文章-世纪中文出版社

汤张泳1 吴小俊2 朱学峰1 《人工智能研究》 2020年1期

摘要:

相关滤波算法因无法充分利用深度特征和浅层特征的互补特性而限制跟踪性能.针对该问题,文中提出多空间分辨率自适应特征融合的相关滤波目标跟踪算法.首先,使用更深的ResNet-50网络提取深度特征,提高特征表示在跟踪过程中的鲁棒性和鉴别性.再针对不同特征具有不同空间分辨率的特点,从视频帧中分割不同尺度的图像块作为搜索区域,更好地平衡边界效应和样本数目.最后,引入自适应特征融合方法,以自适应的权重融合两类特征的响应图,充分利用其互补特性.在多个标准数据集上的实验证实文中算法的有效性和鲁棒性.

重型放顶煤支架在一矿的应用下载：53 浏览：367

徐小航《煤炭技术研究》 2019年5期

摘要:

本文介绍了重型放顶煤支架在阳煤一矿S8303工作面的试验应用,阐述重型放顶煤支架在生产过程中的适应性,对重型放顶煤支架与普通放顶煤支架之间的优缺点进行了分析对比,体现了使用重型放顶煤支架在安全、高效、高采等方面比普通放顶煤支架具有明显优势,可继续在其他工作面进行使用。

基于遗传算法和二进制蚁群算法的DV-Hop定位算法的优化下载：12 浏览：424

林凤德1 陈佳品1 丁凯2 李振波1 《传感器研究》 2019年2期

摘要:

无线传感器网络(WSN)是一种由节点组成的无线自组织网络,在很多领域中有广泛的使用。节点定位是无线传感器网络中最重要的部分,使用无测距定位算法中传统的DV-Hop算法来定位误差较大。为了提高DV-Hop算法的精确度,提出了一种基于遗传算法和二进制蚁群算法来改进DVHop定位算法。遗传算法中利用了线性交叉和非均匀变异算子在种群中进行搜索,在此基础上,采用二进制蚁群算法进行进一步的搜索,而后比较适应度函数来保留较优的个体,从而产生了新一代种群。二进制蚁群算法中使得每只蚂蚁的智能化比较低,每条路径对应的存储空间相对较小,显著提高了计算效率。仿真的结果表明,提出的算法比传统的DV-Hop算法、基于遗传算法的DV-Hop算法有更快的收敛速度和更高的定位精度。

大采高综放工作面液压支架适应性分析下载：51 浏览：363

王润军《煤炭技术研究》 2018年11期

摘要:

通过安装在105工作面支架上的压力记录仪监测的数据,合理分析了工作面顶板矿压特点以及ZF13000/25/38型液压支架在使用过程中承载特性,明确了工作面在回采期间初次来压步距、周期来压步距以及动载系数,确立ZF13000/25/38型液压支架各项参数满足生产需要,为后期工作面在推进过程中出现的顶板压力变化能够及时校准液压支架各项参数提供实测依据。

具有自适应弹射机制的粒子群算法下载：71 浏览：380

朱经纬方虎生邵发明蒋成明《人工智能研究》 2019年5期

摘要:

针对粒子群算法容易陷入局部最优和停滞的问题,提出自适应弹射机制的粒子群算法.为了保持粒子群的活力,在算法内引入弹射操作.当粒子满足条件,当前位置赋予很大的速度,使其飞到很远的区域.弹射方式可以选择全维弹射和概率弹射.为了配合弹射操作,提出粒子优劣的判断机制,使粒子可以被弹射飞出可行域.在算法中设定自适应判别函数,当粒子满足该判别函数,对粒子实施弹射.数值实验表明,文中算法具有较强的全局搜索能力和较快的搜索速度.

