摘要：针对换衣行人重识别模型存在局部特征提取能力有限、样本关系优化不足的问题,提出一种融合样本关系优化和重排序的换衣行人重识别模型。首先,设计具有短路连接结构的Transformer模型,将网络的初始特征与深层特征进行融合,来优化每一个样本的特征表示;其次,引入圆损失对优化难度不同的样本赋予不同的权重,更好地优化不同样本之间的关系;最后,设计k′-互近邻重排序策略,对样本间相似性排名进行重新排序,来进一步提高重识别的准确率。在公开的换衣数据集上进行对比实验,结果表明本文提出的模型相比其他先进模型取得了更好的重识别效果。

摘要：为了高效地求解船舶水动力性能优化问题,将基于分解技术的多目标进化算法应用到船舶设计领域,提出基于MOEA/D的船舶水动力性能多目标优化算法。建立了以快速性、耐波性和操纵性为3目标的优化模型;通过在MOEA/D算法中引入自适应约束处理技术和目标值归一化机制,获得SHPO问题在可行域内的Pareto最优解集;利用模糊集理论为决策者提供最优折中解。采用本文算法对DTMB5415船型参数进行优化设计,并将其与另外两种基于多目标优化算法的设计方案进行对比。结果表明,该算法具有更好的收敛速度和求解精度。

摘要：现有珊瑚礁底栖生物识别方法存在提取特征困难、实时性较差等问题,导致珊瑚礁底栖生物的识别精度不高。本文引入YOLOv5算法,通过设计跳转连接操作向深层网络传递清晰目标特征,解决了由真实近海图像的退化特性带来的底栖生物特征模糊的问题。同时,引入卷积注意力机制模块,解决了无效特征影响识别精度的问题。实验结果表明:本文提出的改进算法无论是识别精度还是识别速度均优于基准算法和目前较先进的单激发多框探测器等算法,从而证明了本文算法的有效性和先进性。

摘要：针对现有可视化技术不能有效显示高维多目标优化问题的难题,提出了一种基于决策偏好信息的n维图表可视化技术。首先,针对两种不同的决策情况分别提出对应的目标信息共享机制;然后,根据目标共享信息将分层后的Pareto前沿,通过子图表进行绘制,有效显示了各维目标数据信息、性能优劣变化趋势和决策者的偏好信息。基于此思想设计了可视化模型并通过实验加以分析,达到了方便决策者对Pareto最优解集进行分析和决策的目的。

摘要：提出一种基于视角信息嵌入的行人重识别模型。结合行人图像视角朝向特点,对PSE (pose-sensitive embedding)网络结构进行了优化。首先将PSE特征向量融合部分由特征的融合改成更符合不同视角特征空间性质的三个视角单元特征向量的拼接;其次视角单元从骨架网络更浅层的blocks-3进行分离,增加三个视角单元特征空间的差异性;最后利用改进的深度可分离卷积,设计了一个深度可分离模块,对视角单元进一步进行提取特征,防止模型参数过大的同时提高网络非线性能力,从而提高网络的泛化能力。利用Market1501、Duke-MTMC-reID和MARS数据集对所提的算法进行有效性验证实验,结果表明所提的改进方法取得了更好的识别效果。

摘要：异构无线网络接入控制问题包含多个优化目标,现有算法考虑不全面且多是将其转换为单目标求解,限制了各目标的相对关系,无法适应不同的实际需求。该文提出一种直接采用多目标进化算法的接入控制算法。首先将优化目标扩展为3个,分别是最小化阻塞率、最小化占用总资源和负载均衡;其次引入基于分解的多目标进化算法(MOEA/D)并设计进化策略,进行初步寻优;最后通过非支配排序得到Pareto最优解集,即最佳接入方案。仿真结果表明,所提算法可以提高各优化目标的求解精度,从而提高业务接入成功率和网络资源利用率,并且为决策者提供多种接入方案,可根据实际需求进行最优选择。

摘要：针对带约束的高维多目标优化问题,设计一种基于参考点的约束支配关系(RPCDP),将可行解与不可行解作为一个整体看待,进而综合考虑它们的收敛性、多样性和可行性,并基于此提出用于解决约束高维多目标优化问题的NSGA-Ⅲ算法.将所提出算法与著名的3种约束高维多目标进化算法进行对比,实验结果表明在标准测试函数集CDTLZ上,相对于其他算法,所提出算法的解集具有更好的收敛性和分布性.

摘要：为了使多目标进化算法在收敛性和分布性之间保持平衡,该文提出一种基于角度惩罚距离的高维多目标进化算法(Many-Objective Evolutionary Algorithm based on Angle Penalized Distance,Ma OEA-APD)。首先,综合考虑收敛性和分布性在进化不同阶段的重要性,构造一种角度惩罚距离,使两者随进化进程动态平衡;其次,开发基于删除劣质个体的环境选择策略,在提高种群分布性的同时提高收敛性;最后,根据环境选择的原理,设计与之相协调且互补的匹配选择过程,提高算法的整体进化效率。将所提算法与目前国内外性能优异的3种高维多目标进化算法进行对比,实验结果表明在WFG标准测试函数集上,该文算法相对于其他算法,综合性能有了较大的提升。

摘要：为了解决视觉转换器模型缺乏多尺度与局部特征捕获能力,难以适应合成孔径雷达图像船舶分类任务的问题,本文提出一种混合网络模型用于合成孔径雷达图像船舶分类。利用分阶段下采样网络结构,解决了ViT无法捕获多尺度特征的问题。通过在ViT模型的3个核心模块中融入卷积结构,设计了卷积标记嵌入、卷积参数共享注意力和局部前馈网络3个模块,使得网络能够同时捕获船舶图像的全局和局部特征,进一步增强了网络归纳偏置和特征提取能力。研究表明:本文所提模型在OpenSARShip和FUSAR-Ship2个通用合成孔径雷达船舶图像数据集上,分类准确率较最优方法分别提高了2.96%和4.18%,有效地提升了合成孔径雷达图像船舶分类性能。

摘要：针对水路两栖模块化可变形机器人工作环境的复杂性和任务多变性,根据其结构和运动特性,提出一种基于高维多目标定向混合进化算法的机器人结构参数优化设计方法,使该型机器人的变形能力和两栖多种运动步态性能达到最优。通过一组方向矢量将搜索空间分解成多个固定寻优方向,并将机器人参数设计的该高维多目标优化问题转化成固定方向上的单目标优化问题;构建混合进化机制加强各方向上最优参数设计方案的搜索能力;以改进的交互式模糊支配和密度估计因子构造精英保留策略,提高设计方案集合的先进性和分布性。试验结果表明,高维多目标定向混合进化算法能够迅速、客观地选择合理的机器人结构参数,可以给设计人员提供更多的选择,为水路两栖可变形机器人的设计提供了一种简单、高效的新方法。