✉ 168452829@qq.com; victorfsl@126.com; caiwm@nit.zju.edu.cn; wslnbtu@163.com; wangray@zju.edu.cn; 1114582762@qq.com摘 要:针对养殖水体环境中图像噪声复杂、对虾轮廓模糊的问题,提出了一种基于改进卷积神经网络(CNN)的水下对虾图像去噪方法。该方法由噪声估计子网络和非盲去噪子
摘 要:针对复杂制造环境中的调度优化问题,提出了一种基于多智能体架构的智能制造执行系统。系统融合大语言模型,实现生产状态的语义理解与智能决策,并结合合同网协议与蒙特卡洛树搜索优化任务分配与全局调度。通过管理、调度、执行3层智能体协同工作,采用标准通信协议实现高效协作。实际验证结果显示,系统在多订单、负载波动及异常干扰环境下,调度效率提升了18.5%,资源利用率提高了15.5%。这些成果验证了该系统为智能制造环境中的多智能体调度提供了有效的解决方案。
摘 要:为了解决遥感图像中由于目标方向多变、背景复杂导致目标物体可判别信息少的问题,提出了一种面向遥感图像的两阶段旋转目标检测方法。首先,设计矩形可变形卷积替换卷积神经网络中的一般卷积,以更好地适应遥感图像目标的几何形状;其次,提出了视觉语言检测头,以充分利用图像文本标签中的语义信息辅助视觉识别任务,将物体类别标签与提示模板组合通过编码得到文本特征,并与图像区域特征计算相似度用于辅助区域类别的分类;最后,在输入检测头的图像区域特征和CLIP文本编码器提取到的文本特征之后分别引入一个额外的全连接层适配器,以微调新特征,并使用残差的方式将原始特征与新特征进行融合,以提高目标的特征表达能力。在2个公开的可见光遥感数据集DOTA v1.0和FAIR1M 1.0上的实验结果表明,所提方法相较于现有方法获得了更好的检测性能,平均精度均值(mAP)分别达到了77.12%和46.72%。所提出方法设计了独特的可变形卷积,充分发挥了视觉语言模型的优点,使遥感图像目标检测结果更加准确。
摘 要:在信用评分任务中,类别不平衡问题导致传统模型对违约样本的识别能力不足。针对这一问题,提出一种基于置信度动态加权的集成信用评分模型——CBWF-FLT。采用 FT-Transformer 与逻辑回归组合模型为子模型,在不同不平衡率的子数据集上训练;根据子模型在验证集的精度与置信度,剔除低精度子模型并对其他子模型进行动态加权。实证结果表明,CBWF-FLT 在 6 个公开数据集上相较于 9 个代表性信用评分模型,展现出最强的违约样本识别能力,并具备良好的鲁棒性和泛化能力,在解决信用评分类不平衡问题上具有显著效果。
摘 要:在环境声分类算法终端部署的背景下,为应对传统特征拼接和融合的方法在特征间相关性和特征局部信息表达方面的不足,提出了一种基于谱双池化注意力的多特征轻量级环境声识别方法。该方法在 Log-Mel 谱图、线性谐波谱和线性冲击谱组合特征的基础上,利用谱双池化注意力进行全局频率信息、局部频率信息和通道间信息的联合建模,实现了多谱图特征的有效融合。在以 ResNet18 预训练网络为骨干并考虑混合损失的分类器模型上开展了实验,结果表明组合特征方法和谱双池化注意力结合使用能有效提升环境声分类的准确率。
2023220503169@mails.zstu.edu.cn; 31540zgl@Chinadafeng.com; zhanghua@zstu.edu.cn摘 要:针对纺纱行业自动化生产中筒纱6D位姿估计存在的弱纹理对象鲁棒性差、关键点定位精度不足等问题,提出一种基于全局注意力机制与多特征融合的6D位姿估计方法。该方法在编解码器网络的跳跃连接中引入GAM(Global Attention
摘 要:针对自然环境下对桃子成熟度的准确识别问题,提出了一种基于改进的 YOLOv11 的目标检测模型 YOLO-CDS,设计了一种结合多尺度表征增强与动态非线性建模的目标检测框架。在 Backbone 中引入 C3k2_DCNv2_Dyn,并通过自研注意力 MPCA(Multi-Perspective Cross-Attention)强化 DCNv2 的 offset 与 mask 学习,提升空间建模能力;Neck 端采用源自 U-NetV2 的 SDI(Semantics and Detail Infusion)结构,对 YOLOv11 特征融合机制重新设计以增强语义与细节交互;此外构建 C2PSA_DYT 模块,引入 DynamicTanh 以替代归一化,实现自适应通道压缩与注意力调制。三者协同提升检测精度与鲁棒性。实验结果表明,采用 YOLO-CDS 模型在桃子成熟度测试集上的识别准确度有明显提升,改进后模型 mAP@0.5 为 83.6%, mAP@0.5:0.95 为 73.9%,精确率为 76.0%,与 YOLOv11 相比提升了 1.2、0.7 和 2.7 个百分点。YOLO-CDS 模型能满足自然环境下桃子目标的检测。
