课程文献中心 更多>>

关键词： 深度补全   多模态融合   自动驾驶   稀疏深度图  

摘要： 在自动驾驶领域，稀疏深度图的密集化是重要研究课题，对3D重建和3D目标检测等任务具有突出意义。提出一种新颖的深度补全框架SFN-D。该框架基于多模态数据融合和语义分割设计，利用多模态数据各自的优势来补充稀疏深度图中的缺失深度，从而有效补充稀疏深度图。为了实现这一目标，采取一种借助传感器标定进行数据转换从而实现多模态数据融合和深度图修正的方案，该框架融合了来自图像和激光雷达的特征图，可与现有任何优秀的点云语义分割网络和图片分割网络相适配，无需任何专家知识且能够开放性的实现稀疏深度图的深度补全。使用自动驾驶领域中广泛使用的KITTI Depth Compeletion数据集与相似深度补全方法评估了SFN-D，实验结果表明与其他深度补全方法相比，SFN-D有效且有更高的精度。

关键词： 模糊函数   函数   可微性   KKT条件   Fuzzy Function   Function   Differentiability   KKT Condition  

摘要： 本文深入研究了模糊函数的可微性及其在优化问题中的应用。针对现有研究的不足，本文进行了以下核心贡献：1) 统一模糊函数的可微性理论：梳理了H可微、S可微、G可微等不同可微性定义的逻辑脉络，构建了统一的理论框架，为研究者选择合适的可微性定义提供了指导。2) 构建模糊优化的KKT条件：针对模糊优化问题，建立了KKT条件的统一框架，使得这些理论在实际应用中可以更灵活地解决多样化的模糊优化问题。本文进一步分析了模糊序关系对KKT条件的特殊性影响，并通过模糊截集运算的置信水平优化，提出了适用于G可微的框架。

关键词： 变压器   故障诊断   深度学习   多重降噪   完全自适应噪声集合经验模态分解   递归分析   卷积神经网络  

摘要： 针对噪声干扰情况下变压器振动信号特征难以提取、时间信息利用率低的问题，提出基于多重降噪与递归图相结合的故障诊断方法。通过完全自适应噪声集合经验模态分解联合自适应小波阈值对振动信号进行多重降噪；采用递归分析将时序信号构造为递归图，保留时间依赖性和非线性动力学特征；利用卷积神经网络在图像处理上的优势，以递归图为输入，提取空间特征，从而实现变压器的故障诊断。结果表明：所提方法误报率低且诊断准确率为98.125%，证明了该方法能有效适用于变压器振动信号故障诊断。

关键词： 加密恶意流量分类   深度学习   马尔可夫链   马尔可夫转移概率矩阵   流量处理   特征过滤  

摘要： 为了解决现有加密恶意流量分类方法现多存在的特征表达能力受限、噪声敏感性强、模型泛化能力不足的情况，该研究提出了一种使用三维二阶马尔可夫矩阵图像进行深度学习分类(Deep learning classification using three-dimensional second-order Markov matrix images,DLC-TSM)的加密恶意流量分类方法。通过将三维二阶马尔可夫概率矩阵特征变换与深度学习相结合，将原始网络流量转换为RGB特征图像，再结合创新的阈值过滤算法增强特征表征能力，采用深度学习神经网络对生成的图像特征进行深度挖掘，实现流量类别的精准识别。实验结果表明，该方法在三个不同场景的四个加密恶意流量数据集上验证了该方法有效性，分别达到了99.33%、99.07%、97.98%、98.17%的最好准确度。DLC-TSM有效解决了加密流量特征提取与分类精度间的矛盾，其图像化表征策略为流量分析研究提供了新的技术路径。

关键词： 两类索赔过程   广义Erlang(2)分布   扩散干扰   Gerber-Shiu惩罚函数   Two-Class Claim Process   Generalized Erlang(2) Distribution   Diffusion Disturbance   Gerber-Shiu Penalty Function  

摘要： 考虑一个受布朗运动扰动的两类索赔风险模型，两个索赔过程分别是独立的泊松过程和广义Erlang(2)过程。以Gerber-Shiu函数为研究对象，首先得到了由索赔导致破产和扰动导致破产的两种情况下惩罚函数满足的积分–微分方程及拉普拉斯变换的表达式。当两类的索赔额均呈指数分布时，给出了一个具体的数值例子。

关键词： 带有互补约束的数学规划问题   松弛方法   约束规范   稳定点   Mathematical Programming Problems with Complementary Constraints   Relaxation Method   Constraint Qualifications   Stationary Point  

