期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到853篇文章
< 1 2 … 43 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Texture branch network for chronic kidney disease screening based on ultrasound images 认领 引用 被引量：2
1
作者 Peng-yi HAO Zhen-yu XU +4 位作者 Shu-yuan TIAN Fu-li WU Wei CHEN Jian WU Xiao-nan LUO 《Frontiers of Information Technology & Electronic Engineering》 SCIE EI CSCD 2020年第8期1161-1170,共10页
Chronic kidney disease(CKD) is a widespread renal disease throughout the world. Once it develops to the advanced stage, serious complications and high risk of death will follow. Hence, early screening is crucial for t... Chronic kidney disease(CKD) is a widespread renal disease throughout the world. Once it develops to the advanced stage, serious complications and high risk of death will follow. Hence, early screening is crucial for the treatment of CKD. Since ultrasonography has no side effects and enables radiologists to dynamically observe the morphology and pathological features of the kidney, it is commonly used for kidney examination. In this study,we propose a novel convolutional neural network(CNN) framework named the texture branch network to screen CKD based on ultrasound images. This introduces a texture branch into a typical CNN to extract and optimize texture features. The model can automatically generate texture features and deep features from input images, and use the fused information as the basis of classification. Furthermore, we train the base part of the network by means of transfer learning, and conduct experiments on a dataset with 226 ultrasound images. Experimental results demonstrate the effectiveness of the proposed approach, achieving an accuracy of 96.01% and a sensitivity of 99.44%. 展开更多
关键词 Chronic kidney disease Ultrasound Texture branch network Transfer learning
暂未订购 下载PDF
Face Forgery Detection via Multi-Scale Dual-Modality Mutual Enhancement Network 认领 引用
2
作者 Yuanqing Ding Hanming Zhai +3 位作者 Qiming Ma Liang Zhang Lei Shao Fanliang Bu 《Computers, Materials & Continua》 SCIE EI 2025年第10期905-923,共19页
