基于深度学习的场景文本检测与识别

针对复杂场景下文本识别流程复杂繁琐、适应性差、准确度低等缺点,本文提出一种复杂场景下文本检测和识别的新方法.该方法由文本区域检测网络及文本识别网络构成,文本区域检测网络为改进的PSENet,将PSENet的骨干网络改为ResNeXt-101,在特征提取过程中加入可微二值化操作来优化分割网络,不仅简化了后处理,而且提高了文本检测的性能.将卷积神经网络和加入聚合交叉熵损失的长短时记忆网络组成文本识别网络,聚合交叉熵的引入提高了文本识别的准确性.本文在两个数据集上进行验证,实验结果表明,两个网络模型融合后准确率最高达到95.6％,优于改进之前的方法.该方法能有效地检测和识别任意文本实例,具有很好的实用性.     

基于联合损失胶囊网络的换衣行人重识别

目前的行人重识别（Re-ID）研究主要集中在短时间情形,即一个人的衣着不太可能发生改变的情况。然而现实中更常见的是长时间的情况,这时一个人有很大的机会更换衣服,Re-ID模型应该考虑这种情况。为此,研究了一种基于联合损失胶囊网络的换衣行人重识别方法。所提方法基于换衣行人重识别胶囊网络ReIDCaps,使用与传统的标量神经元相比包含更多信息的矢量胶囊,用其长度表示行人身份信息,用其方向表示行人衣着信息;采用软嵌入注意力（SEA）防止模型过拟合;使用特征稀疏表示（FSR）机制提取具有判别性的特征;增加标签平滑正则化交叉熵损失与Circle Loss的联合损失以提高模型的泛化能力和鲁棒性。在三个换衣行人重识别数据集Celeb-reID、Celeb-reID-light和NKUP上进行实验,实验结果表明所提方法与目前已有的Re-ID方法相比具有一定优势。     

求解PCB钻孔机刀具路径规划的交叉熵方法

工作刀具路径的优化程度是PCB钻孔机的重要性能指标,对其进行很好的优化有助于提高PCB设备的加工质量和加工速度.首先对刀具路径进行建模,然后对交叉熵算法进行描述并应用交叉熵方法对刀具路径进行求解.实验结果表明,选择交叉熵方法对环境进行建模简单、有效,在求解刀具路径规划方面具有一定的优势.     

基于深度学习的监督型典型相关分析

典型相关分析（CCA）是利用综合变量对之间的相关关系反映两组指标之间整体相关性的多元统计方法。传统的CCA方法无法有效利用样本的标签信息,导致准确率降低。将类信息融入到深度学习与CCA相结合的深度典型相关分析中,提出一种监督型降维方法DL-SCCA,用于处理带标签的非线性可分数据。在2个独立的深度神经网络（DNN）结构上,增加1个公共的输出维数与数据集类别数相同的全连接层,并且以softmax函数作为该层的激活函数,输出带有概率意义的编码向量。在此基础上,利用全连接输出与样本标签信息之间的交叉熵对DNN进行训练,获得分类性能较优的低维特征。实验结果表明,该方法采用最近邻分类器和网络本身结构得到的分类准确率分别为98.00%和97.82%,相比CCA、DisCCA、DCCA等方法,能够有效利用样本的标签信息,并且具有较优的分类性能。     

A cross-entropy method for optimising robotic automated storage and retrieval systems

In this paper, we consider a robotic automated storage and retrieval system (AS/RS) where a Cartesian robot picks and palletises items onto a mixed pallet for any order. This robotic AS/RS not only retrieves orders in an optimal sequence, but also creates an optimal store ready pallet of any order. Adapting the Travelling Salesman Problem to warehousing, the decision to be made includes finding the optimal sequence of orders, and optimal sequence of items inside each order, that jointly minimise total travel times. In the first phase, as a control problem, we develop an avoidance strategy for the robot (or automatic stacker crane) movement sequence. This approach detects the collision occurrence causing unsafe handling of hazardous items and prevents the occurrence of it by a collision-free robot movement sequence. Due to the complexity of the problem, the second phase is attacked by a Cross-Entropy (CE) method. To evaluate the performance of the CE method, a computational analysis is performed over various test problems. The results obtained from the CE method are compared to those of the optimal solutions obtained using CPLEX. The results indicate high performance of the solution procedure to solve the sequencing problem of robotic AS/RSs.     

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。     

基于代码自然性的切片粒度缺陷预测方法

软件缺陷预测是软件质量保障领域的一个活跃话题,它可以帮助开发人员发现潜在的缺陷并更好地利用资源.如何为预测系统设计更具判别力的度量元,并兼顾性能与可解释性,一直是人们致力于研究的方向.针对这一挑战,提出了一种基于代码自然性特征的缺陷预测方法——CNDePor.该方法通过正逆双向度量代码并利用质量信息对样本加权的方式改进...     

核空间散度阈值法

提出了一种核空间散度阈值分割方法。首先定义了一种参数型Bregman散度;其次提出了参数型Bregman散度阈值法,并将现有交叉熵阈值法和Otsu阈值法统一起来;再次基于参数型Bregman散度构造了核空间中一种新的不对称核函数,将图像灰度级从欧氏空间变换到再生核空间,获得了一种核空间的散度阈值分割法;最后研究了该分割法中核函数参数选取方法。实验结果表明,基于核空间的散度分割法具有一定的普适性,并能改善现有交叉熵阈值法和Otsu阈值法的分割性能,同时也可将这两种经典阈值分割法看做核空间散度阈值法的特殊情形。     

基于Markov决策过程用交叉熵方法优化软件测试

研究了待测软件某些参数已知的条件下,以最小化平均测试费用为目标的软件测试优化问题.将软件测试过程处理成马尔可夫(Markov)决策过程,给出了软件测试的马尔可夫决策模型,运用交叉熵方法,通过一种学习策略获得软件测试的最优测试剖面,用于优化软件测试.模拟结果表明,学习策略给出的测试剖面要优于随机测试策略,检测和排除相同数目的软件缺陷,学习策略比随机测试能够显著地减少测试用例数,降低测试成本,提高缺陷检测效率.     

区间犹豫模糊熵应用于地方高等教育发展研究

构造了新的区间犹豫模糊熵、交叉熵公式,提出了一种新的区间犹豫模糊多属性群决策方法,并将其应用于地方高等教育发展研究的过程中。构建了一种新的区间犹豫模糊熵公式,并证明其满足区间犹豫模糊熵的公理化条件;给出了区间犹豫模糊距离测度的公理性定义,研究了区间犹豫模糊距离测度和区间犹豫模糊熵、交叉熵的关系,并构建了区间犹豫模糊加权交叉熵公式。在区间犹豫模糊环境下,基于区间犹豫模糊熵、交叉熵以及交叉熵贴近度,提出了一种新的属性权重未知的多属性决策方法,并将其应用于对地方高等教育发展研究的过程中,验证该方法的可行性和有效性。