生成式对抗网络的图像超分辨率重建

为了提高图像生成效果,减少高频信息损失,文中提出了一种基于深度学习的生成式对抗网络模型结构,实现单幅图像超分辨率重建。文中在SRGAN方法的基础上修改了网络结构、残差网络和卷积参数,采用DIV2K数据集进行网络模型训练,利用峰值信噪比和结构相识性两种评价标准对生成的图片质量进行测试与评价。实验结果表明,相较于SRGAN方法生成的高分辨率图像,文中方法生成的图像视觉效果更好、纹理更清晰,具有更好的客观和主观评价。     

融合特征增强及多尺度损失的增量去雾算法

为提高雾霾图像清晰化效果并实现去雾能力的泛化,提出一种特征增强及多尺度损失约束的网络结构,并采用增量式训练方法对网络进行训练。网络由教师网络和学生网络构成。通过学习教师网络提取的标注样本注意力信息对学生网络提取的特征进行特征增强;将标注样本多尺度语义特征作为软标签,建立多尺度语义特征损失衡量机制,与全局像素差异损失级联,构建面向特征和像素的损失函数;采用增量式训练方法,教师网络为学生网络平衡不同数据集的新旧知识提供先验约束,使网络保留原有知识的前提下,快速提高对增补数据集的泛化能力。实验结果表明,所提算法在主观视觉效果与客观评价指标上均取得了较好的效果。     

基于级联生成对抗网络的人脸图像修复

人脸图像修复技术为近年来图像处理领域的研究热点。该文提出一种基于级联生成对抗网络的人脸图像修复方法,从生成器、判别器、损失函数三个方面进行改良。生成器采用由粗到精的级联式模型,并结合密集连接模块使所修复区域更加精细;判别器采用局部与全局特征相融合的双重判别式模型以提升判别准确性;损失函数采用最小化重构损失和对抗网络损失相结合以获得更好训练效果。基于CelebA数据集的实验显示,该方法可实现面部区域丢失50%以上的人脸图像修复,在客观评价指标PSNR和SSIM上,较现有方法分别提高了1.1~7.5 dB和0.02~0.15。从主观效果来看,该方法修复的人脸图像拥有更丰富的细节、更显自然。     

基于OLS-RBF网络的JPEG2000图像无参考质量评估方法

提出了一种适用于JPEG2000图像的无参考质量评估方法。首先结合人类视觉系统的特性,在重建图像结构纹理区域内检测边缘轮廓,并根据各个边缘点的梯度方向提取沿垂直于该梯度方向的像素集作为边缘特征;然后采用基于正交最小二乘法设计的径向基函数网络(OLS-RBF),通过边缘特征和图像主观质量的拟合,训练得到无参考客观质量评估模型,完成对JPEG2000图像的客观质量估计。与已有的一些方法的对比实验结果表明,本文方法对JPEG2000图像的客观质量评估与主观质量评估具有更好的一致性。     

一种改进的全局注意机制图像描述方法

针对现有基于注意机制的图像描述方法全局信息缺失问题,提出了一种改进的全局注意机制图像描述方法。该方法在注意机制的基础上,通过设计全局特征网络来模拟人类感知机制的全过程,对图像全局特征进行增强。将所提方法在相同数据集和网络超参数的情况下与目前最优网络进行实验对比,分析了全局信息对生成文本的影响。实验结果显示,文中提出的方法在更具挑战性的中文文本描述任务上客观评价指标优于目前最优的模型。同时,在主观评价中能够生成更准确的文本内容,也更具丰富性与多样性,接近自然语言描述。     

基于AHP-风险网络的城市轨道交通应急演练评估研究

针对城市轨道交通行业在应急演练中所使用的评估方法单一,存在评价指标的权重主观性强,忽视评价指标之间的客观联系等缺点,提出一种基于AHP-风险网络的评估模型.通过风险网络分析计算得到的客观权重来修正层次分析法所得到的主观权重,使评估指标的权重既有专家决策的专业性又有一定的客观性.最后将其应用到上海地铁某车站的大客流应急演练评估中,评估结果验证了该评估模型的有效性,为城市轨道交通应急演练工作提供一种考虑评价指标之间客观联系的主客观结合的评估方法.     

融合全局与局部特征的缩放图像质量评价

基于内容感知的图像非等比例缩放方法旨在具有不同分辨率的显示设备上保持图像的重要内容,并改善主观质量.图像缩放质量评价是衡量图像非等比例缩放效果的客观依据,现有客观评价方法不能有效地给出合乎主观感受的评价结果,为此提出一种融合全局与局部特征的缩放图像质量评价方法.首先提出基于B样条函数的图像全局结构形变度,计算图像缩放前后全局图像之间的形变量;其次结合主观视觉特点改进纵横比相似度(Aspect Ratio Similarity,ARS)使其更适合缩放图像的形变检测;最后线性融合这些度量特征得到客观的缩放评价标准.在两种公开数据集上与多种代表性算法进行对比,实验结果表明,本文提出的图像缩放客观评价方法与主观评价具有更好的相关性.     