As the use of deepfake facial videos proliferate,the associated threats to social security and integrity cannot be overstated.Effective methods for detecting forged facial videos are thus urgently needed.While many de... As the use of deepfake facial videos proliferate,the associated threats to social security and integrity cannot be overstated.Effective methods for detecting forged facial videos are thus urgently needed.While many deep learning-based facial forgery detection approaches show promise,they often fail to delve deeply into the complex relationships between image features and forgery indicators,limiting their effectiveness to specific forgery techniques.To address this challenge,we propose a dual-branch collaborative deepfake detection network.The network processes video frame images as input,where a specialized noise extraction module initially extracts the noise feature maps.Subsequently,the original facial images and corresponding noise maps are directed into two parallel feature extraction branches to concurrently learn texture and noise forgery clues.An attention mechanism is employed between the two branches to facilitate mutual guidance and enhancement of texture and noise features across four different scales.This dual-modal feature integration enhances sensitivity to forgery artifacts and boosts generalization ability across various forgery techniques.Features from both branches are then effectively combined and processed through a multi-layer perception layer to distinguish between real and forged video.Experimental results on benchmark deepfake detection datasets demonstrate that our approach outperforms existing state-of-the-art methods in terms of detection performance,accuracy,and generalization ability. 展开更多
关键词 Face forgery detection dual branch network noise features attention mechanism multiple scale
暂未订购 下载PDF
Analysis of thermal conductivity in tree-like branched networks 认领 引用
3
作者 寇建龙 陆杭军 +1 位作者 吴锋民 许友生 《Chinese Physics B》 SCIE EI CAS 2009年第4期1553-1559,共7页
Asymmetric tree-like branched networks are explored by geometric algorithms. Based on the network, an analysis of the thermal conductivity is presented. The relationship between effective thermal conductivity and geom... Asymmetric tree-like branched networks are explored by geometric algorithms. Based on the network, an analysis of the thermal conductivity is presented. The relationship between effective thermal conductivity and geometric structures is obtained by using the thermal-electrical analogy technique. In all studied cases, a clear behaviour is observed, where angle （δ,θ） among parent branching extended lines, branches and parameter of the geometric structures have stronger effects on the effective thermal