摘要：雾天是影响高速公路交通安全的重要因素。研究从监控图像进行高速公路雾天能见度的自动识别方法可以为交通管理部门的智能管理和决策提供技术支持。根据大气散射模型分析出与雾浓度相关的多个物理因素,提出了综合这些物理因素的多通路融合识别网络。该网络使用三个通路联合学习深度视觉特征、传输矩阵特征和场景深度特征,并设计注意力融合模块来自适应地融合这三类特征以进行能见度等级识别。同时构建了一个合成数据集和一个真实的高速公路场景数据集,用于网络参数学习和性能评估。实景数据集中的图像是从中国多条高速公路的监控视频中收集的。在这两个数据集上的实验表明,所提方法可以适应不同的监控拍摄场景,能够比现有方法更准确地识别能见度等级,有效提升了识别精度。

摘要：伪装目标检测是一项在复杂场景中定位和识别伪装目标的任务.目前基于深度神经网络的方法已初步运用,但在复杂场景下遇到干扰时,许多方法无法充分利用目标的多级特征来提取丰富的语义信息,仅依靠固定尺寸特征识别伪装目标.为解决这一问题,本文提出了一种基于多尺度特征融合交互的伪装目标检测网络.该网络包含两个创新设计:多尺度特征感知模块和双阶段邻级交互模块.前者旨在通过结合多尺度特征的方式充分捕获复杂场景中丰富的局部-全局场景对比信息.后者则是整合来自相邻层的特征以利用跨层相关性将有价值的上下文信息从编码器传输到解码器网络.本文在CHAMELEON、CAMO-Test、COD10K-Test这3个公共数据集上对提出的方法进行了评测并与当前的主流方法对比.实验结果表明,本文方法的性能超越了当前的主流方法,在各项指标上达到了优异的性能水平.

摘要：建立移动群智感知异构任务分配问题的数学模型,该模型考虑参与者的心理与行为过程,并引入环境信息和参与者健康状况、信誉度和测量时间等因素,通过寻找最优任务分配方案,最小化任务完成的总成本,该总成本包括补偿成本、数据损失成本和距离成本3方面。为求解该模型,提出一种引入了预测信息的离散烟花算法。该算法采用整数编码方式,利用模型中的距离和匹配度2种启发信息设计烟花爆炸算子,提出了爆炸振幅的分组线性预测策略和变异算子的自适应竞争机制。实验结果表明,与已有算法相比,所提算法在移动群智感知异构任务分配问题上能够搜索到更优的分配方案。

摘要：为解决大规模敏捷软件项目调度问题,首先,将其分解为故事选择、故事分配和任务分配3个强耦合子问题,并引入用户故事的新增与删除、每个冲刺阶段中员工工作时长的变化等动态事件,考虑团队开发速度、任务时长和技能等约束,以最大化项目所完成用户故事总价值为目标建立大规模敏捷软件项目调度数学模型;其次,根据问题特征设计了马尔可夫决策过程,采用10个状态特征描述每个冲刺阶段开始时的敏捷调度环境,12个复合调度规则作为智能体的候选动作,并按照调度模型的目标函数定义奖励;最后,提出一种基于复合调度规则的优先经验回放双重深度Q网络算法来求解所建模型,引入双重深度Q网络(DDQN)策略和优先经验回放策略,避免深度Q网络的过估计问题,并提高经验回放池中轨迹信息的利用效率。为了验证所提算法的有效性,在6个大规模敏捷软件项目调度算例中进行了实验,分析了所提算法的收敛性。根据算法性能测度,与已有代表性算法DQN、双重深度Q网络以及仅使用单一复合调度规则的方法进行对比。结果表明:所提算法在6个不同算例中均获得了最高的平均累计奖励值。

摘要：针对敏捷软件开发中的用户故事选择和任务分配2个紧耦合子问题,考虑用户故事的新增和开发者工作时长的不确定性,构建敏捷软件项目的动态周期性调度模型,提出一种基于目标值和潜力值双指标进行分组学习的粒子群优化算法。该算法依据不同分组特征选用相异的学习对象,以提高搜索的多样性;基于投资回报率和时间利用率设计初始化和局部搜索策略,以应对环境变化并增强挖掘能力。与7种已有算法相比,所提算法能够规划出一套产出价值更大和时间利用率更高的调度方案。