管道漏磁内检测信号的自适应成像算法研究下载：78 浏览：271

王增国1 崔矿庆2 唐建华3 高航4 刘金海4 《石油科学研究》 2019年12期

摘要:

为提高检测效率,克服管道漏磁内检测技术大量检测数据存储及缺陷识别的困难,基于管道漏磁检测数据的特征,通过比较多种插值方法在漏磁检测信号中的应用,设计了一种基于三次Hermite插值的三次样条插值算法,采用多尺度分段自适应插值方法处理漏磁数据,生成了具有更高辨识度的曲线图形;设计了可显示曲线图形、灰度图像以及伪彩色图像的自适应成像系统,实现了快速精准的漏磁缺陷检测识别。测试实践表明:研究工作达到了上述目标。

面向不平衡数据流的自适应加权在线超限学习机算法下载：78 浏览：383

梅颖卢诚波《人工智能研究》 2019年4期

摘要:

一般的在线学习算法对不平衡数据流的分类识别会遇到较大困难,特别是当数据流发生概念漂移时,对其进行分类会变得更困难.文中提出面向不平衡数据流的自适应加权在线超限学习机算法,自动调整实时到达的训练样本的惩罚参数,达到在线学习不平衡数据流的目的.文中算法可以适用于不同偏斜程度的静态数据流的在线学习和发生概念漂移时数据流的在线学习.理论分析和在多个真实数据流上的实验表明文中算法的正确性和有效性.

自适应调节学习率和样本训练方式的场景分类下载：73 浏览：480

储珺1 苏亚伟2 王璐1 《人工智能研究》 2018年12期

摘要:

在基于卷积神经网络的场景分类方法中,当训练数据较少时,由于网络训练次数较多、收敛性较差等原因,容易造成过拟合.为了消除此影响,在卷积神经网络的框架下,文中提出可以自适应调节网络学习率和样本训练方式的场景分类算法.根据网络训练中误差函数的变化自适应调节学习率,当误差函数变化较小时,保持批次的学习率不变,当误差函数变化加大时,学习率的变化与误差函数的改变成反比.同时根据网络输出结果改变实验样本的训练方式,着重训练分类不准确的图像.在Scene-15、Cifar-10场景数据集上的实验表明,文中算法改善神经网络的收敛性,有效提高分类精度,特别是对于室内场景等特征复杂场景的分类精度.

基于复杂适应系统理论的学术创业者双元角色协同过程研究下载：52 浏览：445

熊文明1 余维新2 陈传明1 《经济与管理学报》 2020年11期

摘要:

个体的学者角色和创业者角色协同是成功开展学术创业的必要条件。文章将复杂适应系统的特征对应于学术创业者双元角色协同上，借助"刺激—反应"的分析框架，通过纵向案例的方式，探讨了在特殊的复杂的学术创业环境中个体通过认知与行动的交互不断解决角色冲突进而实现双元角色协同的过程。案例发现:个体在解决双元角色的时间冲突、能力冲突和文化表达冲突过程中完成了被动拼凑、核心聚焦和共生协同的演化过程，对环境的适应经历了简单适应、直接适应和复杂适应的阶段。文章提炼的微观层面双元角色协同模型有助于丰富学术创业理论，并为处于不同阶段的学术创业主体成长、调整自身状态提供启示。

基于改进Sobel算法的实时图像边缘检测系统设计下载：20 浏览：417

张棋贾方秀殷婷婷《传感器研究》 2018年6期

摘要:

针对传统Sobel边缘检测算法需要人为指定阈值而且检测出的边缘较宽等问题,提出一种自适应阈值和非极大值抑制相结合的边缘检测算法。引入中值滤波的思想生成自适应动态阈值,将该值作为二值化处理的阈值,并采用非极大值抑制的方法细化梯度图像,同时通过增加梯度检测方向提高了算法对复杂纹理的识别能力。将改进后的算法在FPGA平台上实现,实验验证了其有效性。

基于自适应连续动态比相的时栅位移测量方法研究下载：10 浏览：423

朱革1,2 高宇1 付敏1,2 吴敏1 张超1 许现波2 《传感器研究》 2018年5期

摘要:

针对时栅传感器由于等时间测量导致测量分辨率随运动速度变化的问题,提出一种基于自适应连续动态比相的位移测量方法。该方法在激励频率不发生变化的情况下,通过速度变化自适应控制一个周期内比相次数,保证不同速度下测量分辨率不发生变化。根据以上方法,建立数学模型,完成硬件电路和软件系统的设计,并搭建实验系统;通过与激光干涉仪在不同速度下对比测量,结果表明,在0～60 cm/s速度范围内实现了将时栅等时间采样值转换为等空间位置反馈,测量精度为±0.5μm.

