摘 要:为促进玉米产业发展和种质资源保护,提出了基于改进MobileViT的MR-MobileViT模型。首先,采用MobileViT作为基础网络模型,并将其激活函数从SiLU替换为Meta-ACON-C;其次,在特征融合阶段加入残差连接,增强特征表达的丰富性。实验结果表明,相较于MobileViT基础网络,MR-MobileViT在准确率、精确率、召回率和F1值上分别提升了2.60%、2.40%
摘 要:为推动“河州花儿”的传承与发展,提出了一种句法和主题增强的唱词生成模型(Syntactic-Theme-Transformer,ST-Transformer)。利用词性与依赖关系注意力模块进行特殊句法编码。运用潜在狄利克雷分配模型(LatentDirichletAllocation,LDA)挖掘潜在主题并作为标识符引导特定主题唱词生成。采用三层异构注意力机制融合句法和主题信息提升生成能力。
摘 要:提出基于计算机视觉与机器学习的医学影像处理法。利用图像处理技术预处理X光图像,借助VGG16预训练模型提取高级特征,用贝叶斯和KNN 分类器训练模型,进行不同数据集评估。实验显示,模型准确率约为0.9,能精准判别图像有无病变,经像素差异计算与高斯模糊处理,可直观展现变化区域。随着数据量增大,F1值超过0.8,召回率超0.9,表明该方法适配常规影像任务。即便影像噪声多、病变变化小,也能给出精
摘 要:传统的支持向量机分类算法在面对分类环境中的复杂噪声问题时往往存在局限性。针对这一问题提出一种基于聚类表征的支持向量机分类方法。利用样本之间的距离信息自适应学习具有一定概率邻域分配的结构化图。此外,通过邻域样本构造一个新的数据样本能够增强其数据表征,有助于更好地避免分类器受到噪声干扰。通过原数据下以及大量噪声诱导场景下的各项实验验证,实验结果平均提升了4%,证明该方法在解决分类噪声问题上具有
摘 要:针对传统小麦籽粒检测任务中种类少、数目小、识别效率不高、受数据集因素影响较大的问题,构建30000张小麦籽粒图像数据集进行分类研究。在原始ResNet34模型的残差结构中加入改进的SE-P注意力机制,减少无关的特征依赖,增强模型的特征表达能力;在全连接层之前应用Dropout层,通过随机丢弃部分神经元,降低过拟合的发生。实验结果表明,改进后的ResNet34分类模型准确率、精确度和召回率分
摘 要:睡眠呼吸暂停综合征(SleepApnedSyndrome,SAS)对生活质量影响显著。多导睡眠图是检测该病最有效的方法,但因其体积大限制了家庭使用。提出一种适用于家庭环境的自动化检测方法,利用微弯曲光纤传感器采集睡眠中的生物振动数据,获得心冲击描记图(Ballistocardiogram,BCG)信号,采用小波散射变换处理BCG信号,提取特征并输入随机森林进行心电图信号片段分类。通过10倍
摘 要:针对低照度图像增强中特征学习不足与噪声干扰问题,提出一种融合注意力与高级特征学习的增强网络。首先,设计融合注意力模块,通过多尺度通道感知与空间特征融合抑制噪声并增强关键区域;同时,引入自注意蒸馏机制,利用高层特征引导底层特征优化,实现注意力特征的高效传递;其次,结合深度监督与对比学习策略,通过多层级监督信号与特征区分性约束提升高级特征表示能力。实验表明,所提方法在LOL-v1和LOL-v2
摘 要:在移动群智感知领域,用户数据隐私安全正面临着来自多方面的攻击,为了有效加强隐私保护,提出了一种隐私交易保护方案。该方案通过集成多层次加密技术、匿名凭证系统以及用户激励机制,旨在有效保护用户隐私的同时,促进用户积极参与。实验显示,2核心手机认证及伪名生成平均耗时8s,4核心设备性能更佳,使用TOR时延迟约10s。在100个活跃任务中,私有信息检索协议3.5s内完成,证实了方案的高效性和实用性
摘 要:为针对应用于区块链中的PBFT共识算法存在计算效率低、不适用于节点数量庞大的区块链系统、扩展性差等问题,基于BLS聚合签名算法,设计了BLS-PBFT共识算法。针对PBFT共识过程中两次全部节点之间的相互广播机制,使用BLS签名算法将各节点之间的广播改为主节点对各节点的单播,在原Prepare阶段各节点的签名通过验证之后,对这些签名进行聚合操作。经实验对比,在BLS-PBFT算法的共识过程
摘 要:生成带断层地质等值线图的数据存在断层交叉及局部采样点稀疏情况,导致空间插值复杂,存在类圆等值线。利用采样数据建立约束Delaunay三角网,选择满足距离要求的采样点进行克里金插值。标记采样点和断层线顶点,分解相交断层线并构建CDT网络,生成三角形集。对所有三角形分类,形成索引表。检测类圆外围等值线变化趋势,调整方向。结果表明,分离相交断层线,可正确生成约束关系,利用索引表定位速度整体提高了
摘 要:针对较少有以完整冠心病电子病历进行疾病发生风险预测的问题,从篇章级的角度切入,将分词工具Jieba、词向量转换工具词频-逆文档频率(TermFrequency-InverseDocumentFrequency,TF-IDF)与二分类模型梯度提升树(GradientBoostingTree,GBT)相融合,提出一种能对完整冠心病电子病历进行分析的疾病发生风险预测模型Jieba-TF-IDF-
摘 要:针对自然条件下马铃薯块茎品种识别效率低、准确性差及化学分析法的不足,提出基于改进ResNet50模型的识别方法。该方法通过在主干网络引入注意力模块,调整网络结构,采用AdamW 优化器,加入迁移学习等改进措施,有效提升了模型性能。实验基于69个品种、30930张图片的数据集,最终识别准确率达99.42%,精确率、召回率、F1值也表现优异,相比MobileNet_V2、GoogLeNet和R
摘 要:针对传统电磁优化方法耗时长、效率低的问题,提出一种基于粒子群优化算法(PSO)与耦合参数模型相结合的微波滤波器优化方法。该方法利用耦合参数模型实现结构参数与频率响应的映射关系,在信赖域内通过PSO算法对结构参数进行搜索优化。通过与基于耦合参数模型的深度强化学习(DQN)方法进行对比实验,该方法在优化性能方面表现出色,优化时间较DQN方法减少32%。实验结果表明,该方法能够实现快速可靠的微波
摘 要:提出了一种融合知识图谱与深度学习的优化策略,以提升个性化学习推荐系统的推荐质量和用户体验,解决数据稀疏性与冷启动问题。通过构建涵盖学习者、教育资源及其关联关系的知识图谱,为系统提供语义信息和结构化知识支持,并利用余弦相似度匹配学习者属性与资源特征,精准满足需求。同时,结合深度神经网络捕捉偏好与资源特性间的非线性关联,进一步优化推荐性能。实验结果表明,该方法在预测准确性、推荐覆盖率和多样性上
摘 要:为了提升图像异常检测模型对复杂异常的识别率以及对多尺寸异常的检测稳定性,提出了基于多组师生网络分层特征融合框架的异常检测模型(Multi-groupTeacher-studentNetwork HierarchicalFeatureFusionFramework,MTHF)。通过构建3组不同的师生检测模块,在每组学生网络的蒸馏层后引入特征融合模块,提升多尺度异常检测精度,采用两阶段融合策略