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

基于生成对抗网络的树种识别方法

林业科学 2024年第2期60卷 97-105页

作者：苏彤许杰黑龙江八一农垦大学信息工程学院大庆163319 山东华宇工学院信息工程学院德州253034

【目的】利用卷积神经网络模型进行图像自动识别时,为防止模型过拟合通常需要大量训练样本。本研究为提高树种识别准确率,在原有叶片图像基础上进行图像样本扩充来保证训练质量,提出一种融合生成对抗网络与卷积神经网络的树种识别方法... 详细信息

【目的】利用卷积神经网络模型进行图像自动识别时,为防止模型过拟合通常需要大量训练样本。本研究为提高树种识别准确率,在原有叶片图像基础上进行图像样本扩充来保证训练质量,提出一种融合生成对抗网络与卷积神经网络的树种识别方法。【方法】在Pytorch框架下,采集10种常见树种(山杨、梣叶槭、榆、刺槐、紫丁香、杜仲、火炬树、山荆子、水曲柳、红端木)叶片图像作为研究对象。首先,采用均值滤波去噪和尺寸归一化对图像进行预处理。其次,以生成对抗网络生成的图像扩充数据集,其中,以深度卷积生成对抗网络(DCGAN)模型为基础并对其进行改进,建立残差条件深度卷积生成对抗网络(RC-DCGAN)模型,将随机噪声和类别标签作为生成器的输入,以控制样本生成过程;在生成器中嵌入残差结构,使生成模型学习更多特征信息,以提高生成图像质量。然后,将原始图像和扩充图像作为卷积神经网络(CNN)的训练集,一方面,使用RC-DCGAN模型和旋转、镜像、改变对比度等传统图像扩充方法,扩充图像11400幅;另一方面,将原始图像与生成图像、原始图像与传统扩充图像,分别输入至CNN中进行训练,并在原始图像的每个类别中随机挑选50幅对模型进行测试,以验证生成对抗网络对提升识别准确率的可行性。最后,确定适合试验要求的CNN分类模型,并与AlexNet模型、VGG-16模型、VGG-19模型、ResNet18模型的识别效果进行对比,以检验本研究方法的可行性。【结果】RC-DCGAN模型比DCGAN模型生成的图像质量更高,贴合真实图像;利用生成对抗网络扩充图像的方法与ResNet30树种识别模型,训练准确率为99.03%,平均验证识别准确率为97.20%;而在相同树种识别模型下,传统图像扩充方法的识别率为95.50%;在相同数据集下,AlexNet模型、VGG-16模型、VGG-19模型、ResNet18模型所获得的识别率分别为86.52%、87.57%、91.43%、93.25%,均低于本研究模型的识别率。【结论】联合生成对抗网络和卷积神经网络的方法对本研究10种树种叶片图像的识别准确率最高,且克服了使用传统图像处理扩充方法使模型泛化能力下降的问题,说明利用生成对抗网络对图像扩充的方法具有可行性和有效性,可为相关研究工作提供借鉴。

关键词：卷积神经网络树种识别生成对抗网络残差结构

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

融合时空特征的多模态车辆轨迹预测方法

计算机工程与应用 2024年

作者：史昕王浩泽纪艺马峻岩长安大学信息工程学院山东高速信息集团有限公司

针对考虑车辆行驶不确定性的轨迹分布准确快速预测问题，提出了一种融合时空特征的多模态车辆轨迹预测方法（GCNTA）。首先，利用空间关联度系数和图卷积神经网络（GCN）实现空间关联特征提取。其次，构建具有时间注意力机制的时域卷积... 详细信息

针对考虑车辆行驶不确定性的轨迹分布准确快速预测问题，提出了一种融合时空特征的多模态车辆轨迹预测方法（GCNTA）。首先，利用空间关联度系数和图卷积神经网络（GCN）实现空间关联特征提取。其次，构建具有时间注意力机制的时域卷积网络（TCN）完成时间特征提取。然后，通过特征融合门控单元实现每个时间步长对应时空特征的自适应融合，并利用门控循环单元（GRU）网络构建解码器进一步生成未来车辆轨迹的概率分布。最后，利用公开的NGSIM数据集对所提出模型进行消融实验及预测精度分析。仿真结果表明，GCNTA模型在预测误差均方根（RMSE）平均值相比GCN、图注意力网络（GAT）和长短期记忆网络（LSTM）模型分别减少15.6%、16.3%和23.8%。

