多层次特征融合的人群密度估计

目的 人群数量和密度估计在视频监控、智能交通和公共安全等领域有着极其重要的应用价值。现有技术对人群数量大,复杂环境下人群密度的估计仍存在较大的改进空间。因此,针对密度大、分布不均匀、遮挡严重的人群密度视觉检测,提出一种基于多层次特征融合网络的人群密度估计方法,用来解决人群密度估计难的问题。方法 首先,利用多层次特征融合网络进行人群特征的提取、融合、生成人群密度图;然后,对人群密度图进行积分计算求出对应人群的数量;最后,通过还原密度图上人群空间位置信息并结合估算出的人群数量,对人群拥挤程度做出量化判断。结果 在Mall数据集上本文方法平均绝对误差（MAE）降至2.35,在ShanghaiTech数据集上MAE分别降至20.73和104.86,与现有的方法进行对比估计精度得到较大提升,尤其是在环境复杂、人数较多的场景下提升效果明显。结论 本文提出的多层次特征融合的人群密度估计方法能有效地对不同尺度的特征进行提取,具有受场景约束小,人群数量估计精度高,人群拥挤程度评估简单可靠等优点,实验的对比结果验证了本文方法的有效性。     

基于FAHP-IE算法的尾矿库安全性三级评估研究及应用

从系统安全工程学的观点出发,针对尾矿库事故发生的随机性与不确定性特点,结合模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)和信息熵(Information Entropy,IE)建立尾矿库安全性三级综合评价模型。为解决专家评价分析过程中主观不确定性难以量化的问题,利用信息熵方法对FAHP确定的尾矿库安全评价指标权重进行优化,进而建立面向分层指标体系的尾矿库多主体安全评价模型。根据建立的尾矿库安全性综合评价模型,能够计算尾矿库安全综合评价指数,对于具体的尾矿库工程进行评价后分类定级,从而找出尾矿库存在的安全隐患。案例分析表明,FAHP-IE方法计算简便,用于系统安全状态评价不仅具有模糊综合法的特性,而且兼顾了评价主体认知歧异引起的不确定性,信息利用率高、评价结果可靠,可以为现场整改提供量化依据。     

基于改进粒子群优化的一致贴近度信息融合算法

贴近度表达了传感器的模糊测量,对信息融合的精确度有着至关重要的影响.用一致可靠测度来描述传感器的模糊测量,提出基于粒子群优化的一致贴近度融合算法,该算法建立了多目标可靠测度的数据模型,并定义多只传感器问的贴近度,利用改进的粒子群算法客观地确定模型中各种权值,根据一致可靠测度给出最终的融合算法,实例验证了算法的有效性.     

校企融合视域下服装设计专业创新教学研究

“深化产教融合,加强校企合作”是推动高校专业教育改革的必由之路,尤其对实践性较强的专业,校企融合是培养高素质应用型服装专业人才的重要突破口。文章针对服装设计专业校企联合培养现状,剖析目前存在的问题和不足,结合实际教学情况和反馈,对创新校企融合模式、实践路径进行探讨,同时围绕合作育人、合作就业、合作发展开展教学讨论,在实践路径中提出项目导入、资源共享、多方联动等策略,以帮助服装设计专业提高人才培养的实用性与实效性。     

基于多段分频等长信号融合的频率估计方法

多段采样信号十分常见,对其进行信息融合能有效提高信号处理的精度,尤其适用于低信噪比、被测频率持续时间短的情况。为提高多段采样信号频率估计的精度和扩展已有方法的适用范围,给出一种多段分频等长信号融合方法。在该方法中,因各段信号的被测频率不等,故生成频域分析参数矩阵以实现同频化效果;因同频化后各段信号之间仍然相位不连续,故设计相位差补偿因子矩阵以达到相位连续信号的效果;因相位差补偿因子矩阵包含未知参数,故生成搜索频率序列以用于实际计算并得到具有特定形式的功率谱矩阵。为验证方法的正确性,给出了数学证明。针对多种应用环境状态进行了仿真实验,结果表明该方法具有普适性,抗噪性好,频率估计精度比现有方法有较大提高。     

