课程文献中心 更多>>

关键词： k-哈密顿连通图   充分条件   谱半径   无符号拉普拉斯谱半径   α-谱半径  

摘要： 令图G是一个简单连通图。如果从图G中去掉任意k个顶点后,所得图中的任意两个顶点可被一条哈密顿路连接,则称图G是k-哈密顿连通的。本文首先给出了图G是k-哈密顿连通一个关于团数的充分条件,而后获得了图G是k-哈密顿连通多个关于谱半径、无符号拉普拉斯谱半径和α-谱半径的充分条件。本文结果推广了Chen和Zhang (2019)所得到的二部图是2p-哈密顿双连通关于谱半径和无符号拉普拉斯谱半径的充分条件的结论。

关键词： 钢轨定位   标签生成   边缘引导   旋转目标检测  

摘要： 钢轨定位是下游钢轨缺陷检测的先驱任务，但现有的旋转目标检测器很难处理具有任意倾斜角度和高纵横比的道岔路段钢轨。为此，提出了一种基于模糊边缘引导和旋转高斯函数的无锚框网络，用于道岔区段的钢轨定位。首先，提出了基于旋转高斯函数的标签生成策略，该策略根据钢轨的特定纵横比和方向生成更平滑合理的标签值。其次，设计了一个边缘学习模块，以鼓励网络对钢轨的边缘区域进行建模。此外，还开发了一个边缘引导模块，用于引导网络将下采样网络输出的特征和增强后具有更精细的位置和结构信息的边缘区域特征进行融合。同时，该模块中嵌入了局部通道注意力机制来挖掘关键通道。最后，在轨道数据集上进行的实验表明，RP-Net可以在复杂的场景中实现有前景的定位精度和良好的适应能力。

关键词： 深度学习   迁移学习   脑电图   情感识别   注意力机制   异构脑电特征图插值   机器学习   残差网络  

摘要： 基于脑电信号(Electroencephalogram， EEG)的情感识别受脑电数据量和设备电极规格限制，迁移学习方法通过插值法将脑电信号转换为脑功能地形图，并利用预训练模型进行特征提取，但该方法在提取情感信息方面存在局限性。为提高迁移学习性能和情感识别泛化能力，文中提出一种基于异构脑电特征图空间注意力迁移学习的情感识别方法。利用插值法插值成的脑功能地形图数据预训练一个基于空间注意力机制和残差网络的脑电特征映射网络，作为插值法的替换方案与迁移学习模型结合，在情感识别模型训练时利用空间注意力机制更有效地捕获情感信息。将所提方法在DEAP、HCI、SEED-IV和SEED-V这4个情感识别数据库上验证，准确率分别为54.8%、63.6%、32.8%和25.9%。

摘要： 在高中数学的学习过程中,听讲、做题是学生掌握知识的重要方法,但是如果学生长期处在这样的学习环境下,那么就很容易产生疲倦心理,而且学生的发散思维和创造性思维也会被限制.为了激活学生的思维,提高知识学习的效率,让学生把握住知识点间的关系,思维导图学习法未尝不是一种好方法.学生在搭建导图的过程中,能够进一步理解知识间的关系,建立起系统的知识体系.下面具体分析.

关键词： 聚类   密度峰值   k近邻图   相对路径距离   两级分配策略  

摘要： 密度峰值聚类(DPC)算法简单高效,能够识别任意形状簇,但在处理簇间密度差异大的数据集时,不能准确识别出簇中心.同时,其分配策略可能会导致连续的分配错误.为解决上述问题,提出一种基于k近邻图的密度峰值聚类(kNNG-DPC)算法.首先,利用k近邻思想构造k近邻全局图和局部图,并在此基础上提出新的局部密度和相对路径距离,从而保证簇中心选取的正确性;然后,制定一种两级分配策略,对不同密度大小的数据点采用不同的分配策略,以避免出现连续的分配错误.在10个合成数据集和8个真实数据集上,将kNNG-DPC算法与6种优秀的聚类算法进行对比,实验结果表明, kNNG-DPC算法的聚类表现优于对比算法,能获得更好的聚类结果.