关键词：车辆轨迹预测深度学习图神经网络时域卷积网络注意力机制

基于多尺度时空特征和软注意力机制的交通流预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：史昕曹凤腾纪艺马峻岩山东高速信息集团有限公司长安大学信息工程学院

交通流预测在规划交通系统、优化道路资源和缓解交通拥堵等方面具有重要意义。本文针对交通流预测中时间周期性特征提取不充分导致预测精度提升受限的问题，提出了一种基于多尺度时空特征和软注意力机制的交通流预测方法（MSTFSA）。该... 详细信息

交通流预测在规划交通系统、优化道路资源和缓解交通拥堵等方面具有重要意义。本文针对交通流预测中时间周期性特征提取不充分导致预测精度提升受限的问题，提出了一种基于多尺度时空特征和软注意力机制的交通流预测方法（MSTFSA）。该方法首先利用图交谈注意力网络（GTHAT）提取空间数据的非欧几里得结构特征，通过分配动态权重表征不同时间相邻道路交通流的影响程度；其次利用双向增强注意力门控循环单元结构（Bi-EAGRU）提取时间数据的连续性关联特征，增强每个时刻的时间特征与上下时刻的联系；然后基于软注意力机制融合周周期、日周期和近邻时间三个尺度下的相似交通流趋势，实现对时间周期性特征的充分提取，最后结合高速公路数据集PeMS04和PeMS08验证MSTFSA的预测精度。实验结果表明，MSTFSA的交通流预测精度表现出良好效果，与基线模型STSGCN和ASTGCN相比，其预测均方根误差（RMSE）分别降低7.15%和3.8%，平均绝对误差（MAE）分别降低7.79%和3.99%。由此可见，MSTFSA能较好的提取并融合交通数据的多时间尺度时空特征，在交通流预测精度提升方面表现出一定的优势。

关键词：交通流预测时空域联合图注意力网络软注意力机制双向门控循环单元

基于BFOA-PSO-GMM的轨道电路故障诊断研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

铁道学报 2024年第5期46卷 85-91页

作者：孙波赵梦莹何晖山东科技大学电子信息工程学院山东青岛266590 湖南华慧特自动化科技有限公司湖南长沙410002

针对轨道电路系统庞大、故障种类繁多等问题,提出一种融合细菌觅食优化算法和粒子群优化算法的高斯混合模型,对轨道电路的多种故障类型进行诊断。该模型通过融合细菌觅食优化算法与粒子群优化算法,找寻适合EM算法的初始值,利用合适的初... 详细信息

针对轨道电路系统庞大、故障种类繁多等问题,提出一种融合细菌觅食优化算法和粒子群优化算法的高斯混合模型,对轨道电路的多种故障类型进行诊断。该模型通过融合细菌觅食优化算法与粒子群优化算法,找寻适合EM算法的初始值,利用合适的初始值有效避免EM算法陷入局部最优,提高模型的故障诊断能力。通过对实测数据的训练和测试实验表明,本模型比传统高斯混合模型的故障诊断准确率提高了31.85%,比采用粒子群优化算法改进模型的故障诊断准确率提高了9.4%,即本模型对轨道电路的故障诊断更加有效。

关键词：轨道电路故障诊断高斯混合模型粒子群优化算法细菌觅食优化算法

在线全文

学校读者我要写书评

暂无评论

深度学习在乳腺癌影像学检查中的应用进展

计算机科学与探索 2024年第2期18卷 301-319页

作者：王一凡刘静马金刚邵润华陈天真李明山东中医药大学智能与信息工程学院济南250355 山东浪潮优派科技教育有限公司济南250101

乳腺癌是女性最常见的恶性肿瘤,其早期发现具有决定性意义。乳腺影像学检查在早期发现乳腺癌以及在治疗期间监测与评估方面发挥着重要作用,但人工检测医学影像通常耗时耗力。最近,深度学习算法在早期乳腺癌诊断工作中取得了显著进展。... 详细信息