基于自适应PSO和混合转换策略的X结构Steiner最小树算法下载：81 浏览：460

刘耿耿1,2 陈志盛1 郭文忠1,2,3 陈国龙1 《人工智能研究》 2018年9期

摘要:

X结构Steiner最小树(XSMT)是非曼哈顿结构总体布线算法中多端线网的最佳连接模型,属于NP难问题.文中基于混合转换策略和自适应粒子群优化算法,提出XSMT构造算法.首先设计有效的混合转换策略,扩大算法寻优空间,提高算法收敛效率.为了满足粒子编码的健全性,算法的更新方式引入带并查集策略的交叉和变异算子,同时采取自适应调整学习因子的策略,加快粒子群优化算法的收敛速度.实验表明,文中算法能得到较好的XSMT求解方案,获得多种不同拓扑的XSMTs,有利于VLSI总体布线阶段的拥挤度优化.

基于自适应码率分配的压缩传感深度视频编码方法下载：79 浏览：471

王康1 兰旭光1 李翔伟2 《人工智能研究》 2018年8期

摘要:

压缩传感深度视频(CSDV)是由深度视频经过压缩得到,它的冗余信息仍然巨大,由此,文中提出基于高斯混合模型和边缘码率分配的深度视频编码方法.在时域方向上,使用压缩传感,压缩八帧深度视频,得到一帧CSDV图像.为了减小量化的计算复杂度,将一帧CSDV图像分割成一系列大小相同且互不重合的视频块,使用Canny算子作为边界提取工具提取视频块的边界.根据每个视频块中非零像素所占的百分比,给不同的视频块分配不同的比特数.在模型中,使用高斯混合模型建模这些视频块,用于设计乘积矢量量化器,再使用乘积矢量量化器量化这些视频块.

基于进化状态判定的模糊自适应二进制粒子群优化算法下载：75 浏览：498

李浩君1 张征1 张鹏威1 王万良2 《人工智能研究》 2018年7期

摘要:

随着迭代过程的推进,二进制粒子群算法容易陷入局部最优解,后期收敛性较差.针对此缺点,文中提出基于进化状态判定的模糊自适应二进制粒子群优化算法.采用隶属函数进行模糊分类的方法,判定种群进化状态.在迭代过程前期采用S形映射函数和较大的惯性权重值,提高收敛速度,保证算法的稳定性.后期采用V形映射函数和动态增减的惯性权重值,增强算法后期全局探索能力,避免其陷入局部最优.仿真实验表明,文中算法的收敛速度较快,精度较高,搜索能力较好,可以避免早熟现象.

旅游小城镇利益主体适应性问题分析——以宏村镇、汤口镇为例下载：71 浏览：470

银马华王群杨万明《地理研究进展》 2019年3期

摘要:

随着新型城镇化的不断推进和旅游业的不断发展,利益主体适应旅游发展的问题与矛盾影响着社会和谐度。通过问卷调查,运用探索性分析和方差分析对农民、个体经营户、旅游从业人员和政府机关人员适应旅游发展中的问题与矛盾进行探讨。研究发现:适应性问题主要分为3个方面即"经济获益和区域发展"、"经济成本提高和社会环境恶化"和"旅游参与意愿",相较于其他方面而言,"经济成本提高和社会环境恶化"存在的问题更突出;利益主体在适应旅游发展过程中的利益指向及其追求程度、面临问题存在差异性,同时利益主体之间的矛盾冲突亦有主次之分。

