最新刊期
- 摘要：路径规划是移动机器人自主导航中的核心步骤，旨在从起点到目标点生成一条无碰撞的、代价最小的轨迹。为提升移动机器人路径规划的效率和全局最优性，提出一种融合改进双向A*搜索与动态窗口法的IBA-IDWA算法。该算法在A*搜索中引入基于障碍物分布的启发式函数以提高搜索效率，并在动态窗口法中设计基于轨迹端点与局部目标距离的代价函数以增强全局一致性。同时，该算法通过预测障碍物运动模式、识别危险区域，并根据环境障碍物密度自适应调整机器人速度窗口大小。仿真实验结果表明，与传统A*算法相比，改进双向A*算法的规划效率提升14.07%；在动态避障任务中，与现有融合算法相比，IBA-IDWA的避障成功率提高5%以上。IBA-IDWA算法能在静态与动态环境中显著提升路径规划效率与路径质量，为移动机器人自主导航提供了一种有效方案。关键词：移动机器人;路径规划;双向A*算法;动态窗口法4|1|0更新时间：2026-07-30
-
基于异同矩阵的不平衡数据处理算法 AI导读
摘要：不平衡数据分类是机器学习领域的重要挑战。传统方法独立进行特征选择与过采样，一方面扰动特征重要性评估并引入采样噪声；另一方面仅考虑异类样本区分度，忽略同类样本相似度，难以准确识别判别性特征。针对该问题，提出基于异同矩阵的不平衡数据统一处理算法ISDM，通过引入异同矩阵（SDM），利用其同时捕获异类区分度与同类相似度的特性，从多角度量化样本与特征的判别信息，为特征选择和样本质量评估提供统一度量基础。该算法首先基于SDM剔除冗余特征，构建低维特征空间；其次，利用SDM计算的样本重要度对少数类进行聚类与加权插值，确保特征选择与过采样在一致信息度量下协同工作，避免了信息割裂导致的性能损失。在12个基准数据集上的实验表明，ISDM在CART和NN分类器下的F-measure分别为85.69%和84.43%，AUC分别为91.67%和92.23%，相较对比算法平均提升2.22%~9.88%，验证了其对不平衡数据集的分类性能。关键词：不平衡数据;异同矩阵;特征选择;过采样;粗糙集理论4|0|0更新时间：2026-07-30 - 摘要：实时、准确的交通流量预测对城市管控与治理等方面具有重要的现实应用价值，而现有方法在动态时空依赖建模和特征提取方面存在不足。为进一步提高预测精度，提出了注意力融合的特征增强动态图卷积模型（AFEDGCN）用于预测交通流量。首先，模型将空间注意力与动态图卷积融合以增强对节点空间相关性建模，同时使用交互式卷积增强节点自身特征，结合GRU建模同步时空相关性。其次，使用多头时间注意力以捕获时间相关性，并通过全局图卷积对整个时间段内的全局空间相关性进行建模；最后，对时空特征进行自适应融合以预测未来交通流状况。通过在多个真实的世界交通数据集上进行实验，与先进的GDGCN和DGCRN相比，MAE指标分别降低了1.65%和4.80%，MAPE降低了2.36%和3.93%，结果表明该模型性能与当前先进模型相比更具优势。关键词：交通预测;空间注意力;多头时间注意力;特征增强;动态图卷积3|0|0更新时间：2026-07-30
- 摘要：针对电力物资合同履约风险评估中存在的多源信息不确定性及专家意见冲突问题，提出一种融合犹豫模糊语言集（HFLTS）与改进Dempster-Shafer证据理论（DSET）的风险评估和公司达成模型。首先，构建多维风险指标体系，利用HFLTS处理专家评价的模糊性；其次，提出基于犹豫度与相似度的二维动态可靠度测度方法，将专家可靠性纳入基本概率赋值（BPA）计算以动态修正证据源权重；再次，设计“显性引导+隐性建议”的双重反馈共识机制，通过迭代优化提升群体意见一致性；最后，基于改进DSET融合规则生成评估结果。算例分析表明，该模型将“与政府规划冲突”（风险值0.302）识别为首要风险；在处理冲突证据时，动态可靠度机制能将低质量证据源权重从17.0%自动降至5.1%，且双重反馈机制仅需6轮迭代即可达成0.902的高水平共识。该模型在收敛速度与抗干扰能力上优于传统方法，能够为电力物资管理提供量化决策支持。关键词：电力物资;风险评估;D-S证据理论;群体决策;系统仿真4|1|0更新时间：2026-07-30
