摘要：因严重遮挡和剧烈形变等挑战长期共存,精准鲁棒的视频分割已成为计算机视觉的热点之一.构建联合吸收马尔可夫链和骨架映射的视频分割方法,经由“预分割—后优化—再提升”逐步递进地生成精准目标轮廓.在预分割阶段,基于孪生网络和区域生成网络获取目标感兴趣区域,建立这些区域内超像素的吸收马尔可夫链,计算出超像素的前景/背景标签.吸收马尔可夫链可灵活有效地感知和传播目标特征,能从复杂场景初步预分割出目标物体.后优化阶段,设计短期时空线索模型和长期时空线索模型,以获取目标的短期变化规律和长期稳定特征,进而优化超像素标签,降低相似物体和噪声带来的误差.在再提升阶段,为减少优化结果的边缘毛刺和不连贯,基于超像素标签和位置,提出前景骨架和背景骨架的自动生成算法,并构建基于编解码的骨架映射网络,以学习出像素级目标轮廓,最终得到精准视频分割结果.标准数据集的大量实验表明:所提方法优于现有主流视频分割方法,能够产生具有更高区域相似度和轮廓精准度的分割结果.

摘要：为在候选模型集中高效地选择时间序列组合预测的最优子集,提出一种CSPSO-NMI-MRMR最优子集选择算法。利用邻域互信息(neighborhood mutual information, NMI)度量相关性和冗余度,避免数值型数据的离散化,按最大相关最小冗余原则(minimal redundancy and maximal relevance, MRMR)筛选最优子集;邻域互信息中的邻域参数与子集选择效果密切相关,采用CSPSO算法寻找最优邻域参数,充分利用布谷鸟算法(cuckoo search, CS)和粒子群优化算法(particle swarm optimization, PSO)的优势,兼顾搜索效率和全局搜索能力;在寻参过程中设计一种淘汰策略,优化邻域参数的寻优区间并淘汰部分单模型,减少计算量。仿真结果表明,所提方法在预测精度、运行时间和稳健性上效果更优。

摘要：[目的/意义]为了提高体尺关键点定位准确率,猪三维点云体尺自动测量方法会采用点云分割,在各个分割后局部点云定位测量关键点,以减少点云之间相互干扰。然而点云分割网络通常需要消耗较大计算资源,且现有测量点定位效果仍有待提升空间。本研究旨在通过设计关键点生成网络从猪体点云中提取出各体尺测量所需关键点。在降低显存资源需求的同时提高测量关键点定位效果,提高体尺测量的效率和精度。[方法]针对猪三维表面点云进行体尺测量,提出了一种定位猪体尺关键点的模型Pig Back Transformer。模型分为两个模块,分别设计了两种改进的Transformer自注意力编码器,第一模块为全局关键点模块,首先设计了一种猪背部边缘点提取算法用于获取边缘点,再使用edge encoder编码器以边缘点集合作为输入,edge encoder的edge attention中加入了边缘点和质点的偏移距离信息;第二模块为关键点生成模块,使用了back attention机制的back encoder,其中加入了与质心和第一模块生成的全局关键点的偏移量,并将偏移量与点云注意力通过按位max pooling操作结合,最后通过生成猪的体尺测量关键点和背脊走向点。最后设计了使用关键点和背脊走向点作为输入的体尺算法。[结果和讨论]对比关键点和背脊走向点生成任务上Pig Back Transformer表现最佳,并对比体尺计算结果与人工测量结果,体长相对误差为0.63%,相对PointNet++、Point Transformer V2、Point Cloud Transforme、OctFormer PointTr等模型有较大提升。[结论] Pig Back Transformer能相对准确地生成猪体尺关键点,提高体尺测量数据准确度,并且通过点云特征定位体尺关键点节省了计算资源,为无接触牲畜体尺测量提供了新思路。

摘要：无人机路径规划常以约束多目标优化问题形式建立数学模型,且这些模型几乎只考虑三维建模空间中两点之间的路径规划;然而缺少无人机从起点出发,经过指定的多个作业区域并到达终点的路径规划问题研究。针对上述问题,基于不可行解引导种群进化提出带有地理信息指导搜索策略的约束多目标进化算法(DW-LS)。首先,根据无人机飞行所受环境约束、性能约束和访问多区域任务建立新的约束多目标优化模型;其次,基于不可行解利用机制,设计地理信息指导搜索策略优化不可行解以进一步协助种群搜索最优进化方向;最后,通过仿真对比了DW-LS与具有代表性的三个约束多目标进化算法,实验结果表明DW-LS所得可行解具有更好的收敛性和多样性。

摘要：【目的】如何基于地形因素对降水数据进行误差订正(简称“地形订正”)是气象大数据研究的一个重要问题。但是,现有的降水数据地形订正方法存在两方面局限性:一是现有方法大多基于数据统计或传统机器学习而设计,未能拓展至特征学习能力更强的深度学习模型;二是现有方法亦未能结合气象数据的时间与空间关联信息以提升订正效果。【方法】提出一种基于深度学习与时空关联建模的降水数据地形订正方法。该方法首先对广东省降水数据和多源地形信息作预处理,结合经纬度进行对齐与编码,以构建相应的数据矩阵。进而结合各个格点的空间和时间邻域下的降水与地形数据进行多源时空信息建模,并结合降采样策略以缓解降水格点与非降水格点的数据不平衡性,最后构建深度神经网络进行回归订正。实验在广东省逾4000个气象观测站点、逾15万气象格点的真实气象数据上进行。【结果】实验结果验证了时空关联建模策略对提升降水订正效果的显著作用以及所提出方法相比于其他对比方法的性能优势。

