智能系統(tǒng)學報最新期刊目錄

基于混合鄰域圖的復雜結(jié)構(gòu)數(shù)據(jù)集層次聚類算法————作者：陳仲尚;馮驥;楊德剛;蔡發(fā)鵬;

摘要：復雜結(jié)構(gòu)數(shù)據(jù)集通常指的是那些包含不同形狀(包括球形、非球形、流形)、大小和密度的簇的數(shù)據(jù)集。自然鄰居算法在處理邊界不清晰、密度變化的數(shù)據(jù)集時存在局限性，特別是在數(shù)據(jù)集中含有大量噪聲時，其性能顯著下降。針對這些問題，本文提出了一種基于混合鄰域圖的復雜結(jié)構(gòu)數(shù)據(jù)集層次聚類算法(hybrid neighborhood graph-based hierarchical clustering algorith...

面向復雜電力環(huán)境場景理解的可見光和紅外圖像特征級融合方法————作者：黃志鴻;杜瑞;張輝;

摘要：隨著電力系統(tǒng)自動化和智能化程度的不斷提高，變電站和配電網(wǎng)設(shè)備的有效監(jiān)測與故障診斷成為保證電網(wǎng)穩(wěn)定運行的重要手段。針對傳統(tǒng)單模態(tài)圖像處理方法在復雜電力環(huán)境中面臨的挑戰(zhàn)，提出了一種基于可見光和紅外圖像特征級融合的場景理解方法。通過深入分析可見光圖像和紅外圖像的互補特性，設(shè)計了一個雙分支的對稱融合網(wǎng)絡框架，有效結(jié)合了可見光圖像的高分辨率紋理信息和紅外圖像的溫度信息。此外，引入了多尺度特征融合層和多尺度注...

基于L1-mask約束的對抗攻擊優(yōu)化方法————作者：周強;陳軍;陶卿;

摘要：當前的對抗攻擊方法通常采用無窮范數(shù)或L2范數(shù)來度量距離，但這些方法在不可察覺性方面仍有提升空間。L1范數(shù)作為稀疏學習中常用的度量方式，其在提高對抗樣本的不可察覺性方面尚未被深入研究。為了解決這一問題，提出基于L1范數(shù)約束的對抗攻擊方法，該方法通過對特征進行差異化處理，將有限的擾動集中在更重要的特征上。此外，還提出了基于顯著性分析的L1-mask約束方法，通過遮蓋顯著性較低的特征來提高攻擊的針對性。...

基于特征融合和網(wǎng)絡采樣的點云配準————作者：陸軍;王文豪;杜宏勁;

摘要：針對點云配準過程中，下采樣時容易丟失關(guān)鍵點，影響配準精度的問題，本文提出了一種基于特征融合和網(wǎng)絡采樣的配準方法，提高了配準的精度和速度。在PointNet分類網(wǎng)絡基礎(chǔ)上，引入小型注意力機制，設(shè)計了一種基于深度學習網(wǎng)絡的關(guān)鍵點提取方法，將局部特征和全局特征融合，得到混合特征的特征矩陣，使用深度學習實現(xiàn)了求取對應矩陣時相關(guān)參數(shù)的自動優(yōu)化，最后使用加權(quán)奇異值分解（singular value decom...

面向復雜場景的變電設(shè)備銹蝕檢測方法————作者：趙振兵;席悅;馮爍;趙文清;翟永杰;李冰;

摘要：針對復雜場景下變電設(shè)備銹蝕檢測中存在銹蝕形態(tài)差異大、尺度大小不一、特征顯著性低的問題，提出了一種面向復雜場景的變電設(shè)備銹蝕檢測方法。引入了頻率通道注意力機制，使用更多的頻率分量補充深層網(wǎng)絡中的細節(jié)特征，優(yōu)化模型對銹蝕特征的提取；在特征融合網(wǎng)絡使用多尺度特征增強模塊重新構(gòu)建C2f模塊，使網(wǎng)絡可以更好的捕獲不同大小的銹蝕區(qū)域；引入附加檢測頭，緩解模型在特征融合過程中卷積層下采樣造成的銹蝕關(guān)鍵信息丟失的...

