会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

基于VSIMM_SRCKF的ADS_B航迹滤波方法研究_杜云

为了提高ADS-B航迹跟踪精度,并针对交互多模型算法所选模型集而导致的跟踪性能下降的问题,采用基于平方根容积卡尔曼的变结构交互多模型（VSIMM-SRCKF）算法对航迹进行滤波。建立运动目标跟踪的VSIMM模型集来描述机动目标的系统总模型集合,在滤波过程中,SRCKF递推的更新通过将协方差矩阵开平方得到,使计算复杂度降低,并且使协方差矩阵保持非负定,能够避免滤波中的发散问题。仿真结果表明:提出的基于平方根容积卡尔曼的变结构交互多模型算法（VSIMM-SRCKF）在估计误差均值、估计误差标准差以及平均绝对百分比误差方面均优于IMM-CKF算法和IMM-SRCKF算法,说明VSIMM-SRCKF算法具有更好的跟踪精度,可适应于复杂目标航迹的实时跟踪。

  • 2021-05-06
  • 阅读406
  • 下载0
  • 6页
  • pdf

一种模型决策森林算法_尹儒

随机森林（RF）具有抗噪能力强,预测准确率高,能够处理高维数据等优点,因此在机器学习领域得到了广泛的应用。模型决策树（MDT）是一种加速的决策树算法,虽然能够提高决策树算法的训练效率,但是随着非纯伪叶结点规模的增大,模型决策树的精度也在下降。针对上述问题,提出了一种模型决策森林算法（MDF）以提高模型决策树的分类精度。MDF算法将MDT作为基分类器,利用随机森林的思想,生成多棵模型决策树。算法首先通过旋转矩阵得到不同的样本子集,然后在这些样本子集上训练出多棵不同的模型决策树,再将这些树通过投票的方式进行集成,最后根据得到的模型决策森林给出分类结果。在标准数据集上的实验结果表明,提出的模型决策森林在分类精度上明显优于模型决策树算法,并且MDF在树的数量较少时也能取到不错的精度,避免了因树的数量增加时间复杂度增高的问题。

  • 2021-05-06
  • 阅读406
  • 下载0
  • 9页
  • pdf

基于集成DE_NRS的肺部肿瘤影像组学计算机辅助诊断模型_任海玲

针对肺部肿瘤计算机辅助诊断存在假阳性高和经典RS容错性差、不能处理连续型数据等问题,结合DE提出基于集成NRS的肺部肿瘤计算机辅助诊断模型。对肺部肿瘤CT、PET、PET/CT医学影像图像中的病灶区域进行截取与分割,并进行特征提取得到特征库；基于DE与NRS构建属性约简模型,得到特征子集；基于SVM分类器,搭建肺部CT、PET、PET/CT个体分类器；采取相对多数投票准则构造集成学习模型。进行有效性和可行性实验:邻域大小delta确定实验,变异系数F、交叉系数CR、权重值w参数实验,集成实验,并进行对比。结果表明:该模型在整体性能上较好,识别精度达到99.72%,具有较好的鲁棒性和可扩展性。 关键词： 邻域粗糙集；差分进化；肺部肿瘤；计算机辅助诊断；集成支持向量机；

  • 2021-05-03
  • 阅读406
  • 下载0
  • 9页
  • pdf

Norm_DP模型行人检测优化算法_柴恩惠

传统深度金字塔模型作为一种有效的行人检测算法备受关注,融合可变形部件模型和卷积神经网络模型,但特征提取部分使用的算法像素区域的大小不同,导致模型之间不能完全融合,在行人数量多、姿势复杂和有遮挡情况时的检测效果不理想。因此,提出一种基于规范化函数的深度金字塔模型（Norm-DP）算法,使用规范化函数融合可变形部件模型和卷积神经网络模型,直接从金字塔特征中提取正负样本,使用隐变量支持向量机进行模型训练,结合柔性非最大抑制（soft-NMS）算法和边界框回归（BBR）算法对定位框进行优化。分别使用INRIA和MS COCO数据集进行实验验证,在行人数量多、姿势复杂和有遮挡情况时,检测精度高于最优的可变形部件模型算法、卷积神经网络算法、深度金字塔模型算法和结合区域选择的卷积神经网络算法。

  • 2021-04-24
  • 阅读406
  • 下载0
  • 8页
  • pdf

基于结构信息约束法则耦合匹配模型的图像修复算法_戴远泉

针对当前较多图像修复算法依靠固定大小样本块来搜寻最优匹配块,忽略了样本块的结构信息,使修复图像出现间断现象以及振铃现象等不足,利用样本块与其邻域块的近似度,设计了一种采用结构信息约束法则与匹配模型的图像修复算法。将图像的信息熵特征引入到待修复块的优先权计算过程中,获取优先修复块。通过样本块与其邻域块的近似度构造结构信息度量模型,对样本块的结构信息进行度量,并根据度量值建立结构信息约束法则,实现样本块大小的自适应调整。最后,利用图像的色彩及灰度特征构造匹配模型,利用调整后的样本块大小在已知区域中寻找最优匹配块,从而对待修复块进行修复。实验结果显示,所提算法得到的修复图像具备较好的纹理连续性,不存在信息间断现象,对应的结构相似度较高。

  • 2021-04-26
  • 阅读406
  • 下载0
  • 6页
  • pdf

基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型_任燕龙

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络（long-short term memory,LSTM）和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型；并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解；最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。

  • 2021-04-26
  • 阅读406
  • 下载0
  • 7页
  • pdf

基于二维云模型和Apriori算法的围岩稳定性分级研究_薛黎明

针对围岩稳定性分级大多是对未受工程扰动岩体进行分级,以及分级结果难以为支护方式提供决策的现状,建立围岩稳定性的岩体及地质因素和工程因素二维分级指标体系。运用云理论确定岩体及地质因素和工程因素的等级期望值、熵和超熵,通过二维云发生器绘出围岩稳定性分级的二维云图,并向二维体系等级图进行投影,得到围岩稳定性的综合等级。将该模型应用于工程实例,并与一维云模型和实际进行对比,验证了该模型的准确性。该模型得到不同系统耦合作用下的围岩稳定性等级,实现了等级的可视化。通过Apriori算法进行关联挖掘得到围岩稳定性的综合等级决策表,可以快速确定工程的综合稳定性等级,并根据已知综合等级和岩体及地质因素等级确定工程因素的等级。

  • 2021-04-27
  • 阅读406
  • 下载0
  • 8页
  • pdf

EM算法在神经机器翻译模型中的应用研究_杨云

传统的机器翻译模型的性能受限于双语平行语料库的规模,仅使用单语数据的无监督机器翻译方法难以有效保证模型性能的稳定。针对该问题,提出一种联合EM算法的自动语料扩充方法。利用生成的单语料结合原数据集构建平行语料,进行模型的迭代训练。根据部分双语语料初始化预训练两个单向Transformer模型；通过联合EM算法进行模型优化；通过逐渐减少训练数据的翻译损失来迭代更新两个相对翻译任务上机器翻译模型。实验结果表明,基于单双语料混合的EM迭代训练方法相比使用全双语数据的监督机器翻译方法和仅使用单语数据的无监督机器翻译方法,在中英机器翻译任务上具有更好的表现。

  • 2021-04-25
  • 阅读406
  • 下载0
  • 6页
  • pdf