conductivity. When the angle δ is fixed, the optical diameter ratio β＋ is dependent on angle θ. Moreover, γand m are not related to β＊. The longer the branch is, the smaller the effective thermal conductivity will be. It is also found that when the angle θ〈δ2, the higher the iteration m is, the lower the thermal conductivity will be and it tends to zero, otherwise, it is bigger than zero. When the diameter ratio β1 〈 0.707 and angle δ is bigger, the optimal k of the perfect ratio increases with the increase of the angle δ; when β1 〉 0.707, the optimal k decreases. In addition, the effective thermal conductivity is always less than that of single channel material. The present results also show that the effective thermal conductivity of the asymmetric tree-like branched networks does not obey Murray＇s law. 展开更多
关键词 effective thermal conductivity asymmetric tree-like branched networks geometric parameters
暂未订购 下载PDF
THE ANALYSIS METHOD OF THE SETS OF BRANCHES BASED ON INDEPENDENT LOOPS IN THE ELECTRIC NETWORK 认领 引用
4
作者 温书田 罗涛 《Journal of Electronics(China)》 1989年第3期193-202,共10页
The matrix D describing relations of the loops to the nodes in the graph and also the setsof branches based on the independent loops and their matrix Q are defined.The theorem in whichthe product of the loop-node matr... The matrix D describing relations of the loops to the nodes in the graph and also the setsof branches based on the independent loops and their matrix Q are defined.The theorem in whichthe product of the loop-node matrix D multiplied by the incidence matrix Aa is equal to matrix Qis put forward and proved.The admittance matrix Ylc of the sets of the branches is defined and it isassumed that the vector Vlc of voltage of the sets of branches to be a calculative quantity.The equa-tion of the sets of branches is derived and the analysis method of the sets of branches based on theindependent loops in the electric network is presented. 展开更多
关键词 Electric network Matrix Loop branch-set Loop-node matrix
暂未订购 下载PDF
Branch-Activated Multi-Domain Convolutional Neural Network for Visual Tracking 认领 引用 被引量：2
5
作者 CHEN Yimin LU Rongron +1 位作者 ZOU Yibo ZHANG Yanhui 《Journal of Shanghai Jiaotong university(Science)》 EI 2018年第3期360-367,共8页