基于事件觸發(fā)灰狼優(yōu)化算法的四旋翼無人機三維航跡規(guī)劃————作者：秦冬燕;閆曉輝;邵桂偉;姚玉武;

摘要：針對復雜環(huán)境下四旋翼無人機三維航跡規(guī)劃問題，提出了一種改進的事件觸發(fā)灰狼優(yōu)化算法(event triggered grey wolf optimization，ETGWO)。首先，引入球面矢量刻畫飛行路徑的生成，減少搜索空間，以擴大搜索能力；設(shè)計自適應權(quán)重動態(tài)調(diào)整飛行航跡成本適應度函數(shù)，提高航跡規(guī)劃效率和準確性；其次，在灰狼優(yōu)化算法(grey wolf optimization，GWO)基礎(chǔ)上，選...

明暗恢復形狀算法改進的高精度快速水下圖像三維重建方法————作者：管鳳旭;吳卓鋒;張雨竹;唐世文;姚佳豪;杜雪;

摘要：明暗恢復形狀（Shape from Shading，SFS）算法是三維重建中不可缺少的關(guān)鍵技術(shù)，該方法使用單幅圖像中物體的灰度的亮度信息，求出每個點的相對高度和表面法向量，現(xiàn)有的SFS線性化算法利用泰勒級數(shù)進行展開忽略了高階部分的影響，出現(xiàn)了三維重建的圖像不夠精確等問題。為解決三維重建的精度問題，本文提出了一種基于SFS算法改進的高精度快速水下圖像三維重建方法，在提高三維重建的精度前提下，解決了對...

基于混合雙分支卷積神經(jīng)網(wǎng)絡和圖卷積神經(jīng)網(wǎng)絡的全色銳化方法————作者：王文卿;張小喬;何霽;劉涵;劉丁;

摘要：多光譜圖像全色銳化是遙感影像處理與解譯領(lǐng)域的熱點問題。相較于傳統(tǒng)全色銳化方法，基于深度學習的全色銳化方法聚焦于圖像深層次特征的提取，大幅提升了融合圖像的質(zhì)量。本文提出了一種基于混合雙分支卷積神經(jīng)網(wǎng)絡和圖卷積神經(jīng)網(wǎng)絡的全色銳化方法，旨在同時挖掘圖像的光譜、空間與非幾何結(jié)構(gòu)信息，提升融合圖像空間分辨率和光譜分辨率。本方法建立在多分辨率分析融合框架的基礎(chǔ)上，利用深度神經(jīng)網(wǎng)絡構(gòu)建了特征提取、特征融合和圖像...

基于偽標簽細化的域適應TSK模糊分類器————作者：張馨勻;周琳家;程煜婷;邱成羽;謝宇航;陳秀;張遠鵬;

摘要：Takagi-Sugeno-Kang (TSK)模糊分類器由于其良好的分類性能和可解釋性在多個領(lǐng)域有著廣泛的應用。針對訓練樣本和測試樣本分布差異所導致的TSK模糊分類器泛化性能下降問題提出了一種基于偽標簽細化的域適應TSK模糊分類器。該分類器使用模糊規(guī)則前件的非線性映射和后件的線性映射能力構(gòu)建源域和目標域數(shù)據(jù)的模糊共享特征空間，并在模糊共享特征空間采用基于圖隨機游走和標簽過濾細化兩種策略來提升目標...

高低頻特征融合的低照度圖像增強方法————作者：王德文;胡旺盛;張潤磊;趙文清;

摘要：針對現(xiàn)有低照度圖像增強方法性能與開銷不平衡的問題，本文提出一種高低頻特征融合的低照度圖像增強方法。該方法在多尺度上獲取幾何特征豐富的低頻特征與語義特征豐富的高頻特征，經(jīng)過高低頻特征融合得到增強圖像，在保證良好圖像質(zhì)量的同時降低開銷。為優(yōu)化對低照度環(huán)境的特征提取能力，構(gòu)建殘差混合注意力模塊，從像素與通道兩方面對重要的局部區(qū)域給予更多關(guān)注。針對下采樣造成的信息丟失問題，設(shè)計一種特征合并模塊對下采樣后的...

