自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.     

基于改进BIRCH的双簇首WSN能耗优化研究

传统无线传感器网络动态路由算法在进行簇的划分及簇首的选举时,仅分别进行二维和三维因素的考量。针对这些问题,首先,通过引入改进的BIRCH聚类算法,将簇划分依据优化至三维;同时,通过不均匀的簇划分,解决均匀分簇可能引发的"热点"问题。其次,引入多维双簇首策略,将现存的内外通信双簇首节点的选取机制由三维向四维优化,并针对内外簇首工作特性的不同采用相应的选取策略。经仿真实验验证,所提算法相较于对比算法在网络生命周期和节点能耗均衡性上,均实现了一定的提高。     

基于几何纹理与Anscombe变换的蜂窝材料太赫兹图像降噪模型

为解决太赫兹（Terahertz,THz）图像内泊松高斯混合噪声导致芳纶纤维蜂窝材料脱粘缺陷轮廓检测精度低的问题,基于Anscombe变换与小波阈值法构建了THz图像降噪模型。高斯噪声方差为降噪模型的必要参数,但实际THz图像噪声分布未知,且噪声与纹理在高频混叠,给方差准确估计提出了挑战。为此,首先以样件纹理几何形状为先验信息,构造Benzene-ring算子去除THz图像纹理,使其小波域高频分量中仅含有噪声;然后提出改进的Logistic混沌映射提高样本集的多样性,以训练Elman神经网络准确建立高频分量与高斯噪声方差间映射关系;最后依据噪声方差估计值,基于Anscombe变换将泊松高斯混合噪声转化为高斯噪声,并利用小波阈值法与Anscombe逆变换得到了最终THz降噪图像。仿真与试验结果表明,所提出的方法降噪效果最佳并有效提高缺陷轮廓检测精度,相比于高斯滤波、小波阈值以及非局部均值法,平均梯度指标分别提升12%、33%、9%,缺陷面积绝对误差分别降低234 mm²、304 mm²、263 mm²。     

协同进化交叉熵算法求解浇次不固定的炼钢连铸调度问题

浇次不固定的炼钢连铸调度问题（Cast uncertain steelmaking continuous casting scheduling problem,CU_SCCSP）广泛存在于钢铁生产行业中。该问题对应炼铁、精炼和连铸三个连续生产阶段,其中炼铁和精炼阶段为带运输时间的混合流水线调度子问题,连铸阶段为带独立设置时间的复杂并行机调度子问题,且两个子问题相互耦合。针对该问题,建立优化目标为最小化最大完工时间和平均等待时间加权和的排序模型,并提出一种协同进化交叉熵算法（Co-evolution cross-entropy optimization algorithm,CCOA）进行求解。设计前后子问题两段式编码和双向解码的策略,并采用启发式规则和随机方式初始化种群,以确保初始解的质量和分散性。在算法全局搜索阶段,采用分别对应前后子问题的双概率分布协同学习和积累优质解信息,并在采样概率分布生成新个体时引入考虑子问题耦合的模糊关系矩阵对概率分布取值进行适当调整,以增强算法较快到达优质解区域的能力,同时设计种群分裂机制来提高算法的引导性并扩大搜索范围。为提高算法的局部搜索能力,对分裂后的双种群中个体执行基于interchange和insert邻域操作的协同搜索,进而对当前历史最优解执行结合SWAP邻域快速评价的变邻域搜索,可增加算法在解空间中多个优质区域的搜索深度。仿真试验和算法比较验证了所提算法的有效性。     

基于 FOA 优化的 CSSVM 管道堵塞状态识别研究

针对城市排水管道正常与堵塞故障状态在数据获取上的不平衡性造成的运行状态识别准确率下降的问题,提出了一种基于果蝇优化算法的代价敏感支持向量机的管道堵塞状态识别方法。根据排水管道内各运行状态下采集到的不平衡数据集,首先对不平衡数据集进行小波包分解,其次,提取各个分解系数的能量熵、近似熵指标构建特征向量集合;采用果蝇优化算法(FOA)对不同类样本惩罚因子C_m和核函数参数g进行优化选取,即对代价敏感支持向量机(CS-SVM)模型优化,将特征集合输入优化后的CS-SVM模型中,对排水管道的正常和堵塞状态识别,通过增大对少数类样本错分的惩罚代价,结果表明,提升了少数类的识别准确率。     

基于病理图像集成深度学习的胃癌预后预测方法

病理图像分析对胃癌的诊断和预后具有重要意义，但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战。为此，该文提出一种基于病理图像集成深度学习的胃癌预后预测方法。首先，对患者不同分辨率下的病理图像进行切分、筛选等预处理；然后，采用ResNet, MobileNetV3, EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合，以此获得患者层面(Patient-level)的单分辨率子分类器预测结果；最终，采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得患者层面的预后预测结果。实验中收集了250例胃癌患者的组织病理图像，并以远处转移预测为例进行验证，实验结果表明，所提方法在测试集上的预测准确率为89.10%，敏感度为89.57%，特异度为88.61%，马修斯相关系数为78.19%，相比于单模型预测结果获得了显著提升，可为胃癌患者的治疗和预后提供重要参考。     

融入主题特征的中越跨语言情感分类模型

越南语网络评论的情感分类是越南语事件观点分析的基础.越南语资源匮乏,标注困难,可借助中文标注语料进行跨语言情感分类,实现越南语评论的情感极性预测.但现有的跨语言情感分类模型忽略了主题信息对加强情感表征学习、减小语言差异的作用.为此,该文提出了一种融入主题特征的中越跨语言情感分类模型.将中文①和越南语的主题词分布作为外部...     

基于平流矢量场和弥散流改进的几何活动轮廓模型

几何活动轮廓通过水平集演化捕获目标边界,然而传统方法忽略了前景物体涉及的全局运动及局部形变,从本质上限制了轮廓的动态谐调范围。提出一种由隐式流驱动的几何活动轮廓方法,用于分割形变对象的动态轮廓。根据流体力学,对平流及弥散的隐式流进行建模,从而直接引导水平集的更新。根据图像序列之间有限的运动观测,采用具有平滑和稀疏项的回归算法以拟合平流矢量场。然后,引入受空间梯度约束的非均匀弥散方程,将最终叠加的隐式流用于水平集演化。提出的几何活动轮廓方法构成了一个统一的扩展框架,保留了已有模型对轮廓拓扑变化的适应性。对多个场景下的动态轮廓分割实验表明,提出方法能准确地分割具有全局运动及不规则形变的前景目标,且具有收敛速度快、稳定性强的优点。     

数据库中文查询对偶学习式生成SQL语句研究

针对当前中文NL2SQL (Natural language to SQL)监督学习中需要大量标注数据问题,该文提出基于对偶学习的方式在少量训练数据集上进行弱监督学习,将中文查询生成SQL语句。该文同时使用两个任务来训练自然语言转化到SQL,再从SQL转化到自然语言,让模型学习到任务之间的对偶约束性,获取更多相关的语义信息。同时在训练时使用不同比例带有无标签的数据进行训练,验证对偶学习在NL2SQL解析任务上的有效性。实验表明,在不同中英文数据集ATIS、GEO以及TableQA中,本文模型与基准模型Seq2Seq、Seq2Tree、Seq2SQL、以及-dual等相比,百分比准确率至少增加2.1%,其中在中文TableQA数据集上采用对偶学习执行准确率(Execution Accuracy)至少提升5.3%,只使用60%的标签数据就能取得和监督学习使用90%的标签数据相似的效果。