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

基于语义一致与多级相似性的跨模态哈希检索

数据分析与知识发现 2024年第7期8卷 89-102页

作者：刘媛媛王晓燕张雨欣朱路华东交通大学信息工程学院南昌330013

【目的】通过关联标签学习丰富的语义表示,在哈希码中保留更多辨别信息,同时考虑到跨模态语义相似性,保持不同模态间的相关性,更好地弥合模态差距。【方法】在多标签的关联约束下,挖掘不同模态的公共语义信息以及隐藏的类语义结构,采用... 详细信息

【目的】通过关联标签学习丰富的语义表示,在哈希码中保留更多辨别信息,同时考虑到跨模态语义相似性,保持不同模态间的相关性,更好地弥合模态差距。【方法】在多标签的关联约束下,挖掘不同模态的公共语义信息以及隐藏的类语义结构,采用高级语义与低级语义联合相似性度量的非对称学习框架,进而量化获得更具强鉴别性的哈希码。【结果】在MIRFlickr-25K、IAPR TC-12和NUS-WIDE三个多模态基准数据集上,本文方法与7种方法进行实验对比,在5种不同码长情况下,本文方法的平均MAP值比基准模型的最高值分别提升2.1%、5.8%和2.1%。【局限】所提出方法对多标签数据集更具适用性,对单标签数据的语义相关性挖掘尚有欠缺。【结论】所提方法保持样本和类语义结构的一致性,并且充分挖掘内在模态特征,有效提高了检索性能。

关键词：跨模态检索监督学习多级相似哈希

在线全文

学校读者我要写书评

暂无评论

滤波器弹性的深度神经网络通道剪枝压缩方法

计算机工程与应用 2024年第6期60卷 163-171页

作者：李瑞权朱路刘媛媛华东交通大学信息工程学院南昌330013

深度神经网络(deep neural network,DNN)在各个领域获得了巨大成功,由于其需要高额的计算和储存成本,难以直接将它们部署到资源受限的移动设备端。针对这个问题,对网络中的全局滤波器重要性评估进行了研究,提出滤波器弹性的通道剪枝压... 详细信息

深度神经网络(deep neural network,DNN)在各个领域获得了巨大成功,由于其需要高额的计算和储存成本,难以直接将它们部署到资源受限的移动设备端。针对这个问题,对网络中的全局滤波器重要性评估进行了研究,提出滤波器弹性的通道剪枝压缩方法以轻量化神经网络的规模。该方法先设置层间局部动态阈值改进L1正则化(L1 lasso)稀疏训练中剪枝过度的不足;然后将其输出乘以通道缩放因子替换普通的卷积层模块,利用滤波器的弹性大小定义全局滤波器的重要性,其数值由泰勒公式估计得出并排序,同时设计新的滤波器迭代剪枝框架,以平衡剪枝性能和剪枝速度的矛盾;最后利用改进的L1正则化训练和全局滤波器重要性程度进行复合通道剪枝。在CIFAR-10上使用所提方法对VGG-16进行实验,减少了80.2%的浮点运算次数(FLOPs)和97.0%的参数量,而没有明显的准确性损失,表明了方法的有效性,能大规模地压缩神经网络,可部署于资源受限的终端设备。

关键词：模型压缩滤波器重要性通道剪枝缩放因子弹性

联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第7期52卷 2369-2381页

作者：李广丽叶艺源吴光庭李传秀吕敬钦张红斌华东交通大学信息工程学院江西南昌330013 华东交通大学软件学院江西南昌330013

乳腺癌是女性最常见的癌症.单一网络在乳腺癌病理图像分类中存在缺陷,卷积神经网络无法提取全局上下文,而Transformer不能准确描述局部细节.本文提出联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型(Multi-View Tra... 详细信息

乳腺癌是女性最常见的癌症.单一网络在乳腺癌病理图像分类中存在缺陷,卷积神经网络无法提取全局上下文,而Transformer不能准确描述局部细节.本文提出联合多视角Transformer编码与在线融合互学习的乳腺癌病理图像分类模型(Multi-View Transformer Online Fusion Mutual Learning,MVT-OFML).采用ResNet-50(Residual Network-50)提取图像局部特征,设计多视角Transformer编码模块,捕获图像中全局上下文;联合Logits和中间特征层构建OFML框架,实现ResNet-50与多视角Transformer编码模块间双向传递知识,使2个网络优势互补以完成乳腺癌病理图像分类.实验表明,在BreakHis和BACH数据集上,MVT-OFML的准确率比最强基线分别提升0.90%和2.26%,F1均值比最强基线分别提升4.75%和3.21%.

