基于循环独立机制的交通流量预测

交通流量预测是智能交通控制和管理系统的一个重要环节,但交通流量数据具有时间和空间上的非线性和复杂性等特征,为对其进行精准预测,本文提出了Graph Temopral Recurrent Independent Mechanisms (G-tRIM)模型。该模型使用图注意力网络(Graph Attention Networks, GAT)来有效捕获交通流量数据的空间依赖关系,使用循环独立机制(Recurrent Independent Mechanisms, RIM)来精准刻画交通流量数据的潜在状态。最后在北京和贵州数据集上,以均方误差(Mean Square Error, MSE)和平均绝对误差(Mean Absolute Error, MAE)为指标进行实验,结果表明,G-tRIM在各个数据集上的表现均优于基准模型。     

基于深度特征的人群密度估计方法

传统的人群密度估计方法大多采用传统特征,这类特征在人群背景较为复杂时无法很好地描述人群密度情况。相关研究表明,深度特征相比传统特征能够更准确地表达图像特征信息。因此,提出了一种基于深度特征的人群密度估计方法。首先,对人群图像的原始数据进行预处理,获得训练集和测试集,分别用于分类器训练和效果检测;然后,通过卷积神经网络提取人群图像的深度特征,以此训练对应的Softmax分类器;最后,将测试集输入训练好的分类器,得到人群密度估计等级,从而实现人群密度估计。实验结果表明,使用卷积神经网络提取的深度特征能够提高人群密度估计的准确性。     

基于时空认知膨胀卷积网络与多源影响因素的PM2.5细粒度预测模型

为实现精确化、细粒度的PM_2.5浓度预测,提出了基于时空认知膨胀卷积网络(spatial-temporal cognitive dilated convolution network, ST-C-DCN)的PM_2.5浓度预测模型ST-C-DCN。该模型将时空因素、气象因素运用于PM_2.5浓度预测,基于因果卷积网络提取时空特征,并采用时空注意力机制优化了时空特征的提取。基于海口市空气污染数据的实验测试表明：对于单个监测站,基线模型相比,ST-C-DCN的均方根误差(root mean square error, RMSE)平均下降24.7%,平均绝对误差(mean absolute error, MAE)平均下降9.93%,拟合优度(R-squared,R²)平均上升3.35%。对于全部监测站点的预测,ST-C-DCN在win-tie-loss(包括MSE、RMSE、MAE、R²)实验中,均获得了最多的获胜次数,分别为68,68、63和64。通过不同数据抽样条件下的Friedma...     

一种基于脉线流卷积神经网络的人群异常行为检测算法

在计算机视觉领域，人群异常行为检测技术可以广泛应用于视频监控、智能视频分析、群体行为识别等领域，因此，受到了学者们的广泛关注。由于视频中人群目标具有尺度变化大、透视形变、标注偏置等特点，人群异常行为检测依然是一个具有挑战性的难题。为此，本文提出了一种基于脉线流和卷积神经网络的人群异常行为检测方法(Streak Flow CNN Abnormal Behavior Detection，简称SFCNN-ABD)。SFCNN-ABD通过卷积神经网络获取显著的人群行为空域特征，并通过脉线流结合卷积神经网络获取人群行为时域特征。SFCNN-ABD是一个双流网络，网络结构由两个深度残差网络作为骨干网络，分别为空域网络和时域网络。其中，空间域网络的输入是原始视频帧，提取人群行为的表观特征，而时域网络利用脉线流提取人群行为的运动特征，脉线流能更准确地识别场景中的空域和时域变化，因而能进一步提升人群异常行为检测的准确性。最后将两个网络的输出进行融合，完成人群异常行为的检测。在UMN和VIF两个公开基准数据集进行了测试，实验结果表明本文方法的性能优于当前主流算法，验证了本文方法的有效性。     

基于CNN特征和标签信息融合的图像检索

针对基于内容的图像检索(CBIR)中图像底层视觉特征与高层语义特征之间存在的"语义鸿沟"问题,提出了一种基于卷积神经网络(CNN)特征和标签信息融合的图像检索算法。首先使用CNN模型提取图像的CNN特征以及标签信息,然后使用余弦距离分别计算这两个特征的相似度,最后将这两个相似度进行加权融合,用作图像检索排序准则。在caltech101和caltech256数据集上分别进行实验,实验结果表明,所提算法加强了图像特征与高层语义的结合,大大提高了图像检索的查准率。     

