2022年, 第42卷, 第05期　
刊出日期：2025-06-18

  

• 全选
  |

• Select
  基于LM算法的运动相机与激光雷达联合标定方法

  李红帅, 罗笑南, 邓春贵, 钟艳如

  桂林电子科技大学学报. 2022, 42(05): 345-353. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.011

  摘要 ( )   可视化   收藏

  为解决运动相机与激光雷达之间的数据匹配问题,设计了一种基于Levenberg-Marquard(LM)算法的运动相机与激光雷达联合标定优化方法。首先将标定板放置在激光雷达与运动相机公共视野范围内,通过改变标定板位置,采集不同位置下标定对象的激光点云和图像数据。然后通过Open CV调用鱼眼畸变校正函数对图像畸变校正,并获取多组标定板图像角点像素坐标。与此同时对激光点云进行点云滤波和点云配准操作,并采用手动与自动相结合的方法对激光点云进行分割,进而通过点云中心迭代算法求解出标定板点云中心坐标和各个角点的点云坐标。最后通过多组表示标定板角点的点云坐标和相对应的图像像素坐标利用直接线性变换法(DLT)计算两传感器间联合标定初值,并构造点云重投影坐标与图像像素坐标差值的最小二乘函数,通过引入阻尼因子的LM算法对该函数进行优化,并求解出优化后的联合标定结果。实验结果表明,联合标定结果与初值相比,重投影误差降低了35%,利用联合标定结果基于共线方程原理实现激光点云与图像融合,验证了该方法的准确性和有效性。
• Select
  面向检索服务的词干提取与相关排序优化研究

  朱艳, 张敬伟, 杨青, 胡晓丽, 单美静

  桂林电子科技大学学报. 2022, 42(05): 354-365. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.010

  摘要 ( )   可视化   收藏

  新一代信息技术的兴起以及互联网产业的飞速发展使得数据量呈爆炸式增长。为满足数十亿用户从海量数据中快速获取有效信息的需求,提升搜索引擎的检索质量以及查询效率具有重要意义,同时也面临挑战。一方面,用户的查询词日益复杂,语言词汇形态变异的特点导致检索词变得多样化,而现有词干提取算法普遍存在词干提取不足、词干提取准确率不高等问题;另一方面,在海量数据中检索到满足用户查询要求的文档结果是一项非常耗时的任务,而现有将文档划分到多个服务器处理查询延迟的方法常常会出现尾延迟问题。针对以上问题,在文本预处理阶段,设计了词形规范化算法APS,对规则函数进行重编码,优化了特征词提取;在相关排序阶段,设计了基于一次一得分查询处理策略的随时排序算法SAR,在给定时间预算处理完指定数量倒排段后能够提前终止查询过程,大大减少了查询评估时间。在多个真实数据集上进行了实验,验证了APS算法对于提高词干提取准确率的有效性以及SAR算法对于控制查询延迟的真实性。
• Select
  基于DDQN的多智能体冲突消解方法

  张翼, 赵岭忠, 翟仲毅

  桂林电子科技大学学报. 2022, 42(05): 366-370. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.008

  摘要 ( )   可视化   收藏

  针对智能体在局部观测下无法有效决策的问题,提出了一种结合深度强化学习的冲突消解方法。该方法基于DDQN算法,利用强化学习的学习模式的特性,计算智能体的累计回报,通过回报值的大小确定智能体的优先级,从而达到冲突消解的目的。通过模拟现实生活中的堵车场景对该方法进行评估,实验结果表明,该方法能有效解决智能体的冲突。
• Select
  基于最短长链接优先选择的VLSI阵列重构算法

  莫福浩, 钱俊彦

  桂林电子科技大学学报. 2022, 42(05): 371-375. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.003

