摘要:针对现有交通预测方法在捕捉交通数据的动态性、时间延迟传播特性以及复杂的时空依赖关系方面仍存在不足的问题,提出了一种基于时空动态增强自注意力(SDES)的交通预测方法。该方法通过结合局部增强注意力模块(LAAM)和时空动态特征增强模块(SDFEM),有效解决了交通数据中的动态性建模、时间延迟传播和聚焦重要信息的挑战。LAAM通过通道注意力机制自动聚焦交通数据关键时空位置,SDFEM通过平滑动态时间规整(Soft-DTW)算法捕捉交通数据的时间延迟传播特性。在3个真实交通数据集上进行了实验,SDES相较于次优方法在PEMS08数据集的长期预测中将平均绝对误差MAE、均方根误差RMSE和平均绝对百分比误差MAPE分别降低了 2.24%.2.22% 和 2.78% ,达到了最优水平。
摘要:针对车辆在雾霾天气下驾驶对道路目标的检测能力不足问题,提出一种基于改进YOLOv11的目标检测模型YOLO-EVC。采用去雾网络 DehazeNet对雾天图像进行去雾处理。在特征提取部分引人 SPPFCSPC-G新型池化结构。为增强对小目标的特征提取能力,在特征融合部分增加EVC注意力机制。提出C3_Res2模块降本增效。此外,引人自适应空间特征融合检测头ASFF_Detect,有效地滤除空间域中的信息冲突。实验结果表明:YOLO-EVC在内部采集数据集上准确率达到 90.6% ,相比YOLOv11检测平均精度均值 (mAP )提高了1.9个百分点,召回率提高4.56个百分点,增强了对密集的小型车辆和行人的检测能力,对于未来汽车雾天自动驾驶有应用潜力。
摘要:部分现代移动社交网络平台中存在的群组,既能促进有效信息的迅速传播,也可能成为谣言快速扩散的渠道。为此,提出了考虑群组传播的SICR谣言传播模型。该模型结合了群组传播机制,并引人辟谣者角色,模拟其通过发布准确信息来抑制谣言传播的作用。首先,模型基于微分动力学方法和下一代矩阵理论,分析了考虑群组传播的 SICR谣言传播模型在同质和异质网络上的无谣言平衡点及基本再生数,并通过 Routh-Hurwitz准则证明了无谣言平衡点处的局部渐近稳定性;其次,采用龙格-库塔法对模型进行了数值仿真;最后,通过蒙特卡洛模拟在人工网络和真实社交网络中对所提模型进行仿真实验,分析了不同参数及网络拓扑结构对谣言传播的影响。结果表明,群组规模越大,初始传播节点数越多,传播节点的峰值密度越高,谣言传播速度越快。遗忘率越高,辟谣干预力度越强,越能抑制谣言扩散。
摘要:针对蜂窝状植物细胞图像包含大量噪声、细胞结构复杂以及细胞边界不清晰等问题,提出了一种基于WT-SR和改进U-Net的分割模型。利用小波变换和稀疏编码,将沿 Z 轴不同层的图像序列融合生成信息更丰富的单张图像,使用改进U-Net对图像进行分割。在U-Net编码过程中,将小波变换提取的低频信号与网络层特征结合,增强对细胞边界的辨识能力。引人混合注意力模块,融合通道信息和空间信息,提高有效特征的表达能力。在整个网络中使用残差连接,加强浅层和深层信息的融合,改善分割效果。通过两组噪声含量不同的数据进行实验,结果显示所提模型在MIoU,Dice和Acc指标上平均达到了 85.85%.90.99%.97.98% ,相较于原始U-Net模型,提高了 8.49%.7.91%.8.07% ,由此验证了该模型的有效性和可行性。
摘要:针对野生动物目标检测过程中存在的实时性不足、复杂背景干扰以及多尺度目标检测难度较大的问题,提出了一种基于改进YOLOv11的野生动物目标检测模型。首先,设计了用DCA-C3k2模块替代C3k2模块,并且在MSA-C3k2模块中引入CBAM和高效通道注意力(ECA)机制,增强模型对关键特征的聚焦能力;同时采用多尺度动态卷积核,通过注意力权重动态融合特征;其次,用MSA-SPPF模块替代 SPPF模块,在原SPPF模块基础上添加了多尺度卷积块,并且引人了多头自注意力机制,增强了SPPF模块的特征表达能力;最后,提出一个重构的检测头模块DSED-Detect,使用动态卷积自适应提取特征,使用 SEBlock增强通道注意力,提升边界框回归精度,轻量化GhostConv减少参数量,使用混合注意力增强类别判别力。实验结果表明,与原YOLOvl1模型相比,改进后的模型 mAP50 提高了4个百分点, mAP50:95 提高了4.6个百分点,精确率提高了7.6个百分点,由此证明改进后的模型能够更好地运用于野生动物的目标检测任务。
摘要:针对传统显著性目标检测方法在边界模糊以及信息完整性不足等方面存在的问题,提出一种由特征多样性增强模块、全局信息引导模块、特征融合模块组成的显著性目标检测网络。首先,提取各特征层对应的不同类型的空间特征;其次,将坐标注意力机制捕获的信息通过全局引导流传递给各个特征层,学习不同特征层之间的语义关系并且缓解稀释效应;最后,通过级联特征多样性增强模块逐步整合多级特征,实现显著性特征图的精细化生成。在5个公开数据集的对比实验结果表明,该方法有着更优的检测性能,其 F -measure和平均绝对误差(MAE)可以分别达到0.959和0.030。