乳腺癌是女性最常见的恶性肿瘤,其早期发现具有决定性意义。乳腺影像学检查在早期发现乳腺癌以及在治疗期间监测与评估方面发挥着重要作用,但人工检测医学影像通常耗时耗力。最近,深度学习算法在早期乳腺癌诊断工作中取得了显著进展。通过梳理近几年的相关文献,对深度学习技术在不同成像模式的乳腺癌诊断中的应用进行了系统综述,旨在为深入开展基于深度学习的乳腺癌诊断研究提供参考。首先概述了乳腺X线摄影、超声影像、磁共振成像和正电子发射计算机断层显像四种乳腺癌成像模式并进行了简要对比,列举了多种成像方式对应的公共数据集。重点对基于上述四种不同成像模式的深度学习架构的不同任务(病变检测、分割和分类)进行了系统的综述,对比分析了各算法性能、改进思路及其优缺点。最后,对现有技术存在的问题进行分析,并针对目前工作的局限性对未来发展方向进行展望。

关键词：乳腺癌深度学习计算机辅助诊断影像学检查

深度学习在糖尿病视网膜病变分类领域的研究进展

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第8期60卷 16-30页

作者：孙石磊李明刘静马金刚陈天真山东中医药大学智能与信息工程学院济南250355 山东浪潮优派科技教育有限公司济南250101

糖尿病视网膜病变是导致糖尿病患者视力受损的主要原因之一,早期的分类诊断对于病情的治疗与控制具有重要意义。深度学习方法能够自动提取视网膜病变的特征并进行分类,因此成为糖尿病视网膜病变分类的重要工具。介绍常用的糖尿病视网膜... 详细信息

糖尿病视网膜病变是导致糖尿病患者视力受损的主要原因之一,早期的分类诊断对于病情的治疗与控制具有重要意义。深度学习方法能够自动提取视网膜病变的特征并进行分类,因此成为糖尿病视网膜病变分类的重要工具。介绍常用的糖尿病视网膜病变数据集及评价指标,总结了深度学习在糖尿病视网膜病变二分类中的应用;综述了不同的经典深度学习模型在糖尿病视网膜病变严重程度分类中的应用,重点阐述卷积神经网络的分类诊断方法,并对不同方法进行综合对比分析;最后讨论该领域面临的挑战,并对未来发展方向进行了展望。

关键词：糖尿病视网膜病变深度学习二分类严重程度分类卷积神经网络(CNN)

提高超导纳米线单光子探测器计数率的室温读出电路

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第9期61卷 202-206页

作者：巫君杰董玉奇张成俊万旭骁邵峰丁钰蒋燕阳吕超林南京信息工程大学电子与信息工程学院江苏南京210044 赋同量子科技(浙江)有限公司浙江嘉兴314100 无锡学院电子信息工程学院江苏无锡214105

计数率是超导纳米线单光子探测器(SNSPD)的重要参数,介绍了一种在室温端提高SNSPD计数率的方法及其测量装置。首先,基于SNSPD系统的分布式电路模型,仿真分析了信号传输完整性和计数率的影响因素;进而,通过引入极低漏热柔性线解决信号完... 详细信息

计数率是超导纳米线单光子探测器(SNSPD)的重要参数,介绍了一种在室温端提高SNSPD计数率的方法及其测量装置。首先,基于SNSPD系统的分布式电路模型,仿真分析了信号传输完整性和计数率的影响因素;进而,通过引入极低漏热柔性线解决信号完整性问题,实现在室温端串联电阻提升SNSPD计数率的系统。通过室温端串联150Ω的电阻,在不影响SNSPD系统探测效率以及暗计数率的基础上,器件的计数率提高5.3倍,该方法操作简单,可以满足实时提高SNSPD计数率的需求。