  摘要 ( )   可视化   收藏

  为了提高超大规模集成逻辑阵列的重构效率,提出一种基于最短长链接优先选择原则的改进算法。该算法从阵列2端分别构建逻辑列,直到2条逻辑列相交,则停止构建逻辑列。在2条相交逻辑列作为边界的局部区域内,以从上到下的方式寻找每行长链接最短的处理器单元,所选取的处理单元用于构建局部最优的逻辑列。基于上述操作,利用分治思想,将新获得的逻辑列作为新的局部区域的边界,依次迭代获得新的局部最优逻辑列。最后,将所得到的局部最优逻辑列连接起来,即可获得最终的目标阵列。通过与现有的重构算法的比较分析,验证了算法的高效性。仿真结果表明,在保证逻辑阵列规模不变的条件下,相较于现有的重构算法,该算法能够有效减少阵列重构过程中处理器的访问数,并能在一定程度上降低重构的运行时间,提高逻辑阵列的重构效率。
• Select
  基于改进蚁狮算法的虚拟机放置方法

  刘耀鸿, 王勇

  桂林电子科技大学学报. 2022, 42(05): 376-383. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.002

  摘要 ( )   可视化   收藏

  虚拟机放置是虚拟机整合过程中的关键步骤,虚拟机放置方法的好坏往往会影响云数据中心的资源使用效率和性能,这类问题可以通过建立多目标优化模型来进行求解。当前云数据中心存在能耗高、资源利用率较低以及资源碎片化的情况。针对上述情况,提出了一种基于MALO算法的虚拟机放置策略。通过建立多目标多约束的虚拟机放置模型,对能耗、资源利用率和资源碎片化3个方面进行优化。并且在蚁狮算法的基础上,通过改进解空间的边界变化策略和蚂蚁随机游走的位置选择策略,最后对蚂蚁位置越界进行修正,使得种群的多样性能得到更好保证,这样能更好地跳出局部最优解。基于虚拟机放置平台对MALO算法和另外4种虚拟机放置算法进行仿真实验,实验结果表明,相比于蚁狮算法、BRC算法、MBFD算法和FFD算法,MALO算法在降低能耗、提高资源利用率以及减少资源碎片化方面有一定的提升效果。
• Select
  Ceph存储系统中节点的容错选择算法

  夏亚楠, 王勇

  桂林电子科技大学学报. 2022, 42(05): 384-390. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.009

  摘要 ( )   可视化   收藏

  Ceph分布式系统中的数据分布算法仅将容量作为选择存储节点的标准,并未考虑存储节点的网络状态和节点负载。在副本模式下,当三副本中有存储节点并需要修复时,过高的节点负载或者网络负载会导致较大的节点修复时延。针对这个问题,给出了一种基于Ceph的节点容错选择(FTNSC)算法。首先利用软件定义网络技术获得实时的网络状态和节点负载信息,作为节点选择方法的数据支撑;然后建立综合考虑节点负载信息的多属性决策数学模型来确定主存储节点位置;最后通过人工蜂群算法根据与主存储节点之间的网络状态和节点性能得到最优次存储节点。实验结果表明,与现有的CRUSH算法相比,该算法在提高数据存储节点性能的同时,将失效数据的修复时延减少2%～29.7%。
• Select
  基于图神经网络的子图匹配符号算法

  杨欣, 徐周波, 陈浦青, 刘华东

  桂林电子科技大学学报. 2022, 42(05): 391-397. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.004

  摘要 ( )   可视化   收藏

  子图匹配是图数据分析中的基础问题,具有重要的研究意义。针对子图匹配求解算法存在大量冗余搜索的问题,提出了一种基于图神经网络的子图匹配符号算法。该算法利用图神经网络技术聚合节点的邻域信息,得到包含图局部属性和结构的特征向量,以该向量作为过滤条件得到查询图的节点候选集C。此外,优化匹配顺序并利用符号ADD操作在数据图中构建C的各个候选区域,减少了子图枚举验证过程中的冗余搜索。实验结果表明,与VF3算法相比,该算法有效地提高了子图匹配的求解效率。
• Select
  基于多尺度特征融合和注意力的钢表面缺陷检测

  黄怡, 董荣胜

  桂林电子科技大学学报. 2022, 42(05): 398-404. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.001