融合多头自注意力机制的中文短文本分类模型

针对中文短文本缺乏上下文信息导致的语义模糊从而存在的特征稀疏问题,提出了一种融合卷积神经网络和多头自注意力机制（CNN-MHA）的文本分类模型。首先,借助现有的基于Transformer的双向编码器表示（BERT）预训练语言模型以字符级向量形式来格式化表示句子层面的短文本;然后,为降低噪声,采用多头自注意力机制（MHA）学习文本序列内部的词依赖关系并生成带有全局语义信息的隐藏层向量,再将隐藏层向量输入到卷积神经网络（CNN）中,从而生成文本分类特征向量;最后,为提升分类的优化效果,将卷积层的输出与BERT模型提取的句特征进行特征融合后输入到分类器里进行再分类。将CNN-MHA模型分别与TextCNN、BERT、TextRCNN模型进行对比,实验结果表明,改进模型在搜狐新闻数据集上的F1值表现和对比模型相比分别提高了3.99%、0.76%和2.89%,验证了改进模型的有效性。     

多模态网络融合在轻度认知障碍分类中的应用

针对早期轻度认知障碍（MCI）根据医学诊断认知量表评估极有可能无法判断的问题,提出了一种多模态网络融合的MCI辅助诊断分类方法。基于图论的复杂网络分析方法在神经影像领域的应用已得到广泛认可,但采用不同模态的成像技术研究脑部疾病对大脑网络拓扑结构属性的影响会产生不同结果。首先,使用弥散张量成像（DTI）与静息态功能磁共振成像（rs-fMRI）数据构建大脑结构和功能连接的融合网络。然后,融合网络的拓扑属性被施以单因素方差分析（ANOVA）,选择具有显著差异的属性作为分类特征。最后,利用支持向量机（SVM）留一法交叉验证对健康组和MCI组分类,估算准确率。实验结果表明,所提方法的分类结果准确率达到94.44%,相较单一模态数据法的分类结果有明显提高。所提方法诊断出的MCI患者在扣带回、颞上回以及额叶和顶叶部分区域等许多脑区表现出显著异常,与已有研究结果基本一致。     

基于全融合网络的三维点云语义分割

为提高室内场景的点云语义分割精度,设计了一个全融合点云语义分割网络。网络由特征编码模块、渐进式特征解码模块、多尺度特征解码模块、特征融合模块和语义分割头部组成。特征编码模块采用逆密度加权卷积作为特征编码器对点云数据进行逐级特征编码,提取点云数据的多尺度特征;然后通过渐进式特征解码器对高层语义特征进行逐层解码,得到点云的渐进式解码特征。同时,多尺度特征解码器对提取的点云多尺度特征分别进行特征解码,得到点云多尺度解码特征。最后将渐进式解码特征与多尺度解码特征融合,输入语义分割头部实现点云的语义分割。全融合网络增强了网络特征提取能力的鲁棒性,实验结果也验证了该网络的有效性。     

被告：QQ2005 判决：有罪

罪状：强抢系统资源。附加功能越来越多，什么QQ宠物、QQ游戏和TM等平时根本用不着。“随身Q”闪存盘基本上不能满足这个小企鹅越来越大的胃口。处罚：去掉没有使用的组件，把磁盘空间占用量降低到18MB，让QQ轻装上阵。     

DEBA优化加权D-S证据融合的煤矿瓦斯监测策略

针对煤矿瓦斯监测系统的非线性、时变性和多参数强耦合性问题,提出了一种差分进化改进蝙蝠算法(DEBA)优化加权D-S证据融合的煤矿安全监测策略。通过核独立主元分析算法(KICA)对煤矿井下多种传感器采集的原始数据初步处理,进行特征提取,再应用加权D-S证据理论进行数据融合处理,同时采用DEBA算法对加权平均D-S理论的权重进行优化,建立煤矿瓦斯监测模型,可对矿井下的瓦斯状态作出及时判断,并相应地采取决策。MATLAB仿真结果表明:该监测模型能够显著提高煤矿瓦斯监测的精确度和泛化能力以及全局决策的快速性与合理性。