摘 要:针对现有步态分析中步幅长度计算方法的现状,对基于足部惯性传感器的步幅估计方法进行了综述。首先,阐释了步态周期的定义,探讨了基于加速度计、陀螺仪的信号分割方法;其次,重点总结了传统的二重积分、基于经验模型以及人工智能模型的方法。研究结果表明,传统的二重积分方法精度高,适用于临床和运动训练等场景;基于经验模型的方法具备较强的实时处理能力,适用于行人航迹推算等对实时性要求较高的场景;基于人工智能
摘 要:干旱在中国是一种频繁发生的灾情现象。近年的研究发现,相较于传统因子,日光诱导叶绿素荧光(SIF)能够更加快速、准确地反映农业干旱状况。该研究以SIF数据集和实际灾情数据资料为基础,综合运用归一化、随机森林回归预测及优化的随机森林算法等方法,构建干旱预测模型,并对比各模型对干旱事件的预测准确性,同时分析了预测结果与帕默尔干旱指数(PDSI)的相关性。研究结果表明,优化后的随机森林预测模型获得
摘 要:随着情感分析需求的日益增长,面部动作单元(ActionUnit,AU)识别作为情感计算的基础任务备受关注。尽管深度神经网络在AU识别方面取得一定的进展,但是其依赖大规模、精确标注的数据集。然而,数据标注过程耗时、成本高且易出错,限制了AU识别性能。近年来,CLIP模型在下游任务中表现出优异的识别和泛化能力。针对AU识别中标注数据稀缺的难题,提出一种基于CLIP和多模态掩码提示学习的AU识别
摘 要:针对三维无源时差定位(TDOA)非线性方程组求解中的凸优化难题,提出了一种基于混合鲸鱼灰狼优化算法(HWWOA)的解决方案。首先,通过Chan式算法优化种群初始化,增强了种群多样性。其次,改进适应度函数,消除观测站之间的差异,降低定位误差。算法策略中,结合灰狼算法和莱维飞行,提升了全局搜索能力,并通过贪婪选择策略保留最优解。仿真实验结果显示:HWWOA在近场场景下的定位正确率基本保持一致,
摘 要:针对Kubernetes默认水平伸缩策略在高并发场景下因间歇时间而导致集群规模无法及时扩展,进而易引发集群性能下降甚至宕机的问题,提出了一种基于加权变分减法双向长短期记忆网络模型(INFO-VMD-SABOBiLSTM,IVS-BiLSTM)的容器水平伸缩策略。该策略通过将负载预测值输入Pod水平伸缩器(HorizontalPodAutoscaler,HPA)进行主动扩容,提升了集群对负载
摘 要:为解决复杂交通监控场景下车辆检测精度不足的问题,提出基于YOLOv8模型改进的CDS-YOLOv8车辆检测算法。首先,在特征融合部分采用轻量化的CCFM,降低了模型参数和计算量,增强模型对于尺度变化的适应性。其次,采用配备多种注意力机制的DyHead检测头,以增强在复杂背景中识别低分辨率目标的性能。最后,结合SAConv模块提高显著区域的表示能力。实验结果表明,在智能交通数据集上,相较于原
摘 要:针对文献中手写体甲骨文的检测工作数据集空缺、目标占比低等问题,构建了首个文献中手写体甲骨文的检测数据集,并基于YOLOv8提出了一种基于双层路由注意力的检测方法YOLO-SA(YOLOwithStratifiedAttention)。该方法利用滑窗裁剪技术提升目标占比,引入双层路由注意力模块增强模型对甲骨文有效信息的提取,并采用SIoU损失函数替代原损失函数,提升小目标检测的准确度。实验结
摘 要:针对现有的PCB板缺陷检测方法存在参数量大、精确度较低等问题,提出了一种改进的YOLOv8缺陷检测与识别方法。首先,对BiFPN双向特征金字塔网络进行改进,在BiFPN的基础上整合P2特征层强化对小型缺陷目标的检测能力,并优化网络连接结构以适配YOLOv8主干网络;并添加接近无参注意力TA(TokenAttention)提高模型识别准确度。其次,设计全新的CSC(Channel-Spati
摘 要:为了提高马铃薯叶片病害检测效率以及降低模型在资源受限设备上的部署要求,提出一种基于改进YOLOv8n的马铃薯叶片病害检测模型YOLOv8-VSG。具体改进如下:首先,引入轻量级神经网络架构VanillaNet模块替换原模型的骨干特征提取网络,有效缩减了模型体积;其次,在Backbone嵌入轻量化注意力机制SimAM(SimpleAttentionModule),增强模型对不同病害区域的关注
摘 要:医学超声图像常面临高噪声和边缘模糊等特点,传统的图像分割方法因采用固定的跳跃连接方法,导致出现分割图像的分辨率降低和部分细节丢失等问题。针对上述问题,本文提出一种基于双编码器和Hi-Lo注意力机制的Mamba-HL-UNet分割模型。首先,为了更好地提取特征图像的细节以及长距离依赖关系,主干网络部分引入MambaVSS编码器和ResNet50编码器。其次,在跳跃连接中引入Hi-Lo注意力机
摘 要:针对当前电动车头盔佩戴检测在密集场景下误检率高、小目标检测的漏检率高、模型体积大等问题,提出了改进的YOLOv8头盔佩戴检测方法。首先,使用轻量化卷积模块替换主干网络中的常规卷积,降低网络的参数量。其次,增加一个检测层,用来提高网络对小目标的检测能力;在Neck部分,使用基于DCNv3改进的C2f_DCN模块,并融入EMA注意力机制。最后,采用Inner-MPDIoU(InnerMulti
摘 要:分裂算法在图像去模糊领域应用广泛,但现有基于CNN架构的算法,难以处理具有复杂纹理结构的先验。因此,引入了基于通道注意力的Transformer架构作为深度先验降噪器,并将其融入半二次分裂算法(HQS)。具体来说,通过HQS算法,将图像去模糊的最大后验概率估计问题解耦为两个单独的子问题。其中,数据项子问题利用快速傅里叶变换(FFT)求解,先验项子问题通过基于通道注意力的Transforme
摘 要:针对现有图卷积推荐系统在捕捉用户个性化项目特征敏感性方面的不足,提出一种联合多粒度流行度感知的图协同过滤推荐模型。首先,采用多粒度流行度特征建模,有效缓解用户与项目交互矩阵的高稀疏性问题,从而揭示用户偏好在不同流行度特征上的细微差异。其次,引入对比学习辅助任务,通过自监督学习增强节点表达。最后,联合优化有监督推荐任务与自监督学习辅助任务,获得更加准确的推荐。在Gowalla、Yelp201
摘 要:针对电动汽车内部噪声特性变化,构建适用于电动汽车的声品质评价预测模型。对预处理的车内噪声样本进行主客观评价分析,筛选出有效的主观评价结果,并利用随机森林特征分析,提取车内噪声客观评价特征,构建模型样本库。为提高预测精度和泛化能力,提出基于改进哈里斯鹰算法(IHHO)的支持向量机(SVM)模型。对比SVM、HHO-SVM 和IHHO-SVM3个模型匀速和加速工况下的均方误差(MSE)和决定系