摘 要:针对常用人脸表情识别算法在无标签跨域情况下难以取得好的识别效果的挑战,提出一种基于子空间学习的跨域人脸表情识别算法。该算法首先构建边缘分布和条件分布双对齐约束来减小域分布差异;其次构造稀疏数据矩阵;最后联合双分布对齐约束和结构保持约束训练得到重构子空间,通过学习得到跨域人脸表情不变特征表达,输入支持向量机(SVM)分类器完成跨域人脸表情识别。实验结果表明,本算法取得了59.97%的平均识别
摘 要:作物模型参数的筛选与优化对于提升其适应能力具有重要意义。为提高参数优化效率,采用随机森林和梯度提升树两种基于集成学习的机器学习算法,对APSIM NG旱地春小麦生长过程中的敏感参数进行筛选,并利用Nelder-MeadSimplex算法和DREAM-zs算法对这些敏感参数进行优化,实现了在R语言中一键完成作物模型敏感性分析及优化全过程。实验结果表明,优化后产量实测值与模拟值的均方根误差(R
摘 要:空间转录组的聚类分析对解析肿瘤微环境的异质性和细胞互作至关重要。现有的聚类方法依赖单一维度信息,导致空间信息利用不足,空间域识别的准确性也不理想。针对上述问题,提出基于动态细胞图谱和多分辨率图融合的时空聚类算法MRGF。在人脑背外侧前额叶皮层(DLPFC)和阿尔茨海默病(AD)数据集上的实验结果表明,MRGF的调整兰德指数(ARI)和归一化互信息(NMI)比现有方法平均提升了12.7%和9
摘 要:针对野马优化算法收敛慢、寻优精度低等不足,提出一种基于黄金正弦指引的扰动野马优化算法(GPWHO)。GPWHO算法通过黄金分割系数加快算法的收敛;通过加入扰动因子策略平衡算法的全局探索和局部开发能力。选取13个基准测试函数进行测试,实验结果表明,GPWHO算法相比其他5种对比算法,在单峰函数F1~F5上均能稳定寻得理论最优值0,在多峰函数F7~F11的求解结果也有不同数量级上的提高,说明G
摘 要:针对血糖水平预测及潜在风险预警,提出一种新型机器学习模型,它结合了变模态分解(VMD)、循环神经网络(RNN)和长短期记忆(LSTM)网络。该模型通过分解血糖信号并引入迁移学习策略,有效捕捉局部特征和长期依赖性,进而建立个性化的血糖预测模型,提高正常血糖水平的比例。结果表明,VMD-RNN-LSTM 模型在均方根误差(RMSE)方面较传统模型平均提升62%,在平均绝对误差上提升49%,拟合
摘 要:针对目前智能摄像头组合应用技术在视频传输质量控制、资源调度与分配、算法智能性与优化等方面存在不足,设计了基于深度学习的物联网智能摄像头控制系统。系统通过深度学习和边缘计算能力在本地设备上分析和预测网络性能需求变化,动态切换最优的相机参数设置,通过强化学习算法制定最佳的协作策略,同步动态调度和分配多台智能摄像头共享的网络资源。系统将检测精度(mAP@0.5)提升至84.7%,协作任务成功率提
摘 要:针对目前点云采样方法的细节缺失问题,提出了一种基于定位细化的多层3D点云上采样方法,以稀疏点云作为输入,实现高质量点云上采样。该方法主要由粗糙点云生成和定位细化两个部分组成。在粗糙点云生成阶段,利用基于平面折叠的自编码器架构将输入的稀疏三维点云进行粗糙重构;在定位细化阶段,利用细化单元与偏移回归机制对粗糙点云进行位置修正,引入局部细化与全局细化模块以学习更精细的几何结构。与已有同类方法比较
摘 要:基于图卷积的草图语义分割方法在图构建与传播过程中是扁平化的,邻域聚集的图卷积无法获得足够的全局信息。提出基于层次图卷积网络的草图语义分割方法,构建不同层次的图对节点特征传播或聚合。另外,为了缓解由于过多的图卷积模块导致训练过程过平滑的问题,引入了随机缩放特征和梯度的正则化方法。与基准的图卷积模型相比,改进的模型在CreativeSketch数据集上比次优的SketchGNN模型,P-Met
摘 要:三维点云识别在自动驾驶、虚拟现实等领域有着广泛的应用,这些领域对实时性要求较高。针对这一问题提出一种利用空间稀疏性来加速点云模型的方法。点云模型的正确率取决于少部分特征,通过设计一个轻量级模块估计给定当前特征的重要性,裁剪对结果影响较小的令牌(token)来减少模型计算量,将该模块添加到不同的层。在点云数据集ModelNet40进行点云识别任务。通过修剪66%的输入token,相比于原模型
摘 要:在复杂施工环境的施工项目中,由于受地质条件、气候条件及设备性能等多重因素影响,大型工程装备的分析选择需要耗费大量精力。为解决此问题,提出一种面向复杂施工环境的知识图谱与随机森林优化大型工程装备推荐方法。首先,利用知识图谱提取关于装备选择的20个主要影响因素及其重要性占比;其次,使用一种基于随机森林算法和贝叶斯优化的融合算法,构建优化目标函数计算各类装备适应性评分;最后,根据算法给出最优装备
摘 要:为实现自然环境下麦穗的快速识别,提出一种改进YOLOv8n模型,以解决麦穗特征不明显、遮挡等问题。通过引入RepGhostBottleneck和RepCoreGhostBottleneck提升计算效率,采用CARAFE(Content-AwareReAssemblyofFEatures)上采样算子提升精度,并利用Grad-CAM++热力图增强模型的可解释性。实验结果表明,改进后的YOLOv
摘 要:广义Youden指数突破了传统识别精度统计技术局限,具有广泛的应用前景。为了进一步发展Youden指数识别精度统计技术,提出了广义Youden指数参数估计方法及密度比模型下半参数估计方法,并通过仿真分析与已有的核密度估计方法进行对比。仿真结果显示,大样本下该半参数估计方法提升置信区间覆盖率约3%,缩短长度约50%,证明了其合理性和高效性。最后,把广义Youden指数半参数估计方法应用在筛选
摘 要:准确快速的交通预测对于城市交通调控、路线规划和交通信号实时控制至关重要。目前提出的许多时空方法忽略了道路网络节点之间随着时间推移而产生变化的空间关联性。为解决这些问题,提出了一种基于改进交互式动态图卷积网络的交通流预测模型(I-IDGPSA)。该模型将交通数据划分为周期项和趋势项,通过交互式学习策略同步捕捉划分交通数据的时空相关性,并在后续步骤中加入概率稀疏自注意力机制,使得I-IDGPS
摘 要:为了更深入地理解复杂的网络化系统,从节点的观测时间序列中挖掘非线性因果关系是一个至关重要的问题。针对此问题,提出了一种基于稀疏贝叶斯非线性条件格兰杰因果(SBNCGC)的因果网络重构的统一框架。首先,建立一个非线性条件格兰杰因果关系(NCGC)模型去捕捉目标节点与驱动节点之间的非线性关系;随后,引入稀疏贝叶斯推理方法获得目标节点的驱动节点候选集,达到了NCGC模型的降维作用;最后,基于重新