Convolutional neural networks （CNNs） have been applied in state-of-the-art visual tracking tasks to represent the target. However, most existing algorithms treat visual tracking as an object-specific task. Therefore... Convolutional neural networks （CNNs） have been applied in state-of-the-art visual tracking tasks to represent the target. However, most existing algorithms treat visual tracking as an object-specific task. Therefore, the model needs to be retrained for different test video sequences. We propose a branch-activated multi-domain convolutional neural network （BAMDCNN）. In contrast to most existing trackers based on CNNs which require frequent online training, BAMDCNN only needs offine training and online fine-tuning. Specifically, BAMDCNN exploits category-specific features that are more robust against variations. To allow for learning category-specific information, we introduce a group algorithm and a branch activation method. Experimental results on challenging benchmark show that the proposed algorithm outperforms other state-of-the-art methods. What＇s more, compared with CNN based trackers, BAMDCNN increases tracking speed. 展开更多
关键词 convolutional neural network(CNN) category-specific feature group algorithm branch activation method
暂未订购 下载PDF
基于多维故障特征提取的CNN-BiGRU-ATT多分支配电网故障定位 认领 引用 被引量：1
6
作者 张玉敏 王德龙 +4 位作者 张晓 吉兴全 张祥星 黄心月 王学林 《中国电力》 CSCD 北大核心 2026年第1期163-174,共12页
针对多分支配电网故障定位在微弱故障条件下故障特征提取困难的问题,提出了基于多维故障特征提取的卷积神经网络(convolution neural network,CNN)-双向门控循环单元(bidirectional gated recurrent unit,BiGRU)-注意力机制(attention m... 针对多分支配电网故障定位在微弱故障条件下故障特征提取困难的问题,提出了基于多维故障特征提取的卷积神经网络(convolution neural network,CNN)-双向门控循环单元(bidirectional gated recurrent unit,BiGRU)-注意力机制(attention mechanism,ATT)多分支配电网故障定位方法。首先,分析不同故障位置和故障分支的行波特性,采用基于直线检测(line segment detector,LSD)的波头标定方法提取故障波头的坐标、幅值和斜率等信息,利用主成分分析法(principal component analysis,PCA)构造与故障位置成映射关系的多维故障特征空间;其次,构建CNN-BiGRU-ATT故障定位模型,深入挖掘时序特征和幅值特征与故障位置之间的关联;最后,结合分类与回归任务,分别实现故障区段定位与精准定位。在有限样本的情况下,区段定位准确率达99.6429%,精准定位误差55.77 m,跨工况误差最低2.95 m。结果表明,该模型能有效关联多维故障特征与故障信息,较对比模型具有更优的故障定位精度稳定性与场景泛化能力。 展开更多
关键词 故障定位 多分支配电网 LSD 多维故障特征 CNN-BiGRU-ATT
暂未订购 下载PDF
基于多尺度融合网络的夜间图像增强方法 认领 引用
7
作者 王满利 陈晨 +2 位作者 贾运红 史艳楠 乔应旭 《光子学报》 EI CAS CSCD 北大核心 2026年第1期174-187,共14页
夜间图像增强是指对光照条件不足的图像提升亮度、增强对比度并恢复细节。针对现有夜间图像增强方法增强后纹理细节丢失、噪声放大问题,提出一种基于多尺度融合网络的夜间图像增强方法。首先,在主干网络前端引入暗区特征提取模块,通过... 夜间图像增强是指对光照条件不足的图像提升亮度、增强对比度并恢复细节。针对现有夜间图像增强方法增强后纹理细节丢失、噪声放大问题,提出一种基于多尺度融合网络的夜间图像增强方法。首先,在主干网络前端引入暗区特征提取模块,通过卷积提取图像特征并生成通道注意力权重,增强与细节信息相关的通道特征,从而有效提取暗区纹理细节。其次,设计多分支网络模块,通过三个子网络并行提取不同尺度下的图像特征,实现夜间图像全局结构和局部细节的恢复。最后,提出动态权重分配机制,自适应融合各子网络的多尺度特征,强化特征表达能力,进一步提升图像增强效果。实验结果表明,本文方法在LOLv1数据集上对比Retinexformer方法PSNR和SSIM值分别提高5.4%和1.4%;在LOLv2、LIME、NPE、MEF多个基准数据集上,增强后的图像获得了更好的主观视觉效果。此外,在公开夜间人脸检测数据集DARKFACE上,经过增强后的图像人脸检测精度更高,展现了该方法在下游任务上的有效性。 展开更多
