基于残差和注意力网络的声呐图像去噪方法

前视声呐作为一种水下主动声呐设备常用于采集水下图像数据,然而会受到水下噪声的影响导致图像质量下降。针对这一问题,本文提出了一种基于密集残差和双通道注意力机制网络的前视声呐图像去噪方法。首先采用双通道注意力机制对声呐图像的通道信息进行提取,统计声呐图像的全局信息,输出声呐图像的噪声图;密集残差块根据噪声图和声呐图像,充分学习不同尺度上的特征信息,经过多次学习和信息传递后输出干净声呐图像。针对前视声呐图像及其噪声特点,模拟了前视声呐图像并添加瑞利分布的乘性噪声和高斯分布的加性噪声,生成模拟数据集用于网络训练和性能评估。在模拟数据集和真实数据集的实验中表明,本文方法能够有效去除噪声,保留图像细节。

     

多层次模糊综合判定法的大学生择业模型研究

针对大学生就业现状,提出基于模糊数学的多层次综合评判法模型。首先根据大学生的学习成绩、专业技能、相关经验和个人素质四个方面进行一级评判;然后在一级判别因素的基础上,进而细分建立二级评判因子,通过多权值层次分析法确定不同就业领域的权重;最后采用模糊综合评判法求得结果,通过阈值评判给出相对应"推荐"、"适合"和"不推荐"的评价。