基于Transformer-GANs生成有风格调节的音乐（英文）

近年来,研究人员开发了各种算法来生成动听的音乐。然而,在生成过程中有时忽略了风格控制。音乐风格是指音乐作品呈现的具有代表性的特征,是音乐最突出的特质之一。本文提出一种创新的音乐生成算法,该算法能够根据指定的风格从零开始创作完整的音乐作品。算法引入了风格约束的线性生成器和风格鉴别器。风格约束生成器模拟MIDI事件序列,强调风格信息的作用。风格鉴别器应用对抗学习机制并引入两种创新的损失函数,以加强对音乐序列的建模。此外,本文首次建立了一个判别指标,以评估生成音乐与训练数据在音乐风格上的一致性。在现有公共数据集上,实验结果的客观和主观评价都表明我们的算法在音乐制作方面优于现有先进方法。     

融入注意力机制的弱监督水下图像增强算法

基于监督学习的水下图像增强算法中所需成对训练样本获得困难,为此提出一种融入注意力机制的弱监督水下图像增强算法. 根据不同波长的光在水中传播时衰减程度不同的物理特性,计算红通道衰减图,并将依赖红通道衰减图引导的注意力模块融入生成网络,提高生成网络修正水下图像色偏的性能;设计对抗损失函数和结构相似性损失函数相结合的多项联合损失函数,在修正水下图像色偏的同时保留更多图像细节;在全局和局部两个尺度下优化提出的弱监督水下图像增强网络模型. 实验结果表明,所提算法在主观视觉质量和客观评价指标上都优于比较算法,可以有效地提高水下图像清晰度.     

一种多映射卷积神经网络的超分辨率重建算法

针对现有卷积神经网络在超分辨率重建的图像上存在部分细节特征不够突出、边缘模糊等问题,在现有模型三大模块的基础上对映射模块及损失函数进行细致剖析,提出了一种多映射卷积神经网络的超分辨率重建算法．该算法通过构建多映射网络,极大地丰富了图像在聚合高分辨图像时的特征维度．同时在重建模块的卷积层后引入全变分正则项,结合误差反向传播算法,可有效地对解空间约束,从而提取出精确、有效的特征,丰富重建图像的细节信息．在常用数据集上的实验结果表明,该算法生成的网络模型获得了更好的超分辨率结果,主观视觉评价和客观衡量指标有一定的改进,有效地提高了图像的分辨率．     

基于BP神经网络的换档品质评价方法

换档品质评价方法的研究是应现代车辆自动变速技术发展需要而提出的前沿研究课题,其评价过程可视为一个非线性动态系统。BP神经网络的非线性系统辨识,能够逼近任意一个非线性函数。通过确定换档品质评定指标,利用BP网络训练获得的数据样本,从而建立主观、客观评价标准之间的联系;利用Matlab/Simulink完成换档品质评价方法的客观描述并进行仿真。通过与实验结果对比,证明这种方法能够有效真实地评价换档品质并与传统主观评价方法具有很好的一致性。     

基于语义细分的车内声品质模糊综合评价

针对传统的语义细分法难以在声品质主观评价试验中获得评价对象整体感受择优排序的不足,提出了一种基于语义细分的声品质主观模糊综合评价方法,建立了适合于车内声品质主观评价的声音属性评价指标,确定了声音属性的结构及层次划分,根据不同试验确定了声音属性的关注程度各级指标权重。以在某轿车车内采集到的15个噪声样本为评价对象,分别利用该方法和成对比较法对声音的"豪华感"进行主观评价试验,并对评价得分进行排序比较。结果表明:本文提出的声品质主观模糊综合评价方法可在有效地维持评价主体原有任务量不变的情况下,准确地得到声音样本感知属性的评价等级隶属关系,以及声音样本整体主观感受评价得分的择优排序。     

基于AHP的学术论文质量评价方法研究

学术论文质量评价是科研管理中的一个重点和难点,目前对学术论文质量评价很大程度上都依赖于人们的主观判断,并没有一个统一的量化认识与判断.基于层次分析法与模糊数学理论的评价方法把论文质量的评判从定性分析转化为定量分析,用学术论文质量评价指标建立判断矩阵并进行一致性检验,最终计算出各指标的单层权重与合成权重值.实例表明该方法能够为决策者合理选稿、正当用稿与恰当评稿提供量化依据.     