摘要： 本文讨论互补约束优化问题(MPCC)。MPCC在金融经济，交通规划，网络设计等领域有着重要的应用。由于MPCC的特殊结构，MPCC在可行点处不满足大多数的约束规范。因此，MPCC问题在理论分析和算法设计上都是较难处理的。本文基于Mangasarian互补函数构造出的松弛问题，证明在MPCC-rCPLD约束规范条件下，松弛问题的稳定点列收敛于MPCC的M-稳定点。并且证明如果增强假设条件，松弛问题的稳定点列收敛于MPCC的强稳定点。

关键词： GeoGebra   对数函数   教学案例设计   GeoGebra   Logarithmic Function   Teaching Case Design  

摘要： 文章研究了基于GeoGebra软件的高中对数函数教学设计。针对对数函数教学的难点，文章提出利用GeoGebra软件来增强教学的直观性和互动性，动态模拟各种参数的变化过程，研究结合理论，设计翻转课堂与协作学习活动，使“数”与“形”完美结合。教学设计通过GeoGebra的动态演示功能，帮助学生深入理解对数函数的图像、性质及应用。

关键词： 组合优化   图   伊辛模型   最大割   小世界网络   规则网络   随机网络   MZ调制器  

摘要： 针对传统计算机枚举算法计算时间会随问题规模指数增长的问题，提出一种基于Mach-Zehnder(MZ)调制器的伊辛机仿真算法，用于高效求解组合优化问题。利用余弦函数模拟MZ调制器的干涉输出特性，其次引入高斯随机数模拟系统噪声，最后通过数值迭代模拟系统的动力学演化。选取顶点数为16和100的规则网络、小世界网络和随机网络的最大割问题作为测试案例，结果表明：该算法对16顶点网络的成功率达到100%，对100顶点随机网络仍保持88%的成功率；在计算效率方面，求解25顶点规则网络时，伊辛算法仅需0.42 s，相比枚举法的29.93 s展现出显著优势。本研究不仅为复杂网络优化问题提供了高效解决方案，同时为MZ伊辛机的实验设计提供了理论参考。

关键词： 热演化程度   页岩储集相   储层特征   龙马溪组   泸州区块  

摘要： 我国南方海相页岩气勘探开发中，传统岩相划分未充分考虑热演化对储集空间的影响，进而导致高热成熟海相页岩的开发效果欠佳。为此，提出基于热演化程度、有机质质量分数和矿物成分的储集相划分方法，以提高储层评价的准确性，并优选出优势储集相类型。研究采用薄片观察、扫描电镜和多种实验测试，对四川盆地南部下志留统龙马溪组页岩储集相特性进行了系统分析，并对储层进行了综合评价。结果显示，川南龙马溪组页岩储集相主要为过成熟富有机质硅质页岩（OR-S）和过成熟富有机质混合质页岩（OR-M）。纵向上，储集相自下而上呈现出过成熟富有机质硅质页岩（OR-S）向过成熟富有机质混合质页岩（OR-M）的过渡趋势。横向上，储集相非均质性显著，南西至北东方向硅质矿物质量分数逐渐降低，呈现出过成熟富有机质硅质页岩（OR-S）向过成熟富有机质混合质页岩（OR-M）和过成熟富有机质黏土质页岩（OR-A）的过渡特征。通过灰色关联度分析法，建立了储集相指数分级标准，选取总有机碳（TOC）含量、含气量、孔隙度、储集相厚度比、硅质矿物质量分数及黏土矿物质量分数作为关键评价指标，确定了过成熟富有机质硅质页岩（OR-S）为最优储集相。该储集相具有“热演化程度适中、TOC含量高、含气量高、孔隙度大、硅质矿物质量分数高、储集相厚度大”的特征，表现出优越的储层性能。

关键词： 医学影像报告生成   相似实例驱动   异质图   特征融合   图像-文本生成  

摘要： 医学影像报告自动生成任务存在影像对比度低、异常区域较小的难题，仅依靠影像信息难以精准刻画异常特征，因此如何引入外部知识来增强视觉表征成为解决问题的关键。此外，异常特征的共现关系复杂，依赖单一样本难以捕捉，如何利用相似实例建模共现模式至关重要。针对上述挑战，本文提出一种相似实例引导下融合异质图的医学影像报告生成方法，包括结合异质图的图像特征记忆模块和相似实例特征融合模块。结合异质图的图像特征记忆模块提取报告实体关系，构建报告对应异质图为桥梁，引导模型关注图像异常区域，增强异常视觉特征；相似实例特征融合模块检索相似实例，融合相似实例的异常视觉特征，增强异常区域特征表达的同时，获取更全面的异常信息。在IUX-ray和MIMIC-CXR这两个医学影像数据集上进行的实验评估显示，所提方法在BLEU系列评分指标上表现优秀，IUX-ray上B1～B4分别为0.539，0.353，0.265，0.193。同时，该方法在METEOR和ROUGE-L 指标上的表现同样卓越。实验结果表明，所提方法在自然语言生成指标和生成报告的准确性、完整性方面优于现有主流方法，证明了方法的有效性。