三容系统的解耦神经网络PID控制

三容水箱是常见的非线性强耦合系统,利用一种非线性动态解耦的方法对其进行解耦(其特点是能利用非线性补偿的方式将该类系统各回路输入与输出之间完全解耦),然后采用基于BP神经网络的PID控制策略对其进行控制,并利用MATLAB进行仿真。仿真结果证明解耦的有效性,表明了BP神经网络的PID算法比传统的数字PID具有更强的抗扰动性。     

利用局部监督的跨模态行人重识别研究

跨模态行人重识别技术旨在从非重叠视域不同模态的摄像头捕获的行人图像中,识别出特定行人,行人图像间存在巨大的跨模态差异以及模态内部差异,导致识别率不高。为此,提出了一种利用局部监督的跨模态行人重识别方法(LSN)。首先将可见光图像转换成与红外图像更为接近的灰度图像,在图像层面缓解跨模态的差异,并使用共享参数的双流网络,提取具有判别性的共享特征,在特征层面缓解跨模态差异;其次,设计了局部监督网络,增强了对背景、遮挡等噪声的鲁棒性,缓解了模态内部差异;最后,设计了跨模态分组损失、联合身份损失对网络进行约束。实验结果显示,在SYSU-MM01数据集上,评价指标rank-1和mAP分别达到了53.31%、50.88%;在RegDB数据集上,达到了73.51%、68.55%,实验结果优于同类方法,验证了该方法的有效性和先进性。     

基于对比学习的无监督三元哈希方法

为了解决现有无监督二元哈希方法由于存在较大量化损失而导致检索精度较低的问题,在CIBHash方法的基础上,提出了一种新的基于对比学习的无监督三元哈希方法——CUTHash,将三元哈希编码用于图像检索。具体来说,首先,使用融合了解耦对比损失的对比学习框架,在目标数据集上进行无监督的图像特征学习;接着,为了得到三元哈希编码,对学习到的图像特征使用平滑函数进行量化操作,解决离散函数量化后导致的零梯度问题;最后,应用改进后的对比损失,约束同属一张图像的增强视图的特征在哈希空间中尽可能地接近,从而使得三元哈希编码具有一定的辨识力,使其更好地应用于无监督图像检索任务。在CIFAR-10、NUS-WIDE、MSCOCO以及ImageNet100数据集上进行了大量对比实验,取得了较当前主流的无监督哈希方法更好的检索性能,从而验证了CUTHash方法的有效性。     

基于双策略协同进化的QPSO算法及其应用

为更好地提升量子粒子群优化算法（QPSO）的局部挖掘和全局搜索能力,提出了一种改进的QPSO算法（DSQPSO）。在改进算法中引入了双策略协同进化的思路调整粒子的位置更新公式。为充分体现个体粒子挖掘的优势和群体共同引导的特点,提出了两种吸引点构造的思路,做到个体和种群更好地融合以及信息的互通;分别考虑了最优平均位置与全局最优和粒子的历史最优之间的联系,对粒子搜索范围作出了重新定义;此外,在迭代过程中,借助随机扰动机制对全局最优位置进行调整,以保持种群的多样性。通过18个测试函数将DSQPSO算法与PSO、QPSO、RQPSO和LQPSO四种算法在收敛精度和鲁棒性方面进行对比;进而在两个具体的工程优化问题上,应用改进算法与八个智能算法进行了寻优结果比较。实验表明DSQPSO算法无论在基准测试中还是在工程应用上,其计算精度和收敛效果均有明显优势。     

在新工科背景下计算机操作系统原理的教学改革探讨与实践

操作系统原理是计算机学科领域非常重要的一门专业基础课,新工科背景下,课程内容需要与时俱进、教学方式需要提高"感性和趣味性".在引导学生理解和掌握操作系统的基本概念和基本方法的基础上,设置"差异化"教学内容与实践环节,采用混合学习和掌握学习相结合的教学形式.将课程实践与课程设计结合,注重知识的拓展,从而强化应用基础性知识点,挖掘学生潜力.     