基于耳周肌電信號的默念口令識別方法————作者：魏柏淳;姜峰;張松濤;張琦;段錦楠;王修來;

摘要：智能設(shè)備的普及促使可穿戴人機交互技術(shù)需求日益增加。為提高用戶接受度，人機交互技術(shù)對交互易用性與隱蔽性要求較高。本文提出基于耳周肌電信號的默念口令識別方法。該方法易于與集成生理電采集的耳機設(shè)備結(jié)合，實現(xiàn)無聲操控智能設(shè)備，減少社交尷尬。具體地，本文首先確定并構(gòu)建口令經(jīng)驗原則，篩選最優(yōu)口令集。其次，根據(jù)單通道信噪比和分類準確率選擇最優(yōu)耳周傳感器位置。再次，提出基于CNN-Transformer結(jié)構(gòu)的識別...

決策變量分組優(yōu)化的多目標螢火蟲算法————作者：邢文來;吳潤秀;肖人彬;鐘勁文;趙嘉;

摘要：多目標螢火蟲算法采用整體維度更新策略，常因某幾維變量上優(yōu)化效果不佳，導致算法收斂速度慢和尋優(yōu)精度低。針對上述問題，本文提出決策變量分組優(yōu)化的多目標螢火蟲算法(MOFA-GD)。首先，引入決策變量分組機制，根據(jù)各變量對算法性能的不同影響，將整體決策變量劃分成收斂性變量組和多樣性變量組；其次，設(shè)計決策變量分組優(yōu)化模型，利用學習行為優(yōu)化收斂性變量組，加快種群收斂速度，非均勻變異算子優(yōu)化多樣性變量組，避免...

視覺感知人景互影響的人體動作預測方法————作者：李沁;陳飛揚;彭晗;王勇;劉利枚;張偉;

摘要：場景信息驅(qū)動人類調(diào)整動作軌跡，對人體動作預測影響較大。當前研究僅捕獲場景信息更新動作特征，忽略了場景與動作的互影響關(guān)系。為此，提出一種視覺感知人景互影響的人體動作預測方法。首先提取動作特征和場景特征，然后循環(huán)執(zhí)行場景信息捕獲單元和場景適應度增強單元。前者捕獲影響動作的場景信息，后者用該信息更新動作特征以增強場景適應性。完成循環(huán)后，得到場景適應型動作特征。接著，基于該特征執(zhí)行噪聲逆擴散完成動作預測。...

基于高效特征提取和大感受野的無人機航拍圖像目標檢測————作者：沈朕宇;朱鳳華;王知學;沈震;熊剛;

摘要：針對無人機航拍圖像中存在小目標、目標遮擋、背景復雜的問題，提出一種基于高效特征提取和大感受野的目標檢測網(wǎng)絡（EFLF-Net）。首先，通過優(yōu)化檢測層架構(gòu)降低小目標漏檢率；然后，在主干網(wǎng)絡融合新的CNN構(gòu)建模塊以提升特征提取效率；接著，引入輕量級通用上采樣算子和大型選擇性核網(wǎng)絡，增強頸部網(wǎng)絡對遮擋目標的上下文感知能力；最后，采用WIoU損失函數(shù)優(yōu)化邊界框回歸穩(wěn)定性。在VisDrone2019數(shù)據(jù)集上...

基于慣性測量單元的人體運動意圖識別方法，現(xiàn)狀與挑戰(zhàn)————作者：衣淳植;賈翊丞;姜峰;王修來;

摘要：人體行為識別(Human Activity Recognition，HAR)利用可穿戴計算、機器學習等技術(shù)識別和理解人體行為，在行為跟蹤、健康監(jiān)測及人機交互等領(lǐng)域得到廣泛應用，極大提升了當下人類的生活水平。當前可穿戴傳感器中，慣性傳感器由于其高度小型化、低成本、信號穩(wěn)定等優(yōu)勢，已經(jīng)日益成為可穿戴計算領(lǐng)域的主流應用設(shè)備。基于此，HAR領(lǐng)域內(nèi)較多研究以慣性信號作為數(shù)據(jù)源，并通過應用深度學習算法，以應對...

