2024年, 第44卷, 第06期　
刊出日期：2025-06-18

  

• 全选
  |

• Select
  基于kNCN的标签噪声在线核学习方法

  李世鑫, 文益民

  桂林电子科技大学学报. 2024, 44(06): 551-559. https://doi.org/10.16725/j.1673-808X.2023118

  摘要 ( )   可视化   收藏

  核方法被开发用于处理在线分类中的非线性分类问题，在计算核函数时，为了避免支持向量的数量随数据流而无限增加，近年来发展了预算维护算法。现有的固定预算的核分类算法在分类性能上会受标签噪声的严重影响。为了解决该问题，提出一种基于kNCN的标签噪声在线核学习方法。当缓冲区达到预算规模时，该方法利用kNCN原则，为缓冲区内每个支持向量找到k个近质心近邻点，通过计算它们之间的局部标签不一致性来构建删除候选集和锚点集，再对删除候选集内所有实例建立试错模型，在锚点集上检验试错模型的分类准确率，从而判断哪个支持向量最应该从缓冲区中删除，实现固定预算的维护。人工合成数据集和真实数据集上的实验结果表明，本方法在固定预算的感知机和被动攻击算法上的应用中，在标签噪声场景下有效提升了分类性能，在6个数据集上的综合排名优于其他对比算法。
• Select
  基于场景中物体位置关系的图像描述方法

  杨璐, 钱艺, 文益民

  桂林电子科技大学学报. 2024, 44(06): 560-567. https://doi.org/10.16725/j.1673-808X.202360

  摘要 ( )   可视化   收藏

  图像描述旨在将图像内容转化为语言表述，是一个亟待解决且具有挑战性的多模态生成任务。然而，现有方法缺少对图像中隐含位置信息的关注，导致物体位置关系难以得到准确描述。为解决该问题，提出一种基于场景中物体位置关系的图像描述方法。首先，使用图节点特征构建物体关系场景图，随后利用位置关系编码器对节点特征进行初次编码。其次，提出常识词典与推理模块，计算物体间比例失衡程度，根据该程度值对物体关系节点进行二次编码。再次，设计联合解码器对已编码信息进行处理，通过擦除模块和偏置门控机制进一步优化图中的节点特征。最后，生成该图像对应的文字描述。提出的方法在2个公开数据集MSCOCO、Visual Genome上进行实验验证，在各项评价指标上比现有方法均有提升，并在CIDEr指标上取得显著效果。该方法源码可在https://gitee.com/ymw12345/PRCO获取。
• Select
  基于深度学习的高精度相机相对位姿估计网络

  彭智勇, 吴磊, 肖博

  桂林电子科技大学学报. 2024, 44(06): 568-578. https://doi.org/10.16725/j.1673-808X.202260

  摘要 ( )   可视化   收藏

  相机相对位姿估计是指恢复或确定图像对在成像时相机的相对位置和姿态关系，是图像拼接、三维重建、SLAM等计算机视觉领域中的关键问题。传统算法为提高精度需要反复迭代运算，计算量大、耗时长；现有基于深度学习算法大多以左、右图像为输入，基于像素语义特征获得位姿参数，处理数据量大，模型结构复杂。针对以上问题，提出了一种以匹配点对为输入的相机相对位姿估计深度学习网络。获取图像对的匹配点后，首先通过匹配点对分类网络将匹配点对分为内点(匹配误差较小的匹配点对)和外点(匹配误差较大的匹配点对)；然后以所有内点为输入，通过相机相对位姿参数解算网络一次性获得相机的相对旋转、平移参数。实验结果表明，提出的方法较传统算法速度提高了1.9倍，且具有更小的误差；与现有基于像素语义特征的深度学习算法相比，平均精度更高，且网络处理的数据量更少，具有更轻量化的网络结构；同时设计的网络结构可适应不同数量匹配点对的输入。
• Select
  基于面向对象对CUDA架构的LBM计算程序优化