关键词：超导纳米线单光子探测器计数率串联电阻分布式电路模型

基于MEMS-FPI片上光谱芯片的多组分痕量气体检测系统

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 359-366页

作者：刘兆海安昕辰陶治刘向南京信息工程大学电子与信息工程学院江苏南京210044 苏州捷准智能科技研发有限公司江苏苏州215128 中科芯集成电路股份有限公司江苏无锡214000

气体的特征吸收频率可以通过红外光谱技术进行提取,但以可调谐激光吸收光谱法(TDLAS)为标志的气体光谱检测技术难以兼顾宽波段与高精度。因此,高集成度、高速度和高稳定性的多组分痕量气体的检测技术一直是科研界研究的热点。为了拓宽... 详细信息

气体的特征吸收频率可以通过红外光谱技术进行提取,但以可调谐激光吸收光谱法(TDLAS)为标志的气体光谱检测技术难以兼顾宽波段与高精度。因此,高集成度、高速度和高稳定性的多组分痕量气体的检测技术一直是科研界研究的热点。为了拓宽红外激光器检测的范围,本项目研发了中心波长分别为1543、1579、1626、1653、1690与1742 nm波段可调谐的多通道、可调频分布式反馈(DFB)激光器作为光源。利用MEMS-FPI片上光谱芯片探测带宽窄(约5 nm)、工作波长可精准调控、滤波效率高等一系列优势,实现了与多波长红外激光器的同步探测,完成多种混合气体的稳定高精度的识别与浓度检测,有效抑制了背景气体的相互干扰。该系统采用可寻址的MEMS-FPI光谱芯片的多通道波长调制(WMS)技术,通过单路锁相放大电路分别对不同气体吸收谱线的二次谐波(2f)信号进行解调与数字采集。实现了甲烷(CH4),硫化氢(H_(2)S),乙烯(C2H4)等七种气体标志物的快速痕量级检测。能够兼顾多组分识别与低气体检测下限(识别速度2 s以内),检测下限相比于传统宽光谱直接测量方法降低了约700倍。实验结果表明,本系统对甲烷的检测下限可达到0.2μL·L^(-1),且二氧化碳的检测下限为10μL·L^(-1),丙酮的检测下限为2μL·L^(-1),乙烯、硫化氢的检测下限为1μL·L^(-1),氨气的检测下限为5μL·L^(-1),氯化氢的检测下限为4μL·L^(-1),完全满足包括双碳背景下的低浓度温室气体监测、医疗领域人体呼出气体检测与诊断在内的一系列痕量级多组分气体检测的应用需求。

关键词：多组分痕量气体检测 TDLAS 近红外光谱 MEMS-FPI光谱芯片

深度学习在甲状腺结节良恶性分类中的应用进展

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第8期61卷 27-38页

作者：张文凯王晓燕刘静周启香贺鑫山东中医药大学智能与信息工程学院山东济南250355

甲状腺结节是成人临床最常见的结节性病变之一,发病率一直居高不下。甲状腺结节有良性和恶性之分,后者即为甲状腺癌,会造成患者呼吸吞吐困难甚至危及患者生命。因此,识别甲状腺结节的良恶性是诊断和治疗甲状腺结节的首要问题。深度学习... 详细信息

甲状腺结节是成人临床最常见的结节性病变之一,发病率一直居高不下。甲状腺结节有良性和恶性之分,后者即为甲状腺癌,会造成患者呼吸吞吐困难甚至危及患者生命。因此,识别甲状腺结节的良恶性是诊断和治疗甲状腺结节的首要问题。深度学习能够自动提取结节特征,并完成甲状腺结节的良恶性初步分类。随着深度学习分类准确率的不断提高,目前它已成为甲状腺结节良恶性辅助诊断的重要手段。为更好地进行甲状腺结节良恶性分类辅助诊断研究,对常用的结节分类性能评价指标进行介绍;按卷积神经网络、Transformer、深度神经网络、生成对抗网络、迁移学习、集成学习以及基于深度学习的计算机辅助诊断系统进行分类,对它们在甲状腺结节良恶性分类中的应用进行阐述,并进行综合对比分析;总结了目前研究中存在的问题,并对未来的研究方向进行了展望。

关键词：甲状腺结节良恶性分类深度学习图像处理辅助诊断