-
基于微调前后层相似度的对抗样本检测方法 AI导读
摘要：对抗样本通过微小扰动误导分类模型产生错误预测，发展对抗样本检测技术对提升模型鲁棒性至关重要。现有的对抗样本检测方法多利用模型末端输出层特征，而忽视了模型内部的层级化表征信息。分析了预训练语言模型中对抗样本与原始样本在各隐藏层输出的表征差异，并提出了分层对抗样本检测框架，通过计算模型微调前后原始样本与对抗样本每一层隐藏层输出的相似性，揭示两者在层间相似度变化模式上的显著差异。基于此，提取层相似度作为关键特征，并采用One-Class SVM模型学习正常样本的层相似度分布，进而实现对对抗样本的准确识别。将此检测框架在4个文本分类基准数据集和3种攻击方法下进行了实验，结果表明该方法在F1和AUC指标上均优于当前领域最优算法，较最强基线最高提升8.6%，且在多种预训练编码器架构上表现出良好的泛化能力。关键词：对抗样本检测;防御机制;隐藏层特征;模型鲁棒性;One-Class SVM4|1|0更新时间：2026-07-30 - 摘要：胸部X光成像是临床胸部疾病筛查与诊断的重要手段，但现有方法往往仅依赖局部特征提取，难以充分利用图像的上下文信息与解剖结构先验，导致识别精度和鲁棒性受限。为此，提出了一种双引导上下文优化模块，融合了解剖掩膜引导的空间注意力与边缘引导的通道注意力，从解剖与结构层面增强特征表达能力。同时，针对现有方法在疾病标签共现关系和语义关联建模方面的不足，构建了可学习的标签共现知识库，用于捕获疾病间的共现关系与语义相似性。实验结果表明，该方法在ChestX-ray14和CheXpert两个公开胸片数据集上分别取得了85.0%和89.6%的AUC分数，验证了所提框架在多标签胸部疾病识别任务中的有效性和泛化性。关键词：多标签分类;解剖先验;标签共现;知识库;医学影像4|1|0更新时间：2026-07-30
- 摘要：红外小目标检测旨在从复杂背景中识别出尺寸微小、对比度较低的目标，其性能依赖于模型对弱信号特征的提取、边界区域的精确刻画及背景干扰的抑制能力。现有方法中普遍存在浅层结构信息与深层语义特征交互不足、静态单尺度融合策略适应性差等问题，导致在复杂背景中目标边界模糊、识别精度下降。在MSHNet模型的基础上，提出一种双向特征交互和动态尺度感知融合机制的检测模型，模型通过双向特征交互模块实现编码器与解码器间的高效特征交互，利用轻量化通道注意力增强目标区域响应与边界判别能力，后续引入动态尺度感知融合模块，根据不同尺度特征对目标识别的贡献度自适应分配融合权重，从而优化特征整合并强化边界表达，有效提高了目标边界的识别能力。在NUDT-SIRST与IRSTD-1K数据集上的实验结果显示，该模型比基准算法交并比分别提升了1.7%和2.0%，验证了模型的有效性。关键词：红外小目标检测;双向特征交互;动态尺度感知融合;U-Net网络;深度学习2|0|0更新时间：2026-07-30
- 摘要：在有限耕地资源下优化种植方案对乡村经济发展具有重要意义。基于混合整数线性规划与进化策略模型，对某乡村种植策略进行优化。通过设置最小种植面积约束并引入离散化处理，建立最大化净收益的优化模型；结合长期需求，利用Spearman相关系数分析作物替代性与互补性，并通过进化策略提升方案适应性。实验结果表明，该方法较传统线性规划更能应对市场与环境变化，显著提高种植收益，具备较强的鲁棒性和推广价值，为农业种植规划提供科学决策支持。关键词：最优种植方案;混合整数线性规划模型;进化策略模型;Spearman相关系数;时序序列分析4|0|0更新时间：2026-07-30