  韦华健, 张乾毅, 张静静, 李华兵

  桂林电子科技大学学报. 2024, 44(06): 579-584. https://doi.org/10.16725/j.1673-808X.2021452

  摘要 ( )   可视化   收藏

  晶格玻尔兹曼方法 (LBM)是一种新颖而有前途的计算流体力学方法，从算法的角度看，其迭代过程能被分化为多个子问题的并行程序，非常适合在高性能图像处理器(GPU)计算，获得极快的数据处理速度，同时有大量工作报告了基于GPU计算的LBM方法得到了高效实现。程序环境以C++编程语言，运用面向对象思想优化CUDA程序结构，可减少程序的耦合性，赋予程序的可持续发展能力；使用Poiseuille flow模型验证优化程序的稳定性与准确性。在程序运行过程中，调用CUDA内核函数来处理模型内的碰撞、迁徙流动、计算宏观量的迭代过程，同时使用共享内存储存GPU运行时的数据，以提高计算效率。数据分析结果表明，计算速度较中央处理器（CPU）提升了70倍，这归功于GPU高性能的并行计算能力。
• Select
  一种改进O2U网络的带噪声标签图像分类方法

  徐智, 杜玉, 赵龙阳, 孟瑞敏, 李沁璘

  桂林电子科技大学学报. 2024, 44(06): 585-591. https://doi.org/10.16725/j.1673-808X.202220

  摘要 ( )   可视化   收藏

  近年来，带噪声标签的图像分类算法的研究受到学界的广泛关注，其中O2U网络是一种利用噪声标签样本在过拟合与欠拟合2种状态下损失值表现不同这一特性而设计的去噪声标签学习框架，但是该方法面临着噪声标签样本清除不彻底的问题。为解决该问题，提出了一种基于O2U网络改进的带噪声标签图像分类方法。通过修改去噪框架的部分损失函数，使得网络在去噪后的数据集上具有鲁棒性，降低了O2U网络清除噪声标签样本不干净带来的影响。实验结果表明，相比于直接使用O2U网络，提出的鲁棒损失函数与去噪框架结合的方法在MNIST、CIFAR-10和CIFAR-100数据集上均能提升分类效果。总结标签噪声率与噪声分布对分类的影响，表明分类效果由噪声率和噪声分布共同决定。
• Select
  基于协同对抗优化网络的图像压缩感知重建

  林乐平, 朱静, 欧阳宁

  桂林电子科技大学学报. 2024, 44(06): 592-598. https://doi.org/10.16725/j.1673-808X.2022202

  摘要 ( )   可视化   收藏

  针对现有基于深度网络的图像压缩感知重建算法存在信息丢失，从而导致重建模糊的问题，提出一种基于协同对抗优化网络的图像压缩感知重建算法。将图像观测值输入生成器中，采用多尺度结构特征提取模块，对图像的多层次结构进行精细化重构；引入对抗机制，利用图像非局部相似特征对生成器的生成图像进行对抗约束，实现对原始图像的精确重构。实验结果表明，重建图像的客观评价指标与现有算法相比，峰值信噪比（PSNR）提高了1.68～2.33 dB，结构相似度（SSIM）提高了0.037 6～0.059 2，图像视觉效果表现突出，能够有效构建更精细的图像特征。
• Select
  基于Kripke的状态保留模型修复算法

  戴敏, 潘海玉

  桂林电子科技大学学报. 2024, 44(06): 599-605. https://doi.org/10.16725/j.1673-808X.2022341

  摘要 ( )   可视化   收藏

  针对模型验证中受到广泛关注的模型修复问题，在极小模型修复的基础上保留原模型中尽可能多的可达状态，并给出了具有多项式时间复杂度的修复算法。模型经过检验后，若被判定存在违反给定性质的行为，则可以借助经典模型检验的不动点思想，找出模型中的验证失败路径，从而进行修复。此外，由于全局模型修复已被证明是NP问题，将修复算法的范围约束在CTL的一个子集内进行讨论。根据极小修复思想，选取对原模型中状态影响最小的修复操作，同时在经典模型检测的基础上，结合不动点思想以及图算法的部分性质，构造出相应逻辑公式的修复算法，使状态保留的修复算法时间复杂度得以降低到多项式时间。
• Select
  基于优先级的网络切片映射算法