智慧农业综合信息服务系统的设计与开发

针对目前市场上大多数农业信息服务平台功能单一的缺点,设计了一款集专家在线答疑、智能识别病虫害、农业知识学习、农友社交服务于一体的系统,旨在帮助农户解决生产过程中的难题,推动农业生产发展.该系统采用前后端分离开发技术,后端使用Spring、SpringMVC、MyBatis框架搭建,前端使用Vue、Ajax技术开发,并采取SIFT算法实现图像匹配.使用结果表明,该软件功能全面,操作简便,能够满足农户基本需求.     

宽带物联网信息接收端隐私抗泄露算法仿真

针对网络中信息接收端数据传输过程中受到链接攻击,导致个人隐私泄露的问题,提出一种宽带物联网信息接收端隐私抗泄露算法.分层分析宽带物联网关键技术,对物理层、通信层以及应用层进行控制和调试,依据被动响应得到私有数据属性、对应函数以及矩阵配置.计算数据泄露与高维函数空间显示间的平衡值,通过Mercer理论运算最优线性回归函数,从而建立了物联网数据信息隐私抗泄漏检测的相空间重构模型,保护用户的隐私信息.实验结果,上述方法具有功能性强、时间短特点,能够保证加密后的隐私信息的完整性,加强宽带物联网信息的安全性.     

A sub-region one-to-one mapping (SOM) detection algorithm for glass passivation parts wafer surface low-contrast texture defects

Glass Passivation Parts (GPP) wafer texture defects are one of the most important factors affecting the accuracy of wafer defect detection. Template matching has local errors and low efficiency, and deep learning requires many training samples. In the early stage, defect training sample sets cannot be provided. This paper discusses the design of an effective GPP wafer grain region texture defect detection algorithm using a sub-region one-to-one mapping. A set of standard wafer datum is selected as the reference of grain region segmentation detection, and then the standard wafer images and test GPP wafer images are automatically calibrated and segmented, respectively. Then, a series of pre-processes were performed to equalize the sizes of the two grain-region images. Then the grain region was divided into an equal number of rectangular sub-regions of the same size according to the measurement precision requirement. The correlation degree of each test sub-region is judged by the designed three-channel RGB gray-scale similarity decision functions. Experiments show that the algorithm successfully achieved the necessary calibration and segmentation for the grain region. Compared with the template and histogram matching algorithms, the proposed method does not require a training set, the detection accuracy is significantly improved and the detection efficiency is up to 29.74 times better on average using the proposed algorithm.

     

Image super-resolution using supervised multi-scale feature extraction network

Multimedia Tools and Applications - Image super-resolution using deep convolutional networks have recently achieved great successes. However, previous studies have failed to consider the spatial...     

基于多季相Sentinel-2影像的白洋淀湿地信息提取

白洋淀湿地是华北平原上重要的浅水湖泊湿地,对雄安新区绿色发展具有重要的生态价值。对白洋淀高度异质化的景观格局进行分类,能够为白洋淀湿地资源的遥感监测提供指导意义。针对湿地季节变化的特点,对白洋淀每个季节选取一期具有代表性的Sentinel-2影像,采用分类与回归树（CART）、支持向量机（SVM）、随机森林（RF）3种常用的机器学习分类器对15种季相组合实验方案进行分类,分析不同季相遥感影像及其组合对白洋淀湿地信息提取的优劣。结果表明：相较于使用单一季相影像分类,多季相影像的组合能够显著提高分类精度,春&夏季相组合能够得到最优的分类效果,相对单季影像总体分类精度提高了10.9%~25.5%,Kappa系数提高了0.09~0.29;SVM分类器的分类表现较为稳定,能够得到最高的平均分类精度,CART分类器在处理高维特征的能力不如随机森林和SVM;不同特征类型对湿地信息提取的贡献度从高到底依次是红边光谱特征、传统光谱特征、缨帽变换特征、主成分分析特征、纹理特征。实验成果能为湿地信息的遥感识别提供依据。