究展开调查,具体包含以下内容:(1)介绍了小样本语义分割的背景知识,包括它的由来、核心思想、概念知识、存在挑战、数据集和性能评价指标;(2)详细分析和比较当前小样本语义分割算法,根据推理过程中是否存在梯度回传将其分为基于优化和基于度量学习的方法,并归纳了其发展现状和不同算法的优缺点;(3)介绍了小样本语义分割与其他技术融合的任务,包括小样本实例分割、广义小样本分割、增量小样本分割、弱监督小样本分割及跨域小样本分割;(4)讨论了小样本语义分割任务仍存在的问题和未来展望.

关键词：小样本学习图像语义分割元学习迁移学习深度学习

同方期刊数据库

基于统计信道状态信息的智能反射面辅助反向散射通信系统鲁棒资源分配算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第5期46卷 1986-1995页

作者：徐勇军徐娟田秦语黄崇文重庆邮电大学通信与信息工程学院重庆400065 浙江大学信息与电子工程学院杭州310007

为解决传统反向散射通信(BackCom)系统存在通信距离短、系统吞吐量较低和克服信道不确定性能力差的问题,该文提出一种基于统计信道状态信息(CSI)的智能反射面(RIS)辅助反向散射通信系统鲁棒资源分配算法。考虑功率站最大发射功率约束、... 详细信息

为解决传统反向散射通信(BackCom)系统存在通信距离短、系统吞吐量较低和克服信道不确定性能力差的问题,该文提出一种基于统计信道状态信息(CSI)的智能反射面(RIS)辅助反向散射通信系统鲁棒资源分配算法。考虑功率站最大发射功率约束、反射节点的能量中断约束和吞吐量中断约束、反射系数约束、RIS相移约束和信息传输时间约束,建立了系统加权和吞吐量最大化的鲁棒资源分配模型;利用伯恩斯坦不等式、交替优化和半正定松弛方法,将原非凸问题转换成凸优化问题求解,并提出一种基于迭代的鲁棒吞吐量最大化算法。仿真结果表明,与传统非鲁棒资源分配算法和无RIS资源分配算法相比,所提算法具有更强的鲁棒性和更高的吞吐量。

关键词：反向散射通信智能反射面鲁棒资源分配信道不确定性