基于多识别区域融合的机动车驾驶员检测框架下载：88 浏览：494

霍星1 檀结庆1 赵峰2 景永俊3 邵堃3 《人工智能研究》 2018年4期

摘要:

受光照条件、图像噪声和复杂背景等因素的影响,在机动车驾驶员检测过程中难以获取不同卡口图像下的驾驶员特征.为了解决上述问题,文中提出基于多识别区域融合的精准驾驶员位置检测框架,用于提高驾驶员识别率.首先基于图像梯度特征算法获得车牌定位,然后使用自适应方法得到车窗区域,最后采用多识别区域融合策略得到准确的驾驶员区域.在10个图像测试库上的测试表明,文中方法可以获得较高的识别率.

面向含风电楼宇的电动汽车优化调度策略下载：65 浏览：437

胡澄刘瑜俊徐青山张凯恒洪奕《电网技术研究》 2020年5期

摘要:

为解决未来大规模电动汽车充放电调度问题,设计了一种面向含风电楼宇的电动汽车优化调度策略。构建楼宇电动汽车模型,通过楼宇能量管理系统收集电动汽车日前申报信息,根据出行链将其分群,建立电网层–用户层双层优化调度模型。分别以电网消纳风电后的负荷波动率最小,车主出行需求最大为目标函数,采用改进自适应遗传算法依次求解出楼宇整体充放电策略、EV群充放电策略和每辆EV的调度策略。算例结果表明,该优化调度方法可实现电网与用户的利益共赢,且计算维度小,速度快,不易陷入局部最优。

采用概率判定法的分组变异自适应差分进化算法下载：86 浏览：507

李浩君刘中锋冉金亭《人工智能研究》 2018年3期

摘要:

为了平衡差分进化算法(DE)的全局探索和局部开发过程,提高算法避免陷入局部最优的能力,文中提出采用概率判定法的分组变异自适应差分进化算法(GVADE).GVADE采用概率判定法判定个体进化状态为较好、较差或一般,并根据个体进化状态为个体选择合适的变异算子和控制参数组.同时,为了满足进化状态较差个体变异的需要,设计具有较强全局探索能力的变异算子.在CEC2005标准测试集合上的实验表明,GVADE优于现有的其它DE算法,可以更好地平衡全局探索和局部开发,具有更高的收敛精度.

基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测下载：94 浏览：501

彭显刚1 潘可达1 张丹1 刘艺1 林志坚2 《电网技术研究》 2020年5期

摘要:

针对季节性电力负荷划分不准确及温度、湿度对电力负荷的动态性影响,提出一种基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测模型。采用聚类与CART树相结合的方法,根据地区历史负荷数据自适应的确定当地季节性负荷划分规则;使用非参数核密度估计方法提取季节典型日负荷曲线,并基于划分结果对各季负荷曲线进行重要点分割;同时根据分割结果,采用基于皮尔逊相关系数加权的相似系数,对各时段负荷进行参考日的筛选,以确定预测模型的输入量,最后提出一种结合纵横交叉算法参数优化的鲁棒极限学习机进行多分段预测模型的建立。通过实例仿真分析,验证了所提方法提高预测精度的有效性。

长电缆传输中的变步长自适应噪声对消算法下载：10 浏览：405

梁喆1,2 郑晶2 欧阳名三1 丁冠从1 《传感器研究》 2018年1期

摘要:

数字信号在长电缆中传输时,电缆芯线之间会存在串扰,电缆上会存在回波以及噪声干扰,严重的时候传输信号能量和噪声能量在一个数量级上,导致信号传输时的误码率增加。为了降低传输误码率,文中提出了一种新的变步长自适应噪声对消算法,算法迭代的过程中采用误差信号的瞬时能量和输入信号能量的比率作为自适应噪声对消算法的自适应反馈量,并通过比率的加权均值来控制步长的更新,从而消除噪声和回波对算法迭代过程的累积影响。仿真和实验结果表明,在低信噪比的传输环境中,改进算法仍然具有较快的收敛速度和较小的稳态误差,使得数据通信能够保持较高的通信速率。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com