- 摘要：多模态视频分析是理解复杂动态场景与人类行为的重要途径，但现有视觉语言模型常采用单一固化的时序建模范式，难以自适应地处理视频中多样的动态模式（静态背景、短程动作与长程周期性行为等），制约了视频分析深度与泛化能力。为此，提出一种动态多专家融合框架DMEF。首先，设计一个自适应专家调度器，根据输入视频的内容特征，动态选择并融合3种不同粒度的时序建模专家：全局静态专家用于维持静态语义泛化能力，短程动态专家专注捕捉局部帧间变化，长程上下文专家建模全局时序依赖关系；其次，建立一个可随视频内容自适应调节的智能建模架构，让视频内容分析的解释性得到提升。在少样本学习与跨域泛化任务上，DMEF方法在HMDB51、UCF101数据集上的性能最优；在SSv2数据集上，当K=8时性能最优。在跨域泛化任务中，DMEF方法在HMDB51数据集中的识别准确率优秀。关键词：视频动作识别;少样本学习;跨域泛化;视觉语言模型;时序建模;多模态视频分析3|1|0更新时间：2026-07-30
-
基于自适应决策边界的命名实体识别 AI导读
摘要：命名实体识别是自然语言处理的重要任务，但实际应用中常面临类别分布不平衡的问题，导致少数类实体难以准确识别，影响模型整体性能。现有方法多依赖线性或球形决策边界假设，难以刻画少数类样本在特征空间中的复杂分布，限制了模型对少数类实体的判别能力。为解决上述问题，提出一种基于自适应决策边界优化的命名实体识别方法（ABO-NER）。该方法利用非线性判别函数构建灵活的决策边界，并针对不同类别特征进行独立建模，同时引入类内压缩与类间分离约束，实现决策边界的自适应优化，从而提升少数类实体的识别能力。在ACE2005、GENIA、MOVIE、OntoNotes5.0、JNLPBA和Few-NERD 6个公开NER数据集上的实验结果表明，该方法在宏平均F1值和微平均F1值上均优于现有基线模型，其中，在GENIA、JNLPBA和OntoNotes5.0数据集的极端不平衡设置下，Macro-F1值分别提升了3.93%、3.60%和2.94%，验证了该方法在类不平衡场景下的有效性与鲁棒性。关键词：命名实体识别;类别不平衡;自适应边界优化;决策边界;非线性判别函数;少数类识别4|1|0更新时间：2026-07-30 - 摘要：针对当前大语言模型（LLM）技术在教学中存在的答案泄露、策略不可控和引导有效性不足等关键问题，聚焦数学智能辅导场景设计了一种基于思维链（Cot）与大语言模型的引导式数学教学系统CoT_MathTutor。首先，将大语言模型与思维链相结合，通过有限状态机机制约束LLM的生成过程，实现了可控的渐进式启发教学；其次，提出StepCoT方法对每一条解题步骤进行细粒度的结构化拆解，将宏观的解题思路转化为逻辑严密、语义明确的多步链式结构，以促进学生自主推理能力的培养。实验表明，在小学数学应用题辅导任务中，基于GPT4的CoT_MathTutor系统的问题解决成功率提升了18%，教学评分提高了0.18，展示出了强大的动态适应性与策略灵活性，相较于开放生成的GPT-4提升显著。系统模块化设计不仅保证了教学策略的可控性，还为后续教学方法的优化和扩展提供了灵活框架，为LLM在教育领域的应用提供了重要参考，推动了智能辅导系统向更有效、更可控的方向发展。关键词：大语言模型;思维链;数学辅导;启发式教学;状态机;智能教育4|2|0更新时间：2026-07-30
-
维吾尔语多模态敏感信息识别系统设计与实现 AI导读
摘要：随着互联网技术普及，南疆地区面临严峻的多模态敏感信息传播挑战。为此，提出“文化语义—技术特征”双驱动分析框架，通过构建多模态数据集、跨模态特征融合模型和方言鲁棒性表征学习等关键技术，设计分层架构智能识别系统。将算法公平性、文化敏感性和隐私保护作为核心设计准则，通过可解释的人工智能决策与人工复核机制，在提升治理效能的同时最大限度降低技术误用与文化伤害造成的风险。实验表明，系统敏感信息识别准确率≥92%，误报率≤10%，检测时效缩短至毫秒级；标准语料场景准确率达93.2%，方言场景误报率降至8.7%，文化符号误报率控制在3.2%以内，效率较传统方法提升5倍，为边疆治理提供了“技术赋能、伦理约束、文化尊重”三位一体的数字化范式。关键词：维吾尔语;敏感信息;多模态数据集;特征融合模型;鲁棒性5|1|0更新时间：2026-07-30 -