摘 要:面向在线健康社区的推荐系统需要推荐用户感兴趣且能改善其健康状况的干预方案,即需要兼顾兴趣和效用的公平性。为此,提出了融合效用与兴趣的在线用户健康干预公平推荐模型。首先,利用注意力机制对用户兴趣进行学习,同时,计算待推荐方案对参与者的预计疗效;接着评估干预方案对目标用户的效用;最终结合方案效用和用户兴趣得出推荐结果。实验结果显示,本文所提模型的 AUC(Area Under Curve)最高提升 5.96%,召回率最高提升 4.33%。以健康疗效为推荐目标时,该模型实现了 0.5426 的用户平均减肥成功率,相较于数据集基线值 0.4392 提升 10.34 个百分点,远高于 DeepFM(0.4254)、WDL(0.4342)、NFM(0.4216)、DCN(0.4364)、FiBiNET(0.4505) 及去除个体疗效预测层的模型(0.4820)。消融实验验证,去除任一注意力机制均会导致模型性能显著下降,同时去除两个注意力机制后,AUC 降至 0.9163、召回率降至 0.8441,分别下降 1.44% 和 4.45%。与其他推荐模型相比,所提模型有最好的推荐结果,且能提高推荐的方案对于用户的效用。
✉ ancrum@qq.com; 1124905128@qq.com 摘 要:针对传统路径规划方法在大状态空间下计算效率低的问题,提出一种基于改进层次结构的机器人路径动态规划方法。该方法将环境建模为多层马尔可夫决策过程,在高层抽象空间中聚类状态以降低计算复杂度,并结合动态规划策略优化路径。实验结果表明,该方法在人工数据和真实机器人数据上均显著减少了值更新次数,提高了路径规划效率,适用于大
摘 要:在水产养殖领域,鱼类的食欲是制定投喂策略的关键因素。鱼类摄食强度能够直接反映鱼类的食欲。本研究开发了一种基于声学信号和深度学习技术的斑石鲷摄食强度评估方法,该方法能够将斑石鲷摄食强度分为强、中、弱、无4个等级。通过收集循环水系统中斑石鲷的摄食声信号,将声信号转换为梅尔谱图。本研究采用改进的MobileNetV2模型。实验结果表明,所提出的方法在AFFIA数据集上的精度相较于CNN6模型提高
摘 要:作为自动驾驶领域的一项关键技术,车道线检测的精度及计算复杂度对车辆的定位和行驶安全具有决定性影响。然而目前检测精度较高的CLRNet模型存在计算复杂度高、难以在轻量级终端设备部署等不足。基于此,提出一种轻量化CLRNet的车道线检测算法:用MobileNetV3-Large网络替代原模型中的ResNet18特征提取网络,降低计算复杂度;并在特征提取网络中引入坐标注意力机制,增强空间特征表征
摘 要:针对离散制造业数字孪生技术中普遍存在“重产线宏观布局轻设备微观工况”和“重虚拟动画模拟轻数据虚实交互”的核心痛点,以提升生产制造模型精度为核心目标,针对设备内部核心工序开展模型精细化构建,提出构建精细化数字孪生4层递进式结构,形成从物理设备到虚拟模型全要素、高精度映射体系。同时,针对精细化建模中数字孪生平台因资源负载过高出现的帧率波动、交互延迟等问题,提出轻量化优化方法。实验结果显示,
摘 要:围绕农产品供应链环节众多、角色复杂导致的隐私数据安全性差异,针对访问策略重复性加密以及分级存储安全问题,提出一种基于多值决策图(MDD)的分级访问结构,结合一种对称加密算法(AES)和密文策略属性基加密(CP-ABE)算法的混合加密方法。基于MDD访问结构多维度属性融合的特点,构造了一种MDD分级访问结构,拓展终端节点并减少重复的访问有效路径;进一步设计混合加密流程,创建分级属性基加密算法
摘 要:高级持续性威胁(APT)攻击溯源中日志事件数据与高层攻击意图之间存在映射断层,恶意信号往往被良性事件淹没,导致识别攻击点不准确以及难以关联形成攻击链。因此,提出基于ATT&CK子技术与异构图注意力的APT攻击溯源(AP-ATSHGA)方法,该方法以ATT&CK子技术为粒度构建攻击原型库。首先根据日志数据构建异构溯源图,融合图卷积网络(GCN)与扩展隔离森林(EIF)算法,通过异常节点识别定位噪声环境中的可疑行为并提取相关子图;其次采用异构图注意力网络与时间约束,建模进程、文件、网络连接等多类型实体的交互及时序关系,构建攻击行为序列;最后利用门控循环单元捕获攻击序列特征,通过与攻击原型库进行相似度匹配,建立日志事件到子技术组合到攻击意图的语义映射,实现APT攻击场景重构。实验结果显示:AP-ATSHGA在Kellect4APT数据集上子技术标签匹配准确率为72.3%,技术与战术标签匹配准确率分别达76.1%与85.6%;在ATLAS数据集上攻击链重构F1分数相比ATLAS基准方法提升9个百分点,精确率达96%。