【摘 要】
：
在三维未知环境中无人机目标搜索是一项非常具有挑战性和现实性意义的任务.鸽群优化算法相比于其他智能算法收敛速度快,搜索效率高,适用于目标优化任务,因此提出一种基于鸽群优化算法的多无人机目标搜索方法,无人机通过搜索目标留下的信息素搜寻目标.针对鸽群优化算法容易陷入局部最优的问题,利用基于差分进化策略对鸽群优化算法进行改进.仿真实验验证了提出的基于改进鸽群优化算法的多无人机目标搜索方法的合理性和有效性.
【机 构】
：
河海大学物联网工程学院,江苏 常州 213000
论文部分内容阅读
在三维未知环境中无人机目标搜索是一项非常具有挑战性和现实性意义的任务.鸽群优化算法相比于其他智能算法收敛速度快,搜索效率高,适用于目标优化任务,因此提出一种基于鸽群优化算法的多无人机目标搜索方法,无人机通过搜索目标留下的信息素搜寻目标.针对鸽群优化算法容易陷入局部最优的问题,利用基于差分进化策略对鸽群优化算法进行改进.仿真实验验证了提出的基于改进鸽群优化算法的多无人机目标搜索方法的合理性和有效性.
其他文献
网络大数据采集是研究网络行为的基础,可为理解网络行为特征提供真实有效的数据基础.已有的Flo w Radar测量方法可针对所有流实现流量编码和解码,且占用较小内存和具备恒定的计数更新时间,但却需要对每个报文进行哈希计算,存在内存访问次数多和计算开销高的问题.针对该问题,基于协议无关交换架构(PISA),采用P4语言设计实现了报文聚合模块和流逐出模块,并通过仿真实验验证了加速模型在吞吐量和网络延时等方面的性能优化.
为了掌握地板辐射供暖室内热环境情况,以便在温和地区更好地应用太阳能地板辐射供暖,以丽江市某公共建筑供暖房间为例,用Fluent仿真软件对该房间进行了数值模拟,并对室内温度云图、速度云图进行了分析,模拟结果表明:当供水温度为35℃、回水温度为30℃时,地板温度最高达到了24.6℃,平均温度普遍在22.7℃左右;室内空气流速最高为0.2 m/s,人体活动区域气流速度在0.06 m/s左右.地板辐射供暖能完全满足室内热舒适要求,且温度分布均匀、节能环保,是一种良好的供暖方式.
入侵检测系统的防御性能经常受到类不平衡数据的影响,为了自动提取稀缺类别的数据特征,提高入侵检测系统识别未知网络攻击的精度,提出一种代价约束算法.首先,基于栈式自动编码器构建深度神经网络,在隐藏层的神经元上添加稀疏约束;其次,通过生成代价矩阵优化代价目标函数,对类不平衡数据特征分配代价;最后,利用反向传播微调神经网络模型参数,得到最优的特征向量.仿真结果表明,在面对多维和类不平衡数据时,与FAE算法和NDAE算法相比,代价约束算法在入侵检测精度和收敛性方面均有提升.
针对全卷积孪生网络目标跟踪算法(Siam FC)在目标形变、遮挡和快速运动等复杂场景中易导致跟踪失败的问题,提出一种利用混合注意力机制增强网络识别能力的算法(SiamM A).首先,在训练阶段提出堆叠裁剪法构建自对抗训练样本对,以模拟实际跟踪时的复杂场景,使训练的网络模型具有更强的泛化性.其次提出混合注意力机制,在网络不同分支融合使用空间注意力和通道注意力网络模块,有效抑制了特征图中的背景干扰,提升算法的鲁棒性.采用GOT-10k、UAV123等4种数据集进行算法性能评测实验,结果表明本文算法的跟踪成功率
谣言的传播会破坏社会秩序、危害国家稳定、造成大众恐慌,而社交平台的广泛应用使得信息传播速度更快、波及范围更广,加大了谣言造成的负面影响,如何快速准确地识别网络谣言成为信息传播领域的热点问题.谣言识别本质上是一个二分类问题,因而基于贝叶斯分类的思想设计了网络谣言识别的朴素贝叶斯分类算法,利用Matlab软件构建朴素贝叶斯分类器,并采用从微博中收集的数据对该算法进行实验验证,通过控制训练集,对比识别结果的准确率、精确率、召回率和F1值,探究了不同训练条件下的朴素贝叶斯分类器对谣言与非谣言的识别情况和内含规律.