关键词：乳腺癌病理图像分类多视角Transformer 卷积神经网络在线融合互学习

利用A2C-ac的城轨车车通信资源分配算法

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4期46卷 1306-1313页

作者：王瑞峰张明黄子恒何涛兰州交通大学自动化与电气工程学院兰州730070 兰州交通大学自动控制研究所兰州730070

在城市轨道交通列车控制系统中,车车(T2T)通信作为新一代列车通信模式,利用列车间直接通信来降低通信时延,提高列车运行效率。在T2T通信与车地(T2G)通信并存场景下,针对复用T2G链路产生的干扰问题,在保证用户通信质量的前提下,该文提出... 详细信息

在城市轨道交通列车控制系统中,车车(T2T)通信作为新一代列车通信模式,利用列车间直接通信来降低通信时延,提高列车运行效率。在T2T通信与车地(T2G)通信并存场景下,针对复用T2G链路产生的干扰问题,在保证用户通信质量的前提下,该文提出一种基于多智能体深度强化学习(MADRL)的改进优势演员-评论家(A2C-ac)资源分配算法。首先以系统吞吐量为优化目标,以T2T通信发送端为智能体,策略网络采用分层输出结构指导智能体选择需复用的频谱资源和功率水平,然后智能体做出相应动作并与T2T通信环境交互,得到该时隙下T2G用户和T2T用户吞吐量,价值网络对两者分别评价,利用权重因子β为每个智能体定制化加权时序差分(TD)误差,以此来灵活优化神经网络参数。最后,智能体根据训练好的模型联合选出最佳的频谱资源和功率水平。仿真结果表明,该算法相较于A2C算法和深度Q网络(DQN)算法,在收敛速度、T2T成功接入率、吞吐量等方面均有明显提升。

关键词：城市轨道交通资源分配 T2T通信多智能体深度强化学习 A2C-ac算法

在线全文

学校读者我要写书评

暂无评论

基于主线密度预测的快速路入口匝道控制方法

交通运输系统工程与信息 2024年第4期24卷 94-104,126页

作者：邓明君李书行李响张兵薛运强华东交通大学交通运输工程学院南昌330013

针对快速路入口匝道区域拥堵问题,本文提出一种基于交通密度预测的入口匝道控制方法。通过分析快速路匝道区域的交通特性,定义交通流缓行状态,利用经典宏观交通流模型对快速路主线的历史密度进行统计,基于速度、密度参数进行聚类分析量... 详细信息

针对快速路入口匝道区域拥堵问题,本文提出一种基于交通密度预测的入口匝道控制方法。通过分析快速路匝道区域的交通特性,定义交通流缓行状态,利用经典宏观交通流模型对快速路主线的历史密度进行统计,基于速度、密度参数进行聚类分析量化缓行状态交通参数特征。基于城市交通流的日变化特性,利用时间序列模型对交通密度进行短期预测,基于预测结果识别缓行状态。针对交通缓行状态,提出一种快速路主线交通密度与入口匝道排队长度的协同控制模型,通过控制入口匝道进而控制主线下游密度不超过临界密度,利用PSO-PID(Particle Swarm Optimization-Proportional Integral Derivative Control)算法对控制模型进行求解。以南昌市洪都大道快速路为例,对晚高峰缓行时段进行仿真分析,并与经典的匝道控制方案进行对比分析。结果表明:本文模型相较ALINEA模型,将匝道调节率提高11.0%,匝道平均排队长度和平均延误分别降低了14.8%和13.5%。

关键词：城市交通预测控制信号配时优化快速路入口匝道 PID算法

基于虚像相位阵列的光谱检测中角色散均匀性的研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第7期44卷 1827-1834页

作者：纪文杰谭中伟北京交通大学电子信息工程学院光波技术研究所北京100044

随着光谱学的不断发展,光谱检测作为一种快速无损的检测手段逐渐被应用于越来越多的领域中。而随着对信息精度要求的不断提高,如何得到高分辨率和低波长误差的光谱信息,是设计光谱检测系统时必须解决的问题。传统的色散元件如衍射光栅,... 详细信息