  梁婷婷, 张向利

  桂林电子科技大学学报. 2024, 44(06): 606-612. https://doi.org/10.16725/j.1673-808X.2021206

  摘要 ( )   可视化   收藏

  针对网络切片映射过程中高优先级网络切片排队时间过长的问题，提出了一种基于优先级和最短路径(PSP)的网络切片映射算法。该算法将网络切片的排队模型建模为优先级任务队列模型，队列分为高优先级与低优先级，建立网络切片映射问题的数学模型，明确优化目标为网络切片时延，将网络切片映射问题分解为节点映射子问题和链路映射子问题，并进行求解。在进行节点映射时，采用贪婪算法的思想，为优先级高的网络切片优先分配性能较高的资源，将虚拟网络功能映射到对应的设备中；完成节点映射后，采用最短路径算法进行链路映射。对PSP算法进行实验仿真，结果表明：PSP算法不仅明显降低了高优先级网络切片的处理时延，而且降低了网络切片的整体时延。
• Select
  基于改进YOLOv5的异型烟检测算法

  廖家设, 张彤, 谢青峰, 辛敏, 张祎楠

  桂林电子科技大学学报. 2024, 44(06): 613-620. https://doi.org/10.16725/j.1673-808X.2022340

  摘要 ( )   可视化   收藏

  为了解决异型烟核对工作量繁重，降低条烟误检率，提高烟草物流行业的工作效率和智能化水平，提出一种基于改进YOLOv5的异型烟检测算法。该算法以YOLOv5作为基础框架，通过引入金字塔切分注意力(PSA)模块来提取特征空间域信息，并与Focus模块提取的特征通道域信息融合，获得多维度特征信息；空洞空间金字塔池化（ASPP）用于改进SPP模块，使用不同比率的空洞卷积运算，可在保证分辨率的情况下扩大感受野，减少运算参数；使用K-means++聚类算法对锚框进行优化，提高锚框与所获得图像的匹配度。使用生产现场采集的异型烟数据集对算法进行训练，结果表明，m AP参数为94.14%，比优化前提高5.04个百分点。改进后的模型未引入复杂模块，可部署在AI边缘计算集成开发板中，推理和识别时间约为75ms，能满足生产现场实时性要求。
• Select
  结合堆栈自编码器和FSVM的入侵检测方法

  张海洋, 张斌

  桂林电子科技大学学报. 2024, 44(06): 621-627. https://doi.org/10.16725/j.1673-808X.2021204

  摘要 ( )   可视化   收藏

  大规模、高维度的样本数据会对支持向量机模型的学习速度与学习效果产生巨大影响，为此提出一种结合堆栈自编码器和快速支持向量机的入侵检测方法。搭建基于堆栈自编码器的降维模型，通过该模型对网络数据进行特征提取，获取高质量的特征数据。使用聚类算法分别对样本中不同类型的数据进行聚类操作，计算不同类型样本间簇的相似度，以获取不同类型样本间的相似簇；将相似簇中的样本数据作为支持向量机模型的输入，从而降低输入样本的规模，提高模型的学习速度。仿真结果表明，本方法可有效提高支持向量机模型对大规模高维数据的学习速度和学习效果。
• Select
  基于CFD模拟的智能自适应PID控制一体化污水处理系统

  许睿, 樊德强, 李建

  桂林电子科技大学学报. 2024, 44(06): 628-633. https://doi.org/10.16725/j.1673-808X.2022123

  摘要 ( )   可视化   收藏

  针对当前养殖废水传统处理工艺成本高、效率低和占地面积大等问题，采用CFD模拟技术设计了一种利用水动力循环回流的一体化污水处理系统。通过有限元模拟寻优设备空间几何结构，设计了一种新的污水生化处理单元回流方式，减少了动能设备的数量和能耗。构建了模糊自适应PID控制系统，精准控制各单元的溶解氧浓度，可减少生物反应池溶解氧波动幅度。模拟结果表明，当厌氧池至缺氧池与缺氧池至好氧池的开口比为4∶1时，池体剖面的流速分布比较均匀，流体的循环可以避免形成死水区，从而减少污泥沉积。试验结果表明，研制的一体化系统运行稳定，可连续监测数据，COD、氨氮和TN去除率分别达98.76%、97.57%和96.43%，溶解氧能耗降低了20%。
• Select
  一种容器云水平伸缩负载预测方法