关键词 夜间图像增强 暗区特征提取 多分支网络 动态权重分配 人脸检测
暂未订购 下载PDF
基于半监督学习的双分支网络采煤工作面尘雾图像去雾算法 认领 引用
8
作者 赵猛 李泽枫 +3 位作者 魏玉忠 戴秀杰 李正 张俊明 《煤炭科学技术》 EI CAS CSCD 北大核心 2026年第4期363-373,共11页
煤矿井下采煤工作面作业时产生煤尘、水雾等非均匀悬浮颗粒,视频图像出现模糊、细节丢失等降质现象。现有井下图像清晰化算法效果不佳,存在图像易失真、算法泛化性差等问题,提出了一种基于半监督学习的双分支网络去雾算法。该算法采用... 煤矿井下采煤工作面作业时产生煤尘、水雾等非均匀悬浮颗粒,视频图像出现模糊、细节丢失等降质现象。现有井下图像清晰化算法效果不佳,存在图像易失真、算法泛化性差等问题,提出了一种基于半监督学习的双分支网络去雾算法。该算法采用端到端的深度学习网络,将降质图像映射为清晰图像,并通过半监督学习方式进行训练。算法网络由去雾分支和细节修补分支构成:去雾分支为编码器解码器结构,编码器采用了中心差分卷积作为特征提取器,增强了高频信息的学习表征能力,解码器引入去噪模块,增强了网络去雾能力;细节修补分支由DCResBlock模块构成,利用扩张卷积增大感受野,引入少量参数解决去雾过程中的细节丢失问题。由于采煤工作面配对数据集难以收集,针对煤矿环境特点,改进了现有数据合成方法,将清晰图像合成为非均匀尘雾图像,并与真实尘雾图像一同作为训练样本对网络进行半监督训练。针对算法泛化性差的问题,引入了对比学习损失作为无监督损失,引导模型优化方向,提升对真实尘雾图像的去雾效果。为验证算法有效性,选取基于大气散射模型、YOLY、AECR-Net、CasDyF-Net、SSID 5种去雾算法对采煤工作面尘雾图像数据集进行实验,并采用相关指标与提出算法性能对比。结果表明,提出算法能更有效地降低尘雾密度,恢复细节信息,提高了煤矿井下采煤工作场景图像的视觉效果和图像质量,增强了其在工程应用中的实用性。 展开更多
关键词 采煤工作面尘雾图像 半监督学习 双分支网络 中心差分卷积 细节修补
暂未订购 下载PDF
基于空谱-空间关联双分支的地球化学找矿异常检测模型 认领 引用
9
作者 向中林 王路阔 +2 位作者 郑贺 张博 刘海睿 《地球科学》 EI CAS CSCD 北大核心 2026年第3期1078-1092,共15页
建立能兼顾多元素地球化学空谱特征、有效拟合数据复杂分布的检测模型,是识别异常区域的关键.针对新疆东昆仑高海拔深切割浅覆盖地区地球化学找矿异常提取难题,本研究提出一种空谱特征-空间关联双分支模型(Spatial-Spectral Feature and... 建立能兼顾多元素地球化学空谱特征、有效拟合数据复杂分布的检测模型,是识别异常区域的关键.针对新疆东昆仑高海拔深切割浅覆盖地区地球化学找矿异常提取难题,本研究提出一种空谱特征-空间关联双分支模型(Spatial-Spectral Feature and Global Spatial Correlation Network,SSGSNet),空谱特征分支基于ResNet残差块,融入双重注意力模块提取局部空谱特征;空间关联分支通过patch嵌入和自注意力机制挖掘全局空间关联特征.融入构造数据提高了地球化学综合异常找矿的准度,SHAP值也解释了模型中断裂的关键作用.实验结果表明,SSGSNet模型的AUC值达0.945 3,显著优于ResNet、ViT单模型和普通的空谱双分支模型.野外查证显示,遥西、巴什干克等4处高异常区均发现不同程度金矿化现象,证实该模型可有效解决复杂背景下地球化学异常信息提取难题,为覆盖区矿产勘探提供了可靠的技术支撑与靶区指导. 展开更多
关键词 地球化学异常 双分支网络模型 深度学习 空谱特征-空间关联 东昆仑 大数据
暂未订购 下载PDF
基于多分支变分自编码器的OBN地震数据无监督裂缝预测方法 认领 引用
10
作者 王健伟 盛志超 +3 位作者 严曙梅 王瑞 徐升博 徐天吉 《地球物理学进展》 CSCD 北大核心 2026年第3期1253-1265,共13页
针对传统叠后地震属性方法(如相干性、曲率等)在裂缝预测中存在的单属性利用不足、依赖人工解释、难以有效融合OBN多分量数据等问题,提出了一种基于多分支变分自编码器的OBN地震数据无监督裂缝预测方法.该方法充分利用海底节点(OBN)采集... 针对传统叠后地震属性方法(如相干性、曲率等)在裂缝预测中存在的单属性利用不足、依赖人工解释、难以有效融合OBN多分量数据等问题,提出了一种基于多分支变分自编码器的OBN地震数据无监督裂缝预测方法.该方法充分利用海底节点(OBN)采集的PP波、PS波及其相干性、曲率等多维地震属性,构建了多分支深度学习网络架构进行裂缝系统的智能识别.方法采用变分自编码器框架,设计了四分支编码器分别提取PP波、PS波、相干性和曲率属性的深层特征,并通过多尺度卷积块和CBAM注意力机制增强特征表达能力.针对地震数据的地质连续性特点,设计了地质感知平滑损失函数,结合重构损失和KL散度损失,实现了数据驱动的无监督学习.在变分瓶颈层采用128维潜在空间编码,通过重构误差分析实现异常检测.实验结果表明,该方法能够有效融合多分量地震数据和地震属性信息,在无需人工标注的情况下实现裂缝预测.相比传统单一属性方法,该方法成功消除了曲率属性的圆盘状伪影,有效压制了相干性属性对正常地层边界的过度响应,预测结果具有更好的空间连续性和地质合理性,为复杂地质条件下的裂缝预测提供了新的技术手段. 展开更多