随着光谱学的不断发展,光谱检测作为一种快速无损的检测手段逐渐被应用于越来越多的领域中。而随着对信息精度要求的不断提高,如何得到高分辨率和低波长误差的光谱信息,是设计光谱检测系统时必须解决的问题。传统的色散元件如衍射光栅,虽然有较大的波长响应范围,但是通常只能提供nm量级的分辨率而无法满足当下的高光谱分辨率的要求。虚像相位阵列(VIPA)具有大角度色散特性,可以有效提高系统的光谱分辨率,因而近年来不断被用于精细光谱检测的研究。但其波长和色散角度对应关系存在非线性,而且同一波长易产生多个衍射级次的光斑,从而造成额外的光能损失。因此,本文主要基于VIPA的交叉色散光路就如何降低VIPA色散的非均匀性的问题进行了理论分析和实验验证。首先基于傍轴理论的色散定律展开理论分析探讨了入射光腰尺寸、入射角度等参数对于VIPA色散的非线性程度和衍射级次数量的影响。然后通过进行仿真记录了宽光谱光源在不同VIPA倾斜角度条件下各波长衍射级次的数量,以及各波长对应的光斑质心的坐标值。计算各情况下的质心坐标与拟合曲线之间的距离均差,比较了不同角度条件下线性度的好坏。最后根据理论分析和仿真实验的结果进行实验。实验中记录了VIPA的交叉色散光路在不同的VIPA倾斜条件下出现的衍射级次数量,并利用一个波长可变的激光器得到了不同波长的光源在VIPA倾斜2°的实验条件下各衍射级次光斑的质心坐标。同样通过计算不同衍射级次光斑的质心与拟合曲线之间的距离均差分析不同衍射级次的线性度好坏。实验证明通过控制入射光束参数,可以一定程度上降低VIPA色散的非均匀性。VIPA倾斜角度越大且越靠近探测器中央位置的衍射级次线性度越好。

关键词：虚像相位阵列光谱检测线性度衍射级次

基于PLS-DA和LS-SVM的可见/短波近红外光谱鉴定港种四九、十月红和九月鲜菜心种子的可行性研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第6期44卷 1718-1723页

作者：章海亮聂训廖少敏詹白勺罗微刘书玲刘雪梅谢潮勇华东交通大学电气与自动化工程学院江西南昌330013 华东交通大学土木建筑学院江西南昌330013 江西省科学技术信息研究所江西南昌330046

目前市面上菜心的品种复杂,不同菜心种子的品质与发芽率不同,但菜心种子单从外观上差别不大,因此区分菜心种子的类别成为了一大难题。为了实现菜心种子类别的快速区分,探究了基于可见/短波近红外光谱分析菜心种子类别的可行性。从南昌... 详细信息

目前市面上菜心的品种复杂,不同菜心种子的品质与发芽率不同,但菜心种子单从外观上差别不大,因此区分菜心种子的类别成为了一大难题。为了实现菜心种子类别的快速区分,探究了基于可见/短波近红外光谱分析菜心种子类别的可行性。从南昌市种子交易场所购买了港种四九、十月红和九月鲜三个品种的菜心种子,从中挑选出品相较好且大小适中的子粒,将每种菜心种子均匀分为30份,按照2∶1划分为建模集和预测集,所有样本共计90份。通过近红外光谱仪获取采样间隔为1 nm的菜心种子的光谱反射率,波长覆盖范围325~1075 nm,将原始光谱数据采用多元散射校正(MSC)、卷积平滑(S-G)和标准正态变换(SNV)三种预处理方法进行预处理,预处理后的光谱变量建立偏最小二乘回归(PLSR)模型,确定了SNV是最佳预处理方法。采用主成分分析(PCA)对菜心种子进行了聚类分析,从前三个主成分因子(PCs)得分图可知三种菜心种子存在光谱特征差异。将原始光谱变量、前三个PCs(累计贡献97.15%)和基于随机蛙跳(RF)算法挑选的13个特征波长作为偏最小二乘判别(PLS-DA)和最小二乘支持向量机(LS-SVM)模型的输入变量,从模型结果可知:三种输入变量中,采用RF筛选特征波长作为模型输入变量时,模型预测效果最好,PCs建立的模型最差,相比于PCA分析,采用RF筛选出的特征波长更能够反映原始光谱信息。比较不同模型预测效果,LS-SVM模型比PLS-DA模型得到的预测精度更好,其中RF-LS-SVM模型是所有模型中最佳的预测模型,建模集和预测集均为100%。采用可见/短波近红外光谱研究菜心种子的类别可行,并且能够获得很好地预测效果,为菜心种子的快速区分提供了理论依据。

关键词：菜心种子主成分分析随机青蛙偏最小二乘判别最小二乘支持向量机

基于卷积神经网络和高光谱成像技术的多宝鱼新鲜度鉴别

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第2期44卷 367-371页

作者：章海亮周孝文刘雪梅罗微詹白勺潘璠华东交通大学电气与自动化工程学院江西南昌330013 华东交通大学土木建筑学院江西南昌330013 华东交通大学对外联络处江西南昌330013