融合语义及边界信息的中文电子病历命名实体识别

中文电子病历数据专业性强,语法结构复杂,用于自然语言处理(NLP)的命名实体识别(NER)难度大。为了从电子病历数据中精确识别出医疗实体,提出了一种融合语义及边界信息的命名实体识别算法。首先,利用卷积神经网络(CNN)结构提取汉字图形信息,并与五笔特征拼接来丰富汉字的语义信息;然后,利用FLAT模型中的Lattice将医学词典作为字符潜在词组匹配文本信息;最后,将融入语义信息的Lattice模型用于中文电子病历命名实体识别。实验结果表明,该方法在Yidu-S4K数据集上的识别性能超过现有多种算法,且在Resume数据集上F1值可达到96.06%。     

CNN图像标题生成

图像标题生成任务需要生成一个有意义的句子来准确地描述该图像的内容,而现有研究通常采用卷积神经网络编码图像信息、循环神经网络来编码文本信息,由于循环神经网络的“串行特性”,导致模型的性能低。为解决该问题,基于卷积神经网络来构建一种模型,采用不同结构的卷积神经网络来同时处理两个模态的数据,得益于卷积运算的“并行特性”,该模型的运行效率有明显提升。在两个公开数据集上进行了实验,实验结果在指定的评价指标上也有一定的提升,表明了该模型对于处理图像标题生成任务的有效性。     

金字塔原型对齐的轻量级小样本语义分割网络

小样本图像语义分割任务是计算机视觉领域一个有挑战性的问题,其目标是利用现有一张或几张带有密集分割注释的图片来预测未见类图像的分割掩码.针对该任务,提出了一个基于金字塔原型对齐的轻量级小样本图像语义分割网络.首先,该网络在MobileNetV2网络的深度可分离卷积和逆残差结构基础上,通过金字塔池化模块进行提取特征,保持高维度和低维度的信息,获得不同尺度的特征.同时通过在支持集原型和查询集之间进行相互对齐,使得网络能够从支持集中学到更多的信息,充分利用支持集的信息进行反馈.基于PASCAL-5i数据集的大量实验结果表明,提出的网络结构的均值在1-way 1-shot和1-way 5-shot上分别为49.5％和56.6％,与先进的主流小样本语义分割网络PANet相比分别对应提高了1.4％和0.9％,网络参数量为3.0 MB,相比PANet减小了11.7 MB,同时浮点计算量显著减少,证明了该网络在小样本图像语义分割中的有效性和高效性.     

基于GA-CNN-LSTM模型的文本情感分析方法研究

为了克服传统神经网络不能学习文本长期信息的缺点和神经网络中梯度下降法容易陷入的局部最优问题,提出基于遗传算法(GA)、卷积神经网络(CNN)和长短期记忆神经网络(LSTM)相结合的文本情感分析模型GA-CNN-LSTM.具体来说,该模型首先利用卷积神经网络从全局信息中提取序列特征,之后使用长短期记忆神经网络分析句子的句法和语义结构,最后运用遗传算法从全局进行寻优,有效避免梯度下降法陷入的局部最优问题.在IMDB数据集上进行实验,结果表明,该模型相比于其他现有的网络模型,取得了更好的分类效果,精度比传统的长短期记忆神经网络提高了 1.8百分点,准确率达到了 0.906.     

多尺度语义学习的人脸图像修复

针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题,以生成对抗网络为基础,提出一种多尺度语义学习的编解码人脸图像修复模型.首先,将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量,用不同尺寸的卷积核提取多尺度特征,通过提取合适的局部特征来提升修复结果的细节;其次,将提取的多尺度特征输入至语义学习模块,从通道和空间两个角度学习特征之间的语义关系,从而增强修复结果的全局一致性;最后,引入跳跃连接将编码端的特征补充到解码端中减少采样造成的细节信息损失,改善修复结果的纹理细节.在CelebA-HQ人脸数据集上进行实验,结果表明提出的模型在峰值信噪比、结构相似性、l₁三个性能指标上均有显著提升,修复的结果在视觉上局部细节和全局语义更合理.     

基于百分位值的自适应顺序形态滤波方法

针对顺序形态滤波的百分位值，在最小均方误差（ＭＳＥ）和最小平均绝对误差（ＭＡＥ）准则下，实现了自适应处理．该滤波算法不仅可以有效地抑制信号中的各种噪声，而且较好地保持了信号的几何特征。计算机仿真结果证实了滤波算法的有效性．     

虚载波存在下低复杂度的OFDM信道估计

首先分析了虚载波对基于离散傅里叶变换(DFT)信道估计的影响,结果表明,对于边缘子载波,由于虚载波部分导频信道信息缺失所引起的估计误差远大于噪声带来的估计误差,严重影响边缘子载波的信道估计性能. 基于此分析,提出了一种低复杂度的正交频分复用(OFDM)信道估计方法,在边缘子载波,利用频域最小平方(LS)估计结果代替DFT估计结果,并给出了边缘子载波替换准则及此信道估计方法的均方误差下界. 仿真结果表明,所提方法均方误差(MSE)及误码率(BER)性能优于频域LS估计和单纯基于DFT的估计.     