摘要：微观经济学课程在管理类专业人才培养方案中具有重要地位,然而该课程抽象概念多、数理知识多,在实际的教学过程中存在许多问题,这可能会导致学生对微观经济学失去兴趣和动力,也可能会影响教师的教学热情和授课质量。针对目前微观经济学课程教学存在的教学内容相对较多而授课学时相对较少、微观经济学概念多且容易混淆、教学形式单一、考核方式单一等问题,提出了合理安排课程、在教学中多采用比较分析法、借助“互联网+”技术进行教学、设计灵活多样的考核方式等教学改革思路,旨在为微观经济学课程的教学改革提供有价值的参考。

摘要：针对水稻工厂化育秧播种完成的秧盘人工取盘和层叠堆放劳动强度大、效率低、后续运输不便等问题,该研究设计了一种水稻秧盘自动码垛机,可完成秧盘精确夹取、转移和码垛;阐述了码垛机的基本结构和工作原理,对关键部件进行设计,以可编程逻辑控制器(Programmable Logic Controller,PLC)作为控制核心,搭建了秧盘码垛层检测和码垛控制系统;采用Box-Behnken试验设计方法,对码垛机作业性能的主要影响因素(生产率、码垛层检测机构的检测时间和放盘高度)与码垛性能指标(码垛合格率和种子外露率)的关系进行研究,分析各影响因素及其交互作用对码垛性能指标的影响,并根据育秧播种生产线实际生产需求,设定生产率为400、500和600盘/h,采用多目标优化方法进行参数优化,得出主要影响因素间的最优参数组合为码垛层检测机构检测时间1.15 s和放盘高度1.10 cm,在最优参数组合下,进行秧盘码垛试验,得出码垛合格率分别为99.33%、99.50%和99.20%,种子外露率分别为0.40%、0.53%和0.70%。试验结果满足水稻工厂化育秧秧盘码垛作业要求,对提高水稻工厂化育秧的自动化水平具有实际应用价值。

摘要：为解决传统关联聚类算法挖掘网络异常数据时间复杂度高、精确度不理想等问题,提出Spark-MML聚类算法。为Apriori关联规则算法设计并行化频繁项集挖掘环境,使用兴趣度约束与支持度自适应策略挖掘网络数据特征量强关联规则;利用可变网格的局部离群点检测算法剔除K-means聚类离群点,基于最大最小距离确定聚类中心及数值K,将网络数据分为异常和非异常。测试结果表明,该方法避免聚类中心选取陷入局部最优,降低了异常数据挖掘的时间复杂度,有效节约算法运行空间,是一种可靠的网络异常数据挖掘方法。

摘要：该文设计了非洲猪瘟影响猪肉价格动态的大数据分析综合数学实验项目。首先运用网络爬虫和文本挖掘技术建立了非洲猪瘟舆情语料库,综合运用LDA主题模型、机器学习情感分类算法和TF-IDF权重算法构建了非洲猪瘟舆情指数,建立了猪肉价格与舆情指数的VAR模型,并对其进行了Grange因果关系检验、脉冲响应分析和方差分解分析。结果表明,非洲猪瘟疫情对猪肉价格存在冲击和影响,是猪肉价格波动的Grange原因,且不同时期对猪肉价格的冲击大小存在差异。该实验设计涵盖了文本大数据的挖掘技术、Python编程、VAR模型的构建与解释、动物疫情、生猪养殖和农业经济学等,有益于提高学生在大数据环境下综合运用多种分析工具和统计知识解决实际问题的能力。

摘要：现实中很多场景都需要精确的颜色表示,如纺织、印刷、艺术品扫描存档、在线商品展示等。光谱反射率是决定物体颜色的本质属性,如果知道了光谱反射率,就可以重现物体在任何光照和观测条件下的颜色。采用专业仪器测量光谱反射率有成本高、分辨率低、测量时间慢等问题。随着数码成像设备的普及,基于相机RGB响应值的光谱反射率重建算法具有重要现实意义。光谱反射率重建的目的是建立低维RGB响应值到高维光谱反射率向量的映射关系,回归方法在这一领域已取得广泛应用。由于光谱反射率向量所处的空间是嵌在高维欧氏空间中的一个低维子流形,在训练样本有限的条件下,传统的全局回归方法不能有效地学习该流形结构,往往导致过拟合,使得学习出来的模型泛化能力较差。局部线性回归方法虽然可以改善全局回归过拟合的问题,但是局部学习方法易受例外点的影响,导致拟合不足。针对这一问题,提出一种基于局部加权线性回归的光谱反射率重建方法,这种方法在一个k最近邻范围约束内,给每个局部训练样本赋予不同的权重,从而有所侧重地利用局部训练样本来估计光谱反射率。实验结果表明,基于局部k最近邻加权线性回归的方法能更有效地利用局部信息,缓解过拟合和拟合不足,更准确地重建光谱反射率。