分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2022-05-18 合作期刊: 《计算机应用研究》
摘要: 为提高多车场车辆路径问题(Multi-Depot Vehicle Routing Problem,MDVRP)的求解效率,提出了端到端的深度强化学习框架。首先,将MDVRP建模为马尔可夫决策过程(Markov Decision Process,MDP),包括对其状态、动作、收益的定义。同时,提出了改进图注意力网络(Graph Attention Network,GAT)作为编码器对MDVRP的图表示进行特征嵌入编码,设计了基于Transformer的解码器。并采用改进REINFORCE算法来训练该模型。该模型不受图的大小约束,即其一旦完成训练,就可用于求解任意车场和客户数量的算例问题。最后,通过随机生成的算例和公开的标准算例验证了所提出框架的可行性和有效性。即使在求解客户节点数为100的MDVRP上,经训练的模型平均仅需2毫秒即可得到与现有方法相比更具优势的解。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-12-13 合作期刊: 《计算机应用研究》
摘要: 针对局部二值模式(local binary pattern,LBP)描述信息单一以及对噪声敏感的问题,提出一种多尺度自适应阈值局部三值模式(multi-scale adaptive local ternary pattern,MSALTP)编码算法。MSALTP首先将原始图像放大;其次将图像平均划分成几个区域,并计算像素的均值;然后计算每个区域中心像素与均值的偏差;最后提取ALTP特征,将结果统计特征直方图实现图像分类。实验表明提出的算法识别率比目前较好的抗噪声算法在不同的噪声下识别率有较大提高。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-09-12 合作期刊: 《计算机应用研究》
摘要: 可靠的环境分析是实现智能车自动驾驶的核心技术,包括车辆识别、行人检测、碰撞避免等,其目标是实现驾驶的完全自动化。提出基于改进联合概率数据关联滤波器的智能车立体视觉多目标跟踪方法。利用立体视觉摄像头采集车辆及行人图像、视频;在Lie群下对传感器的不确定性进行建模,并采用欧几里德群算法对预处理的图像进行状态滤波;在可能存在车辆的区域内利用双目视觉去除误检,并获得车辆的位置信息;通过卡尔曼滤波器对测量的不确定度和预测目标运动的轨迹进行确认;运用改进的联合概率数据关联滤波器对车辆及行人的跟踪结果进行优化修正。实验结果表明,提出的方法可以有效解决智能车多目标跟踪问题,大幅度提升驾驶系统的自动化和智能化水平。相比其他较新的目标跟踪方法,提出的方法在跟踪精度和速度上具有明显的优势,且在跟踪车辆时不会产生明显的偏移、不会遗漏对行人的跟踪。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-20 合作期刊: 《计算机应用研究》
摘要: 针对图像匹配问题进行了研究,提出了一种改进BRIEF算法的特征点匹配算法。该算法利用随机点与特征点之间的差分大小和差分幅值关系来生成特征点描述算子。针对BRIEF对噪声敏感问题,因为小的像素幅值差分更易受到噪声影响,为了抑制噪声,通过设置小像素差分阈值,差分在阈值内的设置为不确定位,然后通过其邻域均值来决定不确定位的值。特征点匹配使用描述算子之间的汉明距离进行比较来完成。实验与BRIEF和ORB算法进行了比较,证明该算子具有更高的判别性,计算简单且具有很好的噪声抑制性能,运行速度快,匹配准确率更高。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-17 合作期刊: 《计算机应用研究》
摘要: 针对现有算法在复杂背景图像显著目标检测中存在背景被错误凸显的问题,为抑制背景提取更加准确的前景,提出一种结合稀疏重构与能量优化的显著性检测算法。首先将输入图像分割为超像素以去除不必要的细节;然后选取图像边界超像素作为背景模板,利用其作为稀疏字典计算重构误差,并作为超像素初始显著值;最后构造新的能量方程对初始显著值优化,并在优化后对其前景增强生成最终显著图。在包含真值图像的MSRA10K和ECSSD1000数据集上,将提出的算法与其他10种算法进行对比测试,PR曲线图、准确率P、F值的效果优于其他10种算法的结果。实验结果表明,所提算法在复杂背景图像的显著目标检测中,相比于已有的多种算法鲁棒性更好,能够对背景进行有效的抑制,提取显著目标也更加精确。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-12 合作期刊: 《计算机应用研究》
摘要: 针对间歇过程的高度复杂性、强非线性、强时段性等特点,提出一种基于核熵成分分析(KECA)特征变量降维,利用烟花算法(FWA)优化支持向量机(SVM)参数的间歇过程分时段故障诊断方法。首先,通过多向核主元分析(MKPCA)进行在线故障监测,输出故障数据;其次,利用K-means分类方法将间歇过程划分为若干个子时段,对故障数据进行KECA特征变量处理,按熵值贡献率来确定选取主元的个数,深层提取特征信息;最后,在各子时段内分别构建FWA优化SVM参数故障诊断模型,将降维处理后的故障数据代入各自所属子时段FWA-SVM诊断模型内进行故障诊断。通过对青霉素仿真实验数据进行各种对比实验研究,验证了该方法的可行性与有效性。