关键词 裂缝预测 OBN地震数据 无监督学习 变分自编码器 多分支网络
暂未订购 下载PDF
DBU-Net:基于改进SAM的双分支U-Net图像隐写方法 认领 引用
11
作者 周倩 朱梦月 王帆 《南京邮电大学学报（自然科学版）》 北大核心 2026年第1期124-134,共11页
基于深度学习的图像隐写术通过引入空间注意力机制使得模型关注图像的重要区域,但主流方法通常依赖固定结构的卷积模块生成单一的注意力权重矩阵,对局部细节特征关注度不足,导致信息隐藏未能与纹理复杂度充分关联。针对上述问题,提出了... 基于深度学习的图像隐写术通过引入空间注意力机制使得模型关注图像的重要区域,但主流方法通常依赖固定结构的卷积模块生成单一的注意力权重矩阵,对局部细节特征关注度不足,导致信息隐藏未能与纹理复杂度充分关联。针对上述问题,提出了一种基于改进空间注意力机制的双分支U-Net图像隐写方法DBU-Net。该方法首先引入改进的空间注意力机制对载体图像进行区域划分。其次采用差异化的信息隐藏,其中,高纹理分支采用更深层次和多尺度的卷积模块进行特征提取,同时在特征融合时被赋予更高权重,低纹理分支则采用浅层和固定卷积进行特征提取,且在特征融合时权重较低。在不同数据集上的大量对照实验结果表明,相较于现有的先进图像隐写方法,所提的DBU-Net在隐写质量、隐写不可见性和安全性方面均取得了显著的性能提升。 展开更多
关键词 图像隐写术 U-Net 分支网络 空间注意力机制
暂未订购 下载PDF
基于双路Transformer多分支网络的稀土萃取流程仿真方法 认领 引用
12
作者 朱建勇 杨飞 +1 位作者 李中美 杨辉 《化工学报》 EI CAS CSCD 北大核心 2026年第4期1988-2004,共17页
稀土萃取过程具有多变量、非线性、强耦合等特点,传统机理分析方法难以准确仿真稀土萃取流程。因此,提出一种双路Transformer多分支网络的稀土萃取流程仿真方法。首先,针对多级萃取槽串接而成的流程特点,选取基础的多分支深层网络,通过... 稀土萃取过程具有多变量、非线性、强耦合等特点,传统机理分析方法难以准确仿真稀土萃取流程。因此,提出一种双路Transformer多分支网络的稀土萃取流程仿真方法。首先,针对多级萃取槽串接而成的流程特点,选取基础的多分支深层网络,通过不同的分支输出每级萃取槽的组分含量;其次,为进一步捕捉稀土萃取流程的复杂特性,在多分支网络的基础上引入多尺度特征提取模块以及双路Transformer模块,特征提取模块通过对输入数据应用不同核大小的一维卷积,提取不同层次的特征,双路Transformer模块通过并行多头注意力和时间卷积网络,同时处理长距离依赖与短期动态变化,之后利用跨分支注意力以及门控融合机制对并行特征进行整合;最后,设计匹配网络深度的差异化分支层结构,采用贝叶斯优化算法自动迭代优化模型超参数,并针对模型结构特点提出一种分阶段动态加权策略,逐步解冻分支训练,后续分支继承前序阶段学习到的网络参数。仿真结果表明了所提方法的有效性。 展开更多
关键词 稀土萃取 多分支网络 双路Transformer 多尺度特征提取 流程仿真
暂未订购 下载PDF
基于双分支循环网络的足迹图像去噪方法 认领 引用
13
作者 鲍文霞 佘成龙 +1 位作者 王年 郭文涛 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第5期1-14,共14页
足迹图像作为刑侦与生物识别中的关键个体特征,在采集过程中易受多种环境因素干扰,常伴随复杂噪声与图像质量下降等问题。针对足迹图像中常见的复合噪声,该文提出一种改进的双分支循环去噪网络,来实现高保真图像的还原与纹理结构的重建... 足迹图像作为刑侦与生物识别中的关键个体特征,在采集过程中易受多种环境因素干扰,常伴随复杂噪声与图像质量下降等问题。针对足迹图像中常见的复合噪声,该文提出一种改进的双分支循环去噪网络,来实现高保真图像的还原与纹理结构的重建。网络整体包含两个生成器与两个判别器,生成器部分由两个协同优化的分支(去噪映射分支与颜色校正分支)组成。去噪映射分支设计了增强型多尺度结构块(EMSB)强化结构建模与纹理恢复能力,并融合多尺度卷积、深度可分离卷积与多注意力机制,有效增强纹理敏感区域的特征表达能力;颜色校正分支构建了自适应颜色一致性模块(CCM),通过多尺度残差卷积提取颜色特征,并在RGB空间中进行通道归一化与残差融合,抑制生成图像中的色偏问题。此外,设计了多层级结构感知损失函数,联合像素精度与结构相似性引导网络在恢复细节的同时提升整体感知质量,并在自建足迹数据集FSD-Real上开展了实验评估。结果表明,所提方法在峰值信噪比与结构相似性指标上分别达到30.3 dB和0.926,显著优于现有主流方法;同时,在主观视觉效果上亦展现出更强的去噪能力与细节保留能力,验证了其在实际足迹图像处理任务中的应用潜力。 展开更多
关键词 图像去噪 足迹图像 生成对抗网络 双分支循环网络
暂未订购 下载PDF
基于遗传算法的枝状热网局部成环设计优化 认领 引用
14
作者 李祥立 黄冬 +3 位作者 刘洋 杨春华 端木琳 李影 《煤气与热力》 2026年第4期23-27,共5页