基于智能优化算法的教学质量评价方法

为了提高教学质量评价的准确性,提出了一种基于智能优化算法的教学质量评价方法。首先采用层次分析法构建评价指标体系,然后用多群体遗传算法优化设计BP神经网络,最后用BP神经网络评价教学质量。实验结果证明,该文提出的方法由于结合了神经网络和遗传算法的优点,克服了评价系统的盲目性,采用非线性逼近的方法提高了教学质量评价的准确率,是一种高效的评价方法。     

车辆驾驶性评估方法在蠕行工况中的应用

为解决评估体系构建方法不科学,评估指标权重计算及主客观权重分配不合理的问题,提出构建驾驶性评估体系和计算指标权重的新方法.考虑车辆驾驶性在蠕行工况的内涵,基于SMART原则对驾驶性评估体系进行设计,从纵向响应特性、纵向平顺特性、纵向稳态特性3个维度构建了蠕行工况驾驶性评估体系;提出用网络层次分析和组合熵分别计算主客观权重,并设计结合网络层次和组合熵的综合权重优化模型,用于计算评估体系中各评估指标权重,使其兼顾主观性和客观性.应用该方法进行多辆车的蠕行工况驾驶性评估,对比分析不同权重计算方法的评估结果.结果表明:本文提出的方法得到的评估结果较层次分析、熵权等方法更准确,该评估体系构建方法更具科学性,权重计算方法更有效.     

基于熵权改进的TOPSIS法的教师教学质量评价

为了提升高等学校教学质量,针对高校教师结构及教学特点,基于教师综合能力构建了科学、有效、可操作的教师教学质量评价指标,运用熵权法确定客观权重,提出了以TOPSIS法为基础的教学质量评价方法,并建立了高等学校教师教学评价体系.结果表明,熵权改进的TOPSIS法能弥补指标体系受主观偏好影响过大的缺陷,较好地体现了评价的客观性、公正性和时效性,搭建的教师专业评价系统界面友好,易于推广,为实际操作提供了便捷的软件支撑.     

基于BP神经网络的处理器节能技术研究

研究芯片功耗中动态功耗部分,针对传统动态节能技术动态电压与频率调节（dynamic voltage and frequency scaling,DVFS）技术未能考虑预测CPU未来阶段行为的不足,提出BP-DVFS节能策略。为了提高下一阶段CPU利用率的预测准确性,更准确地对CPU进行动态调频进而降低其运行功耗。构建了一种FPU-CPU（forward predict utilization CPU）模型。模型假设下一时间段CPU利用率与CPU运行资源有关的事件特征量存在非线性函数关系,从处理器运行时环境出发提取出与CPU资源紧密相关的5个特征量进行度量,采用BP神经网络进行拟合训练。用训练后得到的神经网络预测CPU下一阶段的利用率,进行CPU处理不同类型任务程序的功耗仿真实验。并在相同实验条件下与常用的3种CPU调频策略实验结果进行对比。实验结果表明,在CPU处理不同类型任务程序时,采用BP-DVFS策略进行调频的CPU功耗都低于其他3种策略进行调频的CPU功耗。通过实验验证,本文提出的方法提高了预测CPU利用率的准确度,降低了CPU运行时功耗。同时验证了假设的合理性与有效性以及此方法实现CPU低功耗运行是有效的。     

生态-水网系统关键影响因子识别研究

针对单独使用层次分析法易出现主观判断的局限性,以及使用熵值法易出现偏离真实的可能性,提出了联合层次分析法和熵值法两种方法构建一种新的评价模型,来对生态-水网复合系统的指标权重进行量化。即在层次分析法计算权重后,使用熵值法对指标权重进行计算,然后根据二者的综合函数确定权重。与单独采用层次分析法和熵值法相比,层次分析法和熵值法结合对生态-水网复合系统指标进行了主观与客观相结合的量化,降低了数据在分类和识别中的识误率和拒识率,使结果更具客观性和合理性。并利用河北省的生态、水网数据,分析了2008-2012年生态、水网两个子系统,计算得出了生态-水网复合系统中十个指标的权重,为复合系统的耦合模拟乃至评价管理奠定了基础。     

基于径向基函数神经网络的车内噪声品质评价系统

为了高效而准确地对车内噪声品质进行评价,针对B级车稳态工况下的车内噪声,建立了基于径向基函数(RBF)神经网络的声品质评价系统。用等级评分法对30个稳态噪声信号进行了主观评价试验,并通过相关分析得出了对声品质有重要影响的客观参量。采用RBF神经网络构建了车内噪声品质的评价模型,其预测平均相对误差为4.5%。以评价模型为基础,采用模块化设计方法和多线程并行处理技术,设计了基于虚拟仪器的声品质评价系统。测试结果表明:该系统比传统的主观评价试验系统的测试时间缩短了90%,并提高了评价结果的质量。     

基于神经网络算法的网络安全评价模型

为了准确地评价复杂网络的信息安全水平,设计了一个具有网络安全评价功能的GABP算法评价模型.该模型通过引入德尔菲法等方法,建立了科学的评价指标体系.基于这一体系,通过修改BP算法和遗传算法的若干步骤,选取适当的目标函数,并对算法的流程进行精确控制,最终得到了一个具备这两种算法优点的GABP评价算法.该评价算法的仿真结果表明,只需输入复杂网络的信息安全监测数据,算法就可以准确评价出该网络的信息安全水平.