摘要:针对计算资源不足的复杂环境下苹果识别效果不佳的问题,提出了一种基于改进YOLOv11的CFFYOLO轻量化苹果检测算法。首先,将主干网络C3k2的 Bottleneck替换为FasterBlock模块,该模块通过部分卷积(PConv)压缩输入通道至 1/4 ,使计算量(GFLOPs)和内存访问量(MAC)分别降低至标准卷积的1/16和 1/4 ,显著减少了冗余计算;其次,采用FocalModulation模块替换空间池化金字塔(SPPF)结构,增强模型对复杂场景中小目标的感知与定位能力,提升模型检测的精确率;最后,在颈部网络结构中融入轻量化跨尺度特征融合模块CCFM,通过特征融合技术将多尺度特征进行整合,提升模型对尺度波动的鲁棒性,并强化小目标的检测性能。实验结果表明,CFF-YOLO模型与基准YOLOvl1模型相比,精确率上涨了 2.6% ,召回率上涨了 8.3% ,参数量和计算量分别下降了 32.1% 和 29.2% ,模型的大小减小了 27.6% 。
摘要:针对显式和隐式反馈不足而导致个性化推荐偏差的问题,提出一种基于移动平均值反馈美学的对抗性协同过滤推荐算法(ACF-MA)。首先,通过整合正反馈、负反馈及未观测样本的三元组数据,构建多维度商品评分框架以精准建模用户偏好;其次,增加美学因素模型强化对商品偏好的特征提取,并构建对抗性学习方法优化减轻反馈噪声的影响;最后,在亚马逊的Jewelry数据集上展开多组对照实验。结果表明相较于次优算法,在推荐列表长度为50时,所提算法——ACF-MA在命中率(HR)和归一化折损累计增益(NDCG)评估指标上分别最高提高了15.1% 和 17.4% ,验证了该算法在提升推荐系统准确性方面的有效性。
摘要:医学图像处理对医疗诊断具有重要价值,在儿童牙科疾病的诊断中,通常需要对全景X光片进行分割来准确分析牙齿疾病。针对儿童牙齿全景X线摄影分割中存在的牙齿解剖结构复杂导致传统方法精度不足的问题,提出一种基于Transformer的网络算法。该算法采用双路径注意力机制,通过在编码器阶段交替执行空间自注意力与通道自注意力聚合,有效捕捉儿童牙齿的形态特征。解码器设计自适应特征融合模块,实现深层语义信息与浅层细节特征的自适应融合。实验结果表明,该算法在儿童牙齿全景X线的分割任务中取得更好的结果。
摘要:针对高速公路施工标准复杂、人工查阅效率低、专业术语易误解等问题,围绕基于大语言模型的高速公路施工标准知识问答系统展开研究。通过整合5册高速公路施工标准化指南,构建结构化数据集,并采用多级清洗、动态标注及质量验证流程提升数据一致性。以Qwen2.5-3B为基座模型,系统对比LoRA、QLoRA等6种参数高效微调方法。实验结果表明:结合数据增强的LoRA策略综合性能最优,ROUGE-L指标提升至 29.0% 。领域模型在专业问答中展现高准确性,较通用模型更贴合工程规范,能精准推荐施工参数,有效降低施工风险。研究验证了轻量化微调框架在垂直领域的实用性,为施工智能化管理提供技术支撑。
摘要:当前,基于各向异性高斯方向导数的角点检测方法在处理对称特征时存在显著局限,导致检测精度不足。为此,提出一种改进的角点检测算法,该算法引入各向异性半高斯核函数,能够有效增强对称角点结构的特征响应,精准捕捉对称特征。同时,构建多尺度空间层级式验证机制,从多个尺度对检测结果进行验证,极大提升了检测的鲁棒性。在标准测试数据集上的实验结果显示,所提算法在旋转、缩放、剪切等6种变换类型下均展现出优异的稳定性,在视觉定位实验中定位精度达到 94.1%
摘要:为了增强预警信息的实时性与互动性,推动气象预警系统的智能化与业务化应用,强化应急响应与联动机制,设计并实现了一种基于5G消息技术的突发气象灾害预警系统。系统融合了多源异构数据采集与智能融合、人工智能驱动的动态预警生成、精准信息推送以及端到端安全防护等核心模块;构建了覆盖灾害监测-预警生成-信息触达-反馈闭环的全流程技术方案;实现了对暴雨、洪涝等突发极端气象灾害的实时监测与快速响应。通过整合5G消息技术优势,可显著提升预警信息的覆盖范围和公众响应效果,用户反馈满意度高达 92% ,为公共安全应急提供了强有力的技术支撑。
摘要:在信息快速传播的数字时代,谣言的扩散对社会稳定与公众认知产生深远影响。传统谣言传播模型往往忽略个体异质性和认知差异等关键因素,难以精准刻画现实社交网络中的传播动态。基于此,在 SEIR谣言传播模型基础上,提出了一种 S2EIR谣言传播模型,将未知者细分为受教育程度高、低的群体。通过数学建模、动力学分析推导谣言传播阈值,用龙格-库塔法求解方程,并在WS、BA及Facebook网络上仿真。结果显示,Facebook网络中谣言传播最快,而提高受教育程度高群体的比例能显著降低传播者峰值密度。此外,降低传播率、提高免疫率和遗忘率也能有效抑制谣言传播。