关键词： 多智能体系统   集合一致性   集合稳定性   领导-跟随  

摘要： 针对领导智能体和跟随智能体可能发生碰撞的情况，结合实用一致性和恒同一致性特点，本文提出并研究领导-跟随多智能体系统的集合一致性。首先，选取不含零的有界集合，给出集合一致性的概念；然后，设计合适的分段牵引控制协议，建立误差系统，将多智能体系统的集合一致性问题转化为误差系统的集合稳定性问题，得到加权有向网络拓扑结构下多智能体系统达到集合一致的充分条件；最后，数值模拟验证理论结果的正确性。

关键词： 深度图超分辨率   边缘结构   梯度特征   频率引导   隐式神经函数  

摘要： 颜色图像引导的深度图超分辨率(GDSR)旨在利用同一场景下高分辨率(HR)彩色图像提供的引导信息，将低分辨率(LR)深度图重建为高分辨率深度图。尽管基于空间域的学习方法可以有效提高深度图的整体重建质量，但在从低分辨率深度图进行重建时，仍然面临“边缘结构模糊”的问题。为了解决该问题，提出了梯度频率引导多阶段整合的深度图重建网络（GFNet），利用颜色图像的梯度先验和频率信息来增强深度边缘结构细节的重建。首先，设计了一个梯度特征提取模块，结合了RGB图像的梯度先验知识来优化LR深度图的梯度结构。其次，设计了一个空间频率双路引导模块，将RGB图像中精确的高频成分传递到LR深度图中，从而引导深度图丢失的高频信息重建。最后，采用一种新颖的隐式神经函数来提高深度图的分辨率。实验结果表明，在8倍缩放因子的情况下，GFNet在数据集NYUv2、Middlebury以及真实场景数据集RGB-D-D上RMSE指标分别达到了2.48cm、1.62cm、2.57cm，相比于结构更复杂的模型GeoDSR，分别提升了0.14cm、0.06cm、 0.12cm，并在边缘结构细节方面优于对比方法，证明了GFNet模型的有效性。

关键词： 子全域(SED)基函数   区域连接模型(CRM)   快速偶极子方法(FDM)   大规模介质-金属复合周期结构  

摘要： 在计算大规模介质-金属复合周期结构的电磁散射时，传统积分方程方法存在未知量大、存储占用多和计算时间长等问题。本文采用广义Poggio-Miller-Chang-Harrington-Wu-Tsai (PMCHWT)-电场积分方程(electric field integral equation， EFIE)方法计算均匀介质金属复合结构的电磁响应。该方法通过在分界面处设置区域连接模型(contact-region modeling， CRM)来保证边界处的连续性。为加速子阵列阻抗矩阵填充，本文采用快速偶极子方法(fast dipole method， FDM)来提高计算效率并降低内存占用。结合子全域(sub-entire-domain， SED)基函数方法，子阵列的电流分布特征可被推广到大规模介质金属复合周期结构的电磁场计算中。数值算例表明，该方法能够在保证计算精度的同时大幅度降低计算代价，内存占用降低至商业软件Altair FEKO(使用快速多层多级子方法)的1/10，计算误差在2.6 dB以内。

关键词： 图神经网络推荐算法   双通道注意力机制   时间编码  

摘要： 针对多数图神经网络推荐算法未结合时间信息导致信息浪费和推荐结果不准确的问题，本文提出融合双通道注意力和时间编码的图神经网络推荐算法（GUITRec）。该模型充分利用数据集中信息，将用户自身特征、物品信息及用户与物品交互行为建为图结构，通过图神经网络进行数据聚合以形成用户和物品表征行为，从而更全面地捕捉两者特征及关系。其次，引入双通道注意力机制（CBAM）为用户和物品表征行为赋予不同权重，使模型依据权重进行深度学习，更关注重要特征信息。最后，引入时间编码器模型对用户与物品交互时间及用户位置编码，新增日、周、月周期编码和位置编码，充分挖掘时间和位置信息，为推荐提供更丰富上下文。在Ciao数据集上进行实验，在MAE、MSE和RMSE 三个评价指标上，GUITRec 均优于基线模型。

关键词： 结构安全   结构可靠度   功能函数   随机变量   概率密度函数  

摘要： 功能函数的概率分布的计算是不确定性量化及可靠度设计中的核心问题，最近提出的等效期望法是解决该问题的有效途径。本文提出了一种改进的等效期望法。针对既有等效期望法中的辅助变量取值对其概率分布有重要影响的问题，提出了辅助随机变量标准差系数的合理计算公式，得到了更为精确的辅助函数的概率分布。同时，针对既有等效期望法中由两个辅助函数的概率分布计算功能函数的概率分布时存在的计算精度问题，本文仅用一个辅助函数推导了功能函数概率分布的计算公式，提出了一种由辅助函数到功能函数的概率分布精确理论变换，使得功能函数概率分布的计算更为精确。最后通过三个算例验证了该方法的有效性和准确性。结果表明，该方法适用于高维非线性或隐式功能函数的概率分布近似计算。