  张正昕, 王勇, 刘世嘉

  桂林电子科技大学学报. 2024, 44(06): 634-641. https://doi.org/10.16725/j.1673-808X.202272

  摘要 ( )   可视化   收藏

  欠预测将导致服务能力降低、请求违例率及拒绝率上升，最终导致服务质量降级。针对目前容器云的负载预测策略研究，欠预测导致网络应用访问请求丢失而未能有效解决的问题，提出了一个欠预测应对策略（PFCS）框架，并在此基础上提出了一种面向突发流量的应急伸缩算法（ESA）。该方法可有效检测出欠预测情况的发生，及时激活应急预测模型，为伸缩决策提供另一选项；可缩短水平伸缩策略应对突发流量的失效时间，降低请求拒绝率，进而提高整体服务质量。采用实际网络应用流量数据对ESA在改善服务质量方面的有效性进行了验证，利用对比实验就PFCS对欠预测的应对效果进行评估。实验结果表明，相比仅使用预测算法的伸缩策略，PFCS能够在不影响预测精度的情况下，使请求拒绝率平均降低19.8%～23.0%。实验结果证明了ESA与PFCS的有效性。
• Select
  特征融合卷积神经网络的超表面建模方法

  陈辉, 蔡晗, 王帅杰

  桂林电子科技大学学报. 2024, 44(06): 642-649. https://doi.org/10.16725/j.1673-808X.2022320

  摘要 ( )   可视化   收藏

  针对基于深度学习的超表面设计中输入输出维度不匹配导致的预测精度不高的问题，提出了一种基于数据融合的卷积神经网络超表面建模方法。利用软件联合仿真对超表面进行结构建模仿真，获得了超表面一维结构参数、二维图片及其对应的电磁响应组成的数据集；通过构建卷积神经网络提取超表面二维图片特征，并将其与一维结构参数相结合，构成一个全新的特征矩阵，对此特征矩阵通过全连接层训练，前向网络预测超表面的S21参数，逆向网络预测超表面的结构参数；训练后的模型具有良好的预测能力，前向网络模型、逆向网络模型预测的均方误差分别为3.148×10-4、2.548×10-3；用遗传算法对网络模型进行优化，使用迁移学习对新的数据集加速训练。研究结果表明，经算法优化的网络避免了大量的建模操作和数值计算，且运算准确率高。
• Select
  一种基于Informer模型的图像识别方法

  赵绪成, 肖俊

  桂林电子科技大学学报. 2024, 44(06): 650-656. https://doi.org/10.16725/j.1673-808X.2024170

  摘要 ( )   可视化   收藏

  为提升图像识别效果，满足当前复杂的图像识别任务，利用Informer模型设计了一种图像识别方法。该模型通过引入稀疏自注意力机制，有效降低了模型的时间复杂度和内存使用率。此外，采用生成式的解码器结构获取图像序列的输出，有效避免了模型推理阶段的累积误差传播。为了验证模型的效果，采用了3种不同类型的细粒度图像识别数据集：Road Sign Detection数据集、Stanford Cars数据集和中国交通标志检测数据集。Road Sign Detection数据集被用于初步验证图像识别模型的效果，而Stanford Cars数据集和CCTSDB数据集则是为了验证设计的图像识别模型在车辆识别和复杂场景下的识别效果。识别结果表明，在背景信息非常复杂的情况下，注意力层难以快速定位到关键特征区域，在经过多轮特征提取后，编码器得到了大量的无关特征，导致解码器在推理生成阶段缺乏充足的优质信息，致使模型训练不充分，降低了图像识别的准确率，但该图像识别模型仍能克服噪声信息的干扰，能取得较高的图像识别准确率。