摘要：针对民族服装图像属性信息复杂、类间相似度高且语义属性与视觉信息关联性低,导致图像描述生成结果不准确的问题,提出民族服装图像描述生成的局部属性注意网络.首先构建包含55个类别、30000幅图像,约3600 MB的民族服装图像描述生成数据集;然后定义民族服装208种局部关键属性词汇和30089条文本信息,通过局部属性学习模块进行视觉特征提取和文本信息嵌入,并采用多实例学习得到局部属性;最后基于双层长短期记忆网络定义包含语义、视觉、门控注意力的注意力感知模块,将局部属性、基于属性的视觉特征和文本编码信息进行融合,优化得到民族服装图像描述生成结果.在构建的民族服装描述生成数据集上的实验结果表明,所提出的网络能够生成包含民族类别、服装风格等关键属性的图像描述,较已有方法在精确性指标BLEU和语义丰富程度指标CIDEr上分别提升1.4%和2.2%.

摘要：针对民族服装风格多样、款式和配饰复杂,导致单视角三维服装重建结构不完整、风格不准确和局部特征模糊等问题,为了学习和映射民族服装的潜在风格特征,提出一种单视角三维服装重建的民族风格表征学习方法.首先结合定义的民族服装形状风格和几何拓扑构建形状表征,学习形状潜在特征;然后基于区域定位和关键点,并融合定义的款式风格、着装部位进行款式表征,得到局部感知区域图,以学习款式潜在特征;再联合形状、款式特征以及定义的对称损失函数,隐式重建出民族服装的初步模型;最后在卷积网络中引入图像的超像素特征、Branch分支和配饰的语义解析建立配饰表征,并编码UV位置图到特征空间,生成民族服装的最终模型.在自定义的少数民族服装数据集上的实验结果表明,所提方法的倒角距离和法线余弦距离分别为1.732和0.13,较已有方法降低11%和18%,能够提高单视角三维民族服装重建的精度,生成具有民族风格的三维服装模型.

摘要：针对现有方法在文本和图像模态的预训练目标上存在嵌入不对齐,文档图像采用基于卷积神经网络(CNN)的结构进行预处理,流程复杂,模型参数量大的问题,提出基于Transformer的多模态级联文档布局分析网络(MCOD-Net).设计词块对齐嵌入模块(WAEM),实现文本和图像模态预训练目标的对齐嵌入,使用掩码语言建模(MLM)、掩码图像建模(MIM)和词块对齐(WPA)进行预训练,以促进模型在文本和图像模态上的表征学习能力.直接使用文档原始图像,用图像块的线性投影特征来表示文档图像,简化模型结构,减小了模型参数量.实验结果表明,所提模型在PubLayNet公开数据集上的平均精度均值(mAP)达到95.1%.相较于其他模型,整体性能提升了2.5%,泛化能力突出,综合效果最优.

摘要：针对无人机(Unmanned Aerial Vehicle,UAV)辅助非正交多址(Non-Orthogonal Multiple Access,NOMA)下行通信系统,提出了最大化和速率的用户动态分簇与功率分配方案.考虑用户服务质量与UAV位置约束,建立了和速率最大化的优化问题.由于目标函数的非凸性,将原问题解耦为三个子问题,分别优化UAV位置部署与用户连接、用户动态分簇、功率分配以提高系统性能.首先,基于K-means算法设计了UAV位置部署与用户连接方案,以减小路损为目的确定UAV最佳部署位置,同时选择其服务的最优用户群;其次,改进多密度流聚类(Multi-Density Stream Clustering, MDSC)算法,提出了单UAV下用户静态与动态分簇方案,静态分簇方案可自适应平衡簇数与簇用户数,并获得较大的簇内用户信道增益差异,动态分簇方案则针对用户移动属性,制定了即时更新策略;最后,使用分式规划(Fractional Programming,FP)二次变换的方法,引入辅助变量将原非凸问题变换为凸问题,交替优化辅助变量与功率分配因子,获得原非凸问题的次优解.仿真结果表明,与其他算法相比,本文分簇方案能获得更大的簇内信道差异与更小的簇内用户数标准差,同时用户系统性能也获得了显著提升.

摘要：为了优化机械传动中的关键部件行星轮系设计模型,提出改进的黏菌优化算法。该算法通过加权聚合学习机制,使黏菌个体在搜索空间中能够更好地学习和利用其他个体的优秀信息,从而提高收敛速度和优化精度。将行星轮系的传动比、齿轮齿数、模数等关键参数作为优化变量,以变量之间所满足的关系为约束条件,以传动效率、体积、噪音等性能指标作为优化目标。通过构建合适的适应度函数,将行星轮系设计模型优化问题转化为一个多目标优化问题,并将该算法与9个对比算法在函数测试集和行星轮设计模型上进行试验验证。研究结果表明:基于加权聚合学习机制的黏菌优化算法进行行星轮系设计优化效果显著,具有收敛速度快、优化精度高、稳定性好等优点,不仅能够在较短时间内找到全局最优解,而且能够提供更加稳定和可靠的优化结果。