随着人工智能技术的爆炸式发展,机器学习、深度学习等技术在人脸识别、行人检测和视频跟踪等各个领域得到了广泛的应用,其中利用目标检测进行室内人数统计一直以来是一个热门的研究.室内监控画面存在人群相互遮挡,且目标特征模糊等问题,往往导致检测准确率低,误检率和漏检率高等情况的出现.为了解决此问题,提出了一种基于全局注意力的室内人数统计模型,引入注意力机制,对目标检测算法YOLOv3进行改进,通过提取更多小人头或模糊人头的特征来增强检测能力.实验结果表明,改进后的网络模型具有更高的召回率和平均精度.
针对目前存在的应用于联盟链的实用拜占庭容错(PB F T)共识算法扩展性差、能耗高、效率低和主节点选取方式简单的问题,提出一种基于角色管理的拜占庭容错(RPBFT)共识算法.首先,将系统中的节点划分为管理者、候选者和普通节点3类具有不同职责的角色节点.其次,候选节点具有投票权,投票选举相应的候选节点为管理者;普通节点在满足条件后可以转化为候选节点.最后,通过奖励机制管理不同类型的角色节点之间的转化;不同角色节点的数量能够在网络节点总数发生变化时动态调整,使得算法可以适应动态网络.通过实验得出RPBFT共识
针对目前糖尿病视网膜病变识别主要依赖于医生的临床经验,病变特征难以用肉眼区分且识别率较低等问题,提出一种基于注意力神经网络的糖尿病视网膜病变分类方法.首先,对原始数据集中的视网膜图像进行归一化、直方图均衡化和数据增强等预处理;其次,调整经典的DenseNet,在避免梯度消失和保证分类精度的前提下,有针对性地减少连接数,提出了2-DenseNet,同时将注意力模块嵌入到2-DenseNet中,指导网络关注视网膜图像中的渗出物、厚血管和微动脉瘤等特征,使用改进后的网络对预处理后的图像进行训练并测试;最后,在公
异步时钟域设计中CDC信号的时序分析及收敛是超大规模高频数字电路设计功能正确的重要保证.为了减少设计面积,提出了一种CDC信号滑动窗口时序分析方法,该方法在每种corner的每条CDC通路上单独设置适当的时序约束窗口进行时序计算与分析,有效避免了常用的固定约束分析方法由于约束条件过严导致的虚假时序违反及不必要的时序修复,而使设计面积增大的问题,减轻了CDC电路的后端设计工作量.在16 nm工艺下的实验结果表明,该方法在时钟树偏差较大时与固定约束分析方法相比显著节省了设计面积.
针对雾霾情况下室内外图像深度难以估计的问题,提出了融合感知损失函数的单幅雾霾图像深度估计方法.首先采用双尺度网络模型对雾霾图像进行粗提取,再结合底层特征进行局部细化;然后在上采样阶段使用多卷积核上采样方法,得到雾霾图像的预测深度图;最后将像素级损失函数与感知损失函数结合构造新的复合损失函数,对网络进行训练.在室内NYU Depth v2数据集和室外Make3D数据集上进行训练、测试和验证,结果表明:添加了多卷积核上采样方法和复合损失函数的双尺度网络模型能够很好地估计出单幅雾霾图像的深度信息,提高了雾霾情况