漸進式分層特征提取的綜合能源多任務負荷預測————作者：王德文;安涵;張林飛;趙文清;

摘要：準確負荷預測是綜合能源系統(tǒng)經(jīng)濟調(diào)度和高效運行的關(guān)鍵。由于綜合能源系統(tǒng)中電、冷、熱負荷存在復雜耦合關(guān)系，傳統(tǒng)多任務學習模型難以學習到有效的多元負荷耦合特征，可能導致預測精度降低。本文充分考慮多元負荷復雜耦合關(guān)系，提出一種漸進式分層特征提取的綜合能源多任務負荷預測模型。首先，將全年數(shù)據(jù)按季節(jié)劃分，分析各季節(jié)下電、冷、熱負荷間耦合強度；然后，采用變分模態(tài)分解將歷史負荷序列分解為多個不同頻率的分量，可以更...

基于時空動態(tài)圖的交通流量預測方法研究————作者：孟祥福;謝偉鵬;崔江燕;

摘要：針對現(xiàn)有交通流量預測方法在建模時空數(shù)據(jù)和捕捉動態(tài)空間相關(guān)性上的不足，提出了一種基于時空動態(tài)圖的交通流量預測模型。該模型采用帶嵌入層的編碼器-解碼器架構(gòu)，通過動態(tài)圖生成模塊從數(shù)據(jù)驅(qū)動的角度挖掘潛在的時空關(guān)系，并重構(gòu)每個時間步的節(jié)點動態(tài)關(guān)聯(lián)圖。嵌入層使用時空自適應嵌入方法建模交通數(shù)據(jù)的內(nèi)在時空關(guān)系和時間信息；編碼器部分利用時空記憶注意力機制，從全局視角對時空特征進行建模；解碼器部分將圖卷積模塊注入循環(huán)...

抑制心血管圖像序列中運動偽影的無監(jiān)督深度學習方法————作者：王茹;孫正;姚越;

摘要：血管內(nèi)超聲（IVUS）和光學相干斷層成像（OCT）是診斷冠狀動脈粥樣硬化性病變的重要手段，但心臟運動和血流搏動會產(chǎn)生運動偽影，影響圖像質(zhì)量。為解決這一問題，本文提出一種無監(jiān)督深度學習方法，用于抑制IVUS/OCT圖像序列中的運動偽影。設(shè)計一個深度神經(jīng)網(wǎng)絡，包含特征提取、上采樣、運動估計和運動校正模塊，實現(xiàn)連續(xù)回撤導管采集的圖像序列到去偽影圖像序列的映射。利用臨床IVUS/OCT圖像進行無監(jiān)督訓練，...

融合低秩預分離與隨機抖動機制的非凸型TRPCA算法————作者：潘昱妍;張德;李壯舉;

摘要：張量魯棒主成分分析(tensor robust principal component analysis， TRPCA)旨在將受損的張量數(shù)據(jù)分離成低秩和稀疏分量，可通過同等收縮所有奇異值還原低秩結(jié)構(gòu)。但實際應用中不同奇異值之間存在差異，通常較大奇異值中主要信息較多，較小奇異值中噪聲信息較多，因此需要區(qū)別對待。本文使用非凸加權(quán)張量Schatten-p范數(shù)(0<

結(jié)合多尺度大核卷積的紅外圖像人體檢測算法————作者：邵煜瀟;魯濤;王震宇;彭勇杰;姚巍;

摘要：災后搜救工作對人類的生命安全有著重要的意義。在廢墟環(huán)境中，利用紅外圖像的視覺信息來檢測人體是一種直觀的方法。紅外圖像普遍分辨率低，并且圖像中的人體特征不明顯。針對上述問題，該研究基于YOLO框架設(shè)計了一種包含重參數(shù)化（re-parameterization）和多尺度大核卷積（multi-scale large kernel convolution）的紅外圖像人體檢測網(wǎng)絡RML-YOLO。該網(wǎng)絡通過...

　　智能系統(tǒng)學報來自網(wǎng)友的投稿評論：

• 帶頭大哥666

  外審兩個意見偏向正面，但還是被拒了.

  2021-06-08 11:23

提交