Novel Channel Estimation Method in Broadband MIMO-OFDM Systems

A least square （IS） parametric channel estimation method in broadband mt/ltiple input multiple output （MIMO） orthogonal frequency division multiplexing （OFDM） systems is proposed. The mean square error （MSE） performance using optimal training pilots is also given, which proves the method can improve the estimation precision greatly in sparse channel.. Since such method needs the multi-path time delays information of the channel, the probabilistic data association （PDA） method is employed to estimate the time delay of each path. Simulation results show that both the bit error rate （BER） and the MSE performance of the proposed method are better than the traditional LS channel estimation method.     

一类相依回归模型参数的组合主成分改进估计

针对两个相依方程组成的一类回归模型,提出回归系数的一种组合主成分改进估计方法,在均方误差意义下讨论了这种估计量的优良性质,研究了此估计与主成份改进估计的关系.     

基于多模板规则的多元映射图象平滑方法研究

基于超越函数和多分辨分析的思想，提出了一种图象空域平滑方法。该算法依据图象多层邻域卷积的一致性，自适应地选择平滑单元。它具有保持图象细节、稳健性较强和运算速度较快等优点；还提出了衡量图象清晰度的局部误差。     

基于小波系数相关性和模糊理论的声纳图像处理

针对声纳图像在生成和采集过程中产生大量的混响,提出了一种改进的基于小波系数相关性与模糊理论的声纳图像混响抑制与增强算法.该算法通过在计算过程中考虑下一个尺度中对应部位局部特性,构造局部相关性系数矩阵,提高边界定位精度.在滤波的同时,该算法采用基于模糊理论的增强算法对有用信息进行增强.实验结果表明,与其他常规算法相比,该算法明显降低了声纳图像的平均均方误差（MSE）和平均绝对误差（MAE）,提高了峰值信噪比（PSNR）,更适合于处理声纳图像.     

基于不同神经网络模型的冷凝器两相换热量的研究

在混合工质下利用4种神经网络模型(反馈神经网络模型(BP)、遗传神经网络模型(GA - BP)、极限学习机网络模型(ELM)和递归神经网络模型(RNN))预测了板式换热器的换热量(含相变换热).结果显示:热源温度为30、40、50 ℃时,GA - BP神经网络模型的平均绝对误差(MAE)、平均相对误差(MAPE)和均方根误差(RMSE)均小于其他3种神经网络模型,且与实际值接近.该结果表明,GA - BP神经网络模型比其他3种神经网络模型更适用于预测板式冷凝器的换热量(含相变换热).     

迭代的叠加训练序列信道估计技术

在基于叠加训练序列信道估计的基础上,提出了一种新的信道估计算法,在接收机端利用阈值判决对数据估计精度提高,使用接收数据和信道估计的初始值进行迭代运算,可进一步提高估计的精度．计算机仿真表明,经过3~4次迭代运算后,估计的均方误差和误码率在信噪比为15 dB时都降低了一个数量级,表明了算法的有效性．     

基于贝叶斯融合的土壤含水量估计

提出了一种基于贝叶斯融合的土壤含水量估计方法。该方法首先利用散射计与辐射计协同试验数据分别测量后向散射系数和亮温,并利用主被动模型提取农作物下垫面土壤含水量;然后利用贝叶斯融合算法将主被动反演结果进行融合,在农作物完整生长期,融合后土壤含水量与真实值相比,平均平方误差（MSE）小于3.56、平均绝对差值（MAD）小于1.36、平均相对误差（MRE）小于13.92%,同时分级贝叶斯与经典贝叶斯同真实土壤含水量的决定系数为0.77和0.60,证明基于贝叶斯理论的融合算法能够在整个生长期土壤含水量估计优于单一传感器。     

加权顺序统计滤波器的新的表示与优化算法

给出了加权顺序统计滤波器(WOS)的一种新的表示形式,其重要性在于它使得WOS滤波器在MAE,MSE和LNE准则下的优化问题的求解非常容易．从这一表示形式出发,导出了WOS滤波器在MAE,MSE及LNE准则下的新的自适应优化设计算法,并进行了实验验证,比较圆满地解决了WOS滤波器的优化设计问题．