面向大语言模型的高效联邦低秩适应微调方法 AI导读
摘要：大语言模型通过微调可很好地适应特定任务，联邦学习可使用设备的本地数据进行原位计算，进一步增强了隐私保护的微调。现有方法通常采用低秩适应方法进行高效地联邦微调，但依赖传统的联邦学习聚合策略，未充分挖掘大语言模型的潜力，无法很好地解决模型异构配置带来的挑战。为此，提出一种将低秩矩阵乘积差与自适应奇异值分解（SVD）相结合的新方法FedPDS。首先，利用低秩矩阵乘积差引入更多模型参数来扩充表征空间，有效解决了低秩矩阵在下游任务中的表示局限性；其次，在服务器端部署自适应奇异值分解机制，动态重新分配参数以适配异构客户端的计算条件。实验表明，FedPDS在同构、异构联邦环境中显著优于现有的低秩适应方法，收敛速度更快、性能更优。关键词：联邦学习;大语言模型;低秩适应;模型异构性;奇异值分解3|0|0更新时间：2026-07-30 - 摘要：焊缝质量与工业装备的结构完整性、运行安全直接相关，高效、准确地识别焊缝表面缺陷是实现智能制造与质量控制的关键。传统焊缝缺陷检测方法在复杂干扰场景下存在检测精度低、泛化能力不足等问题。基于此，提出一种基于YOLOv12的轻量化改进模型YOLOv12-DSD，以实现对焊缝表面缺陷的高效精准检测。首先，在特征提取阶段引入动态卷积机制，搭建C3k2_D模块，提升模型对复杂纹理特征、多尺度缺陷目标的适配能力；其次，在边界框回归阶段，通过设计SMPDIoU损失函数，提升模型对目标几何结构差异和定位误差的建模能力；最后，在检测头引入Dyhead模块，依靠尺度、空间、任务3个维度的注意力机制，加强多类别缺陷的特征表达与判别能力。基于包含1 414张焊缝缺陷图像的数据集开展消融实验和对比实验，结果表明，YOLOv12-DSD模型参数量为2.13 M，精确率为92.41%、召回率为74.80%、mAP@0.5为87.66%，整体性能优于现有主流检测算法。该模型在轻量化的基础上提升了检测性能，拥有较好的工业落地部署价值。关键词：焊缝缺陷检测;动态卷积;轻量化模型;YOLOv124|1|0更新时间：2026-07-30
- 摘要：密码技术是信息安全的基石，用于保障信息的完整性、机密性和不可否认性。PCIe密码卡虽广泛应用于各类场景，但其存在设计复杂、异常检测不足及固件更新不便等问题。为此，提出了一种基于SoC PCIe端点模式密码卡的设计方案。首先，使用SoC集成双模式的PCIe控制器和密码算法引擎，从而简化硬件结构；其次，设计一种灵活的软件架构，软件部分包括引导固件、PCIe EP软件框架、算法引擎和守护进程等，以拓展应用场景；最终，实现权限管理、密钥管理与密码运算等功能，并增强状态监控和异常处理能力，以支持热升级与日志记录。基于SoC芯片RK3588实现的密码卡，在数据包2MB时，DMA性能达理论值的72%。关键词：片上系统;密码卡;PCIe端点;直接内存访问;状态监控3|1|0更新时间：2026-07-30
- 摘要：针对视觉感知退化环境下，自动驾驶车辆定位精度下降甚至定位失效的问题，提出一种以惯性测量单元（IMU）为中心的视觉-LiDAR-IMU-GNSS多传感器融合系统。该系统整体框架由3个子系统构成：视觉-IMU子系统（VIS）、LiDAR-IMU子系统（LIS）以及GNSS-IMU子系统（GIS）。首先，设计IMU机械化处理向VIS和LIS提供精确先验姿态信息，以IMU为中心辅助其他子系统完成初始化过程；其次，将IMU、视觉、LiDAR与GNSS的观测量转化为误差因子，构建多传感器融合因子图模型；最后，针对后端优化过程中计算量大的问题，在滑动窗口内采用自适应消元方法，将因子图转换为贝叶斯网络进行优化计算。在KITTI和M2DGR两个数据集中测试的平均轨迹误差分别为2.379 m和2.699 m，CPU平均占用率31.9%，相较于VINS-Mono、LIO-SAM和LVI-SAM算法，本文方法平均定位精度分别提高了77.26%、19.78%和45.75%。关键词：自动驾驶;多传感器融合;SLAM;因子图优化;变量消元5|1|0更新时间：2026-07-30