鱼类产品新鲜度鉴别一直是重要的研究课题,相较于目前常规鱼类品质检测方法存在的成本高、检测时间长等问题,高光谱成像技术(HSI)因其无损、快速等优势得到了学者的广泛研究。卷积神经网络是深度学习中应用较为广泛的模型,表达能力强,... 详细信息

鱼类产品新鲜度鉴别一直是重要的研究课题,相较于目前常规鱼类品质检测方法存在的成本高、检测时间长等问题,高光谱成像技术(HSI)因其无损、快速等优势得到了学者的广泛研究。卷积神经网络是深度学习中应用较为广泛的模型,表达能力强,模型效率高。因此,使用卷积神经网络(CNN)结合高光谱成像技术建立多宝鱼新鲜度鉴别模型。采集160个多宝鱼样本感兴趣区域(ROI)光谱,并根据样本不同冻融次数和冷冻时间分为5类新鲜度。以VGG11网络为基础,针对光谱数据特点对网络结构进行调整,减少全连接层数量,降低模型的复杂度,分别对比不同卷积核个数、激活函数对分类性能造成的影响,确定最佳CNN网络结构。由于高光谱数据量大同时存在的冗余信息较多,分别采用无信息变量消除算法(UVE)和随机青蛙算法(RF)对高光谱数据进行波长筛选,将波长筛选后的高光谱数据分别输入卷积神经网络(CNN)、最小二乘支持向量机(LS-SVM)、K最近邻算法(KNN)建立模型。采用无信息变量消除(UVE)提取的165个特征波长建立的UVE-CNN模型鉴别效果最佳,分类模型在测试集上的精度达到了100%。结果表明,利用卷积神经网络与高光谱成像技术相结合可实现对多宝鱼新鲜度的有效鉴别,该研究为多宝鱼新鲜度无损、准确鉴别提供新思路。

关键词：卷积神经网络多宝鱼高光谱深度学习

面向点击率预测的自注意力深度域嵌入因子分解机

在线全文

学校读者我要写书评

暂无评论

工程科学与技术 2024年第5期56卷 287-296页

作者：李广丽叶艺源许广鑫张红斌吴光庭吕敬钦华东交通大学信息与软件工程学院江西南昌330013

点击率(CTR)预测通过预测用户对广告或商品的点击概率,实现数字广告精准推荐。针对现有CTR模型存在原始嵌入向量未精化、特征交互方式偏简单的问题,本文提出自注意力深度域嵌入因子分解机(self-attention deep field-embedded factoriza... 详细信息

点击率(CTR)预测通过预测用户对广告或商品的点击概率,实现数字广告精准推荐。针对现有CTR模型存在原始嵌入向量未精化、特征交互方式偏简单的问题,本文提出自注意力深度域嵌入因子分解机(self-attention deep field-embedded factorization machine,Self-AtDFEFM)模型。首先,通过多头自注意力对原始嵌入向量加权,精化出关键低层特征;其次,构建深度域嵌入因子分解机(FEFM)模块,设计域对对称矩阵以提升不同特征域之间的交互强度,为高阶特征交互优选出低阶特征组合;再次,基于低阶特征组合构建深度神经网络(DNN),完成隐式高阶特征交互;然后,围绕精化后的嵌入向量,联合多头自注意力与残差机制堆叠多个显式高阶特征交互层,通过自注意力捕获同一特征在不同子空间上的互补信息,完成显示高阶特征交互;最后,联合显式与隐式高阶特征交互实现点击率预测。在Criteo和Avazu两大公开数据集上,将Self-AtDFEFM模型与主流基线模型在AUC和LogLoss指标上进行对比实验;为Self-AtDFEFM模型调制显式高阶特征交互层层数、注意力头数量、嵌入层维度及隐式高阶特征交互层层数等参数;对Self-AtDFEFM模型进行消融实验。实验结果表明:在两大数据集上,Self-AtDFEFM模型的AUC、LogLoss均优于主流基线模型;Self-AtDFEFM模型的全部参数已调为最佳;各模块形成合力以促使Self-AtDFEFM模型性能达到最优,其中显示高阶特征交互层的作用最大。Self-AtDFEFM模型各模块即插即用,易于构建和部署,且在性能与复杂度之间取得平衡,具备较高实用性。

关键词：点击率预测多头自注意力特征交互域嵌入因子分解机深度神经网络