  摘要 ( )   可视化   收藏

  为了解决钢表面缺陷检测存在缺陷定位和分类困难的问题,提升钢表面缺陷检测效率,提出一种基于多尺度特征融合和注意力机制的钢表面缺陷检测算法。该算法的模型基于编码器-解码器结构,来实现缺陷分类和分割任务。编码器结构采用残差网络Res Net50作为骨干网络,然后利用多尺度特征融合模块捕获丰富的多尺度空间信息。解码器结构基于全局注意力采样模块,利用高层语义信息生成的全局上下文权重对浅层细节信息进行指导,来实现更加精准的选取细节信息,最后通过3×3卷积块细化分割结果,逐渐恢复缺陷信息并进行预测。使用kaggle竞赛平台提供的钢表面缺陷数据集对算法进行实验,缺陷检测的Dice系数能够达到94.22%,与U-net等语义分割模型相比,缺陷检测效果更好。
• Select
  基于序列到序列模型的观点核心信息抽取

  罗雨蒙, 林煜明

  桂林电子科技大学学报. 2022, 42(05): 405-411. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.007

  摘要 ( )   可视化   收藏

  方面项和观点项的成对抽取是基于方面的情感分析中的一个子任务,旨在从评论句中提取出观点核心信息。现有的方法需要对数据进行大量复杂的标注或者会产生大量的负样本,耗费大量人力且计算代价过大,为解决该问题,将方面-观点项对的抽取任务转换为文本生成任务,提出了一种基于序列到序列模型(Seq2Seq)的端到端生成框架来生成方面-观点项对的方法,在所提出的框架中将大型预训练模型BART的编码器和解码器作为Seq2Seq模型的编码器和解码器,在解码时结合指针机制直接生成方面-观点词对序列。提出的模型在15res数据集上的F1值为77.31%,比最佳的基线模型提升了3.74%。实验结果表明,提出的模型在3个数据集上均优于其他基线模型。
• Select
  基于Deep Labv3+的苗族服饰识别网络

  甘甜, 蒋华, 颜靖柯, 王慧娇

  桂林电子科技大学学报. 2022, 42(05): 412-422. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.006

  摘要 ( )   可视化   收藏

  为解决基于深度学习方法在苗族服饰图像分割任务中存在特征信息丢失的问题,设计了一种基于Deep Labv3+网络的苗族服饰识别网络Efficient-Deep Labv3+。该网络利用Mosaic数据增强,以增加训练时图像的背景复杂程度,使网络在不增加额外计算开销的情况下,能够提取到更多的图像特征信息;使用标签平滑,以减少真实标签训练时的损失权重,降低其在分割效果上因过拟合而产生的不良影响;再次,引入辅助分支结构,使损失函数能够计算所有网络层的损失值;提出联合损失函数计算损失值以预防梯度爆炸,使网络训练更加稳定;提出多级衰减余弦退火算法,使网络训练时能够找到全局最优学习率,加快网络的收敛速度。实验结果表明,在苗族服饰数据集上,平均交并比(MIo U)及类别平均像素准确率(MPA)分别达到了84.96%、93.7%,在PASCAL VOC2012数据集上,Efficient-Deep Labv3+网络的分割效果优于其他网络。
• Select
  线性时间属性中近似安全性和活性的刻画

  常玉婷, 潘海玉

  桂林电子科技大学学报. 2022, 42(05): 423-430. https://doi.org/10.16725/j.cnki.cn45-1351/tn.2022.05.005

  摘要 ( )   可视化   收藏

  针对线性时间属性中最重要的基础属性安全性和活性,将它们扩展到模糊背景下,有助于定量刻画系统与其属性之间的满足程度。结合度量理论中线性距离的概念,刻画系统与属性之间关系,进而量化一个系统多大程度满足一个属性。首先回顾线性距离的定义以及一些性质。其次,基于模糊迁移系统,研究线性时间属性中安全性和活性的定量扩展形式,并尽可能多地保留传统线性时间属性相关的优良性质,通过给定距离阈值α,定义α-安全性和α-活性,从而将经典的线性时间属性扩展到模糊背景下。通过对所提出的α-安全性和α-活性理论进行扩充,对现有模糊背景下的线性时态逻辑进行适当地补充,从而刻画所定义的α-安全性和α-活性。最后通过一个具体的实例来阐述所得出的结论。