-
基于要件事实抽取与推理引导的类案检索方法 AI导读
摘要：类案检索是提升司法裁判一致性与法律适用精准性的关键技术，在智慧司法体系中日益重要。现有方法多侧重于文本语义相似性与表层匹配，难以建模案件背后的裁判逻辑与法律要件关系。为此，提出一种基于大语言模型要件事实抽取与推理引导的类案检索方法。首先，利用大语言模型与句法分析识别裁判文书中的核心行为事实，构建法律要件事实；其次，引入法律知识图谱进行语义增强与推理引导，提升裁判逻辑的一致性建模能力。实验结果表明，所提方法在Precision@5/10（49.09%、48.93%）、MAP（50.38%）及NDCG@10/20/30（79.27%、84.16%、88.94%）等指标上优于基线模型，在类案匹配中的优势明显，为构建具备裁判逻辑感知能力的类案检索提供了理论支撑与技术路径。关键词：智慧司法;类案检索;大语言模型;法律要件;法律知识图谱3|0|0更新时间：2026-07-30 -
结果模式隐藏的联合查询加密多映射方案 AI导读
摘要：联合查询加密多映射技术（cEMM）在保障外包数据机密性的同时支持多标签联合查询。为了解决查询结果模式泄漏带来的数据隐私风险，设计了一种具备结果模式隐藏特性的联合查询加密多映射方案。通过优化查询令牌与服务器存储结构，可在不泄漏查询结果模式的条件下完成联合查询。安全性分析表明，该方案能有效隐藏查询结果模式，通信开销相较于较现有代表性方案降低了69.75%。关键词：对称可搜索加密;加密多映射;联合查询;访问模式;通信效率4|1|0更新时间：2026-07-30 - 摘要：雾天环境会导致道路画面清晰度下降，对路面病害检测工作产生严重影响。针对现有去雾方法在路面病害检测中存在细节恢复不足及模型较复杂的问题，提出一种多尺度一体化去雾网络。首先，在网络中引入多尺度特征提取与加权融合模块，通过3个不同尺度的分支提取特征，并结合通道注意力、空间注意力与固定权重融合策略，增强远近景的上下文表达；其次，设计由平均绝对误差、均方误差与结构相似性组成的混合损失函数；然后，基于改进霜冰优化算法的参数优化策略，对学习率等关键参数进行寻优；最后，在合成雾天道路缺陷数据集上开展实验。结果表明，提出的多尺度一体化去雾网络参数量仅为0.137M，帧率达到115 f/s，轻量化程度较高，同时在峰值信噪比、结构相似性等指标上优于其他算法。此外，该网络在关键病害区域恢复了更丰富的纹理细节，为后续雾天路面病害检测奠定了坚实的技术基础。关键词：图像去雾;路面病害检测;混合损失;YOLOv11;FRIME优化算法4|2|0更新时间：2026-07-30
- 摘要：语音情感识别是自然语言处理领域的一个重要分支，旨在通过计算机技术自动识别与分类语音中的情感信息。在藏语这一特定语言环境中，由于相关研究较少且现有研究普遍采用多特征融合策略，存在特征提取繁琐、特征维度高、计算开销大等问题。为此，取45维的梅尔频率倒谱系数（MFCC）表征音频情绪，提出轻量级网络模型ST-CapsNet。首先，以时空特征提取器与胶囊网络为核心，通过时空特征提取器捕获MFCC的时间、空间信息；其次，将信息输入胶囊网络进行深度分析。在自建的藏语语音情感语料库TSEC-4528、公开语料库EMO-DB、RAVDESS（Speech & Song）上的实验表明，所提模型分别取得了78.59%、96.34%、87.60%和97.54%的未加权准确率，证明了该方法对藏语语音情感识别的有效性与跨语种的适应性。关键词：藏语;语音情感识别;梅尔频率倒谱系数;胶囊网络4|2|0更新时间：2026-07-30
- 技术支持由北京北大方正电子有限公司提供 鄂ICP备18021494号-4
鄂公网安备42010602004949号 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0