以管网投资最小为目标,基于遗传算法建立枝状热网优化数学模型。结合算例,对枝状热网局部成环的热网进行优化计算。采用遗传算法对枝状热网优化数学模型进行优化计算,在最不利事故工况下对局部成环的热网进行管径优化。对其他事故工况... 以管网投资最小为目标,基于遗传算法建立枝状热网优化数学模型。结合算例,对枝状热网局部成环的热网进行优化计算。采用遗传算法对枝状热网优化数学模型进行优化计算,在最不利事故工况下对局部成环的热网进行管径优化。对其他事故工况进行校核计算,优化后的热网能满足事故工况限额供热要求。 展开更多
关键词 枝状管网 局部成环 遗传算法 限额供热
暂未订购 下载PDF
基于三分支特征提取的人脸伪造检测方法 认领 引用
15
作者 许盛伟 王健波 +1 位作者 韩季杰 白怡婕 《计算机应用》 CSCD 北大核心 2026年第4期1292-1299,共8页
针对现有检测方法在应对多样化伪造方式和低质量图像时存在的特征表达不足、鲁棒性差和跨域泛化能力弱等问题,提出一种基于三分支特征提取的人脸伪造检测方法Tri-BranchNet(Tri-Branch feature extraction Network),以实现多类型特征的... 针对现有检测方法在应对多样化伪造方式和低质量图像时存在的特征表达不足、鲁棒性差和跨域泛化能力弱等问题,提出一种基于三分支特征提取的人脸伪造检测方法Tri-BranchNet(Tri-Branch feature extraction Network),以实现多类型特征的互补与融合,并提升伪造痕迹的表征能力和模型的检测性能。具体架构为:1)利用ViT(Vision Transformer)捕获全局语义表征;2)引入可逆神经网络(INN)增强局部纹理特征的建模能力;3)设计边缘特征提取分支解决传统模型对边界伪造区域特征提取不足的问题。在多个公开数据集上的实验结果表明,所提方法在FaceForensics++(C23)数据集上的准确率达98.75%,相较于F3-Net(Frequency in Face Forgery Network)和CORE(COnsistent REpresentation learning)分别提升了1.26%和1.17%;在跨压缩率与跨数据集测试中,所提方法的曲线下面积(AUC)值分别达到85.26%(C40)和81.09%(Celeb-DF),显示出良好的鲁棒性与泛化性能。可见,所提三分支融合机制在复杂伪造场景下能显著提升检测准确率,为伪造图像的多维度特征建模提供了一种新思路。 展开更多
关键词 人脸伪造检测 多分支网络 Vision Transformer 可逆神经网络 边缘特征
暂未订购 下载PDF
面向高带速煤矸分拣工况的欠曝图像增强方法 认领 引用
16
作者 曹现刚 李嘉豪 +2 位作者 刘家辉 吴旭东 高瑞 《工矿自动化》 CSCD 北大核心 2026年第6期38-48,172,共11页
针对高带速煤矸分拣工况下因曝光时间受限引发的图像欠曝问题,提出一种基于HVI颜色空间的欠曝图像增强网络HVI−MTDB−Net。将欠曝煤矸图像由RGB颜色空间映射至HVI颜色空间,实现光照与色彩的有效解耦;构建多任务双分支网络,通过共享编码... 针对高带速煤矸分拣工况下因曝光时间受限引发的图像欠曝问题,提出一种基于HVI颜色空间的欠曝图像增强网络HVI−MTDB−Net。将欠曝煤矸图像由RGB颜色空间映射至HVI颜色空间,实现光照与色彩的有效解耦;构建多任务双分支网络,通过共享编码器提取多尺度特征,并在编码阶段设计递归上下文聚合器(RCA)以提升特征提取能力;解码阶段设计光照增强分支I−Net和色彩恢复分支HV−Net,分别完成光照增强与色彩恢复。基于高带速成像曝光时间约束及图像特征分析,确定不同带速下差异化曝光策略,并据此构建200组静态配对数据集与2400张实时高带速欠曝数据集,分别用于网络训练与泛化能力测试。试验结果表明:HVI颜色空间对高带速工况下煤矸图像的欠曝退化特征具有较好的适配能力,客观评价指标均优于基于YUV,Lab和HSV颜色空间的结果;HVI−MTDB−Net在测试集上的PSNR,SSIM,EN和GM分别达到21.875,0.842,7.931和4.786;以HVI−MTDB−Net增强后的图像作为YOLOv11s输入时,mAP@0.5:0.95由原始欠曝条件下的0.061提升至0.551,相对次优对比方法提高6.6%,网络推理帧率达到156帧/s,满足高带速工况下的检测精度和实时性需求。 展开更多
关键词 煤矸检测 煤矸分拣 高带速图像采集 欠曝图像增强 HVI颜色空间 多任务双分支网络 YOLOv11s
暂未订购 下载PDF
下肢负载运动模式肌群差异化特征融合识别方法 认领 引用
17
作者 石欣 陈宇杰 +2 位作者 范智瑞 秦鹏杰 卢灏 《仪器仪表学报》 EI CAS CSCD 北大核心 2026年第5期139-151,共13页
针对下肢外骨骼在实际应用中因负载变化导致表面肌电信号(sEMG)产生规律性生理特征偏移,进而引起运动意图识别精度大幅下降的问题,提出一种基于生理肌群特性与双分支融合网络(BCM-ResNet)的下肢运动模式识别方法。首先,通过时频域分析... 针对下肢外骨骼在实际应用中因负载变化导致表面肌电信号(sEMG)产生规律性生理特征偏移,进而引起运动意图识别精度大幅下降的问题,提出一种基于生理肌群特性与双分支融合网络(BCM-ResNet)的下肢运动模式识别方法。首先,通过时频域分析定量揭示了负载诱导下的生理重构规律。利用凝聚型层次聚类算法证实了在0~14 kg范围,sEMG特征空间呈现出边界清晰的“低、中、高”三簇分布特性,证明负载是驱动特征空间产生规律性位移的关键变量而非随机扰动。