摘要：边缘计算激励机制可以激励用户参与到资源分配的过程中来.为防范不诚实用户对资源分配的操纵,现有激励机制致力于使参与者在投标时给出他们的真实估值,但未考虑对假名攻击的对抗策略.为解决现有机制缺乏对抗假名攻击的能力这一问题,首先,对假名攻击投标决策手段进行分析,设计了假名过滤算法和结合边缘服务器成本的最小临界值定价算法,假名过滤算法剔除可能的假名用户,定价算法则保证了假名用户无法通过操纵临界价格提高效用.然后,证明了该防假名拍卖机制满足真实性和个体理性,此外还证明了该机制对假名攻击具有抗操纵性.实验结果表明,该机制能够在满足真实性的同时,保证用户无法通过单方面发起假名攻击增加效用.

摘要：针对模糊需求下的绿色两级车辆路径问题,以最小化车辆运营成本和油耗成本之和为优化目标,提出一种混合超启发式算法进行求解.首先,考虑两级问题解空间庞大且相互耦合,设计一种聚类分解策略将该问题分解为多个子问题,以合理缩小问题搜索空间;然后,提出增强超启发式分布估计算法(enhanced hyperheuristic estimation of distribution algorithm,EHHEDA)对各个子问题进行求解,进而获得原问题的解.EHHEDA基于超启发式算法框架,在高层策略域设计一种基于三维概率模型的分布估计算法,动态确定由底层操作域中各搜索算子所组成的排列(即高层个体),可有效控制和引导整个算法的搜索行为;同时,在底层操作域设计10种有效邻域搜索算子,并加入重升温操作的模拟退火机制作为问题解(即底层个体)的接受准则,有利于在问题解空间中执行深入搜索.仿真实验结果表明,所提出的算法在大多数测试集上优于近年来用于求解类似问题的算法,验证了所提出算法的有效性.

摘要：针对无线传感器网络中分簇路由算法节点能量利用率低、能量消耗不均匀等问题,提出了一种优化聚类分簇结合自适应中继策略的双簇首无线传感器网络路由算法.该算法对分簇路由协议中的三个阶段分别进行优化设计.成簇阶段,首先对双簇首模型下最优成簇规模与网络能耗的关系进行理论分析,然后使用改进的算术优化算法计算模糊C均值算法的初始聚类中心,提高了模糊C均值算法聚类成簇的准确率和鲁棒性.簇首选举阶段,引入双簇首策略,以节点的位置、能量和中心度为影响因子,根据承担任务的不同分别为内外簇首设计独立的簇首评价函数,以评价值为依据由节点分布式动态选举簇首减少了广播数量,同时可以将整个簇的能量负载平均分配到每个簇成员节点中.数据传输阶段,设置了多跳中继策略的距离适用条件,并以能量消耗速率为依据选择中继节点,避免了节点提前过载.仿真结果表明:在多种规模的网络中,该算法相较于对比算法在均衡网络负载、提高能量利用效率方面效果更好,从而延长了网络的有效感测时间.

摘要：随着深度学习在医疗领域的快速发展,医学视觉问答(Med-VQA)吸引了研究人员的广泛关注.现有的Med-VQA方法大都使用权重参数共享的同一特征提取网络对多模态医学影像进行特征提取,在一定程度上忽略了不同模态医学影像的差异性特征,导致对特定模态特征提取时引入其它模态的噪声特征,使得模型难以关注到不同模态医学影像中的关键特征.针对上述问题,本文提出一种基于多模态特征提取的医学视觉问答方法.首先,对医学影像进行模态识别,根据模态标签指导输入参数不共享的特征提取网络以获得不同模态影像的差异性特征;然后,设计了一种面向Med-VQA的卷积降噪模块以降低医学影像不同模态特征的噪声信息;最后,采用空间与通道注意力模块进一步增强不同模态差异性特征的关注度.在Med-VQA公共数据集Slake上得到的实验结果表明,本文提出方法能有效提高Med-VQA的准确率.

摘要：针对着装场景中由于人体姿态、边缘轮廓、服装配饰的复杂性以及着装部位关节点被遮挡等因素导致人体解析精度较低的问题,提出一种结合边缘轮廓和姿态特征的人体精确解析模型.首先采用残差网络ResNet-101作为主干网络表征输入人体图像进行初步人体解析,得到粗解析特征;然后构建边缘轮廓模块,结合上采样后的全局和局部特征得到人体边缘轮廓;再基于着装姿态定义着装姿态损失函数,通过姿态估计模块提取人体姿态特征;最后联合粗解析特征、边缘轮廓和姿态特征,并定义结构损失和人体解析损失的组合函数输出精确的解析结果.在多个数据集上的实验结果表明,该模型的mIoU评测指标提高了1.96%,在人体的着装姿态和部位遮挡等方面获得了更准确的语义分割结果,能有效地提高着装人体解析的精度.