其次,针对大小腿肌群生理功能异质性,提出差异化特征提取策略:采用双向长短期记忆网络(BiLSTM)捕捉大腿主发力肌群的强时序动态演化特征,利用多尺度卷积神经网络(Multi-scale CNN)提取小腿调节肌群的局部精细特征。构建双分支融合架构并引入多头注意力机制(MHA),实现运动意图与负载工况特征的动态解耦与加权融合,并利用残差网络(ResNet)提升深层特征的抽象能力。此外,本文对传感器配置进行了帕累托最优分析,确定了右腿单侧12通道的最优布局。实验表明,该方法在自建数据集上的平均识别准确率达94.78%;同时,在包含22名受试者的国际公开数据集上验证了模型的泛化性能,准确率达92.85%。最后,通过在边缘计算终端上的迁移性测试,验证了算法在亚毫秒级推理下的执行稳定性。该研究为外骨骼机器人在复杂负载环境下的精准意图识别提供了可靠的算法支撑。 展开更多
关键词 表面肌电信号 下肢运动识别 负载特征偏移 双分支融合网络 多头注意力机制
暂未订购 下载PDF
基于双分支融合网络的空气制动系统列车管压力预测 认领 引用
18
作者 伍珣 付逸鹏 +2 位作者 李威鋮 于天剑 周昕怡 《中南大学学报（自然科学版）》 EI CSCD 北大核心 2026年第6期2531-2542,共12页
针对重载列车空气制动系统列车管压力预测问题,提出一种双分支融合神经网络模型。基于列车空气制动试验数据,构建由多尺度卷积分支与长短期记忆网络分支组成的预测框架,分别用于提取压力信号中的局部突变特征与长时依赖关系。同时,引入... 针对重载列车空气制动系统列车管压力预测问题,提出一种双分支融合神经网络模型。基于列车空气制动试验数据,构建由多尺度卷积分支与长短期记忆网络分支组成的预测框架,分别用于提取压力信号中的局部突变特征与长时依赖关系。同时,引入动态α融合机制实现不同特征的自适应加权,并结合门控注意力机制增强关键时间步信息表达能力。在减压量分别为150、100和50 kPa的工况下进行实验验证,并与ARIMA、SVR、LSTM及Transformer等模型进行对比分析。研究结果表明:本文所提模型在3种工况下均具有较高预测精度,决定系数R2均达到0.99以上,能够较好地刻画列车管压力变化过程中的多阶段动态特性。本文建立的双分支融合网络列车管压力预测模型有效。 展开更多
关键词 列车空气制动系统 列车管压力预测 双分支融合网络 动态特征融合 门控注意力机制
暂未订购 下载PDF
基于CEEMDAN-混合算法-LSTM的区域地下水埋深预测模型 认领 引用 被引量：1
19
作者 刘东 覃胡涛 +2 位作者 张祥敏 张亮亮 齐晓晨 《农业机械学报》 EI CAS CSCD 北大核心 2026年第6期320-328,共9页
为提高区域地下水埋深预测精度,提出一种CEEMDAN-混合算法-LSTM预测模型。基于完全自适应噪声集成经验模态分解法(CEEMDAN),将建三江分公司下辖15个农场的地下水埋深数据分解为5个模态分量,从而有效降低输入数据的复杂性。同时,将红狐... 为提高区域地下水埋深预测精度,提出一种CEEMDAN-混合算法-LSTM预测模型。基于完全自适应噪声集成经验模态分解法(CEEMDAN),将建三江分公司下辖15个农场的地下水埋深数据分解为5个模态分量,从而有效降低输入数据的复杂性。同时,将红狐优化算法(RFO)和鲸鱼优化算法(WOA)结合的混合算法,用于优化长短记忆神经网络(LSTM)模型关键参数,包括时间步长、隐藏单元数、批量大小和学习率,以进一步提高模型预测精度。将月降水量和水田井灌水量作为LSTM模型输入因子,分别对5个模态分量进行预测,最终通过累加各分量预测值得到地下水埋深预测值。结果表明:与反向传播神经网络(BP)模型和循环神经网络(RNN)模型相比,CEEMDAN-混合算法-LSTM模型均方根误差(RMSE)降低43%以上,决定系数R2和纳什效率系数(NSE)均提升超18%;预测结果表明,2023—2027年建三江分公司整体地下水埋深变化幅度达6.22%,其中南部农场地下水埋深普遍大于北部农场。 展开更多
关键词 地下水埋深 CEEMDAN 混合算法 LSTM 建三江分公司
暂未订购 下载PDF
现代化铁路安全治理模型构建及治理能力提升策略研究 认领 引用
20
作者 李晓宇 齐彦昆 +2 位作者 蔡大耿 郭全胜 焦志恒 《铁道运输与经济》 北大核心 2026年第1期203-211,共9页
为积极响应国家推进中国式现代化的要求,提升现代化铁路安全治理能力,研究提出了现代化铁路安全治理内涵,依据职责任务将治理主体划分为政府监管、企业主体和社会协同,进一步融合三角理论、安全系统等理论特点,构建了符合我国铁路行业... 为积极响应国家推进中国式现代化的要求,提升现代化铁路安全治理能力,研究提出了现代化铁路安全治理内涵,依据职责任务将治理主体划分为政府监管、企业主体和社会协同,进一步融合三角理论、安全系统等理论特点,构建了符合我国铁路行业现状的现代化铁路安全治理模型。基于复杂网络理论,分析了模型的度、网络直径、聚集系数等关键指标,提出了铁路安全治理能力提升策略。研究表明:现代化铁路安全治理模型是对国铁企业安全治理体系的完善与补充;治理关系网络的平均路径长度为2.03,凸显了各主体分支关联紧密,有利于实现“多元共治”格局;应着重从入度值、出度值较高的国家铁路局、铁路运输企业、地方政府等发挥治理效力。 展开更多
关键词 现代化 铁路安全 安全治理 复杂网络 主体分支 关系链
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 43 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