基于改进Cascade R-CNN模型的机器人抓取检测研究

为提高多物体抓取检测网络的抓取检测准确率，提出一种基于改进Cascade R-CNN模型的机械臂抓取检测算法.首先，引入ResNeXt结构能够在不加大网络设计难度的前提下提高了模型的准确率；引入带空洞卷积的空间金字塔池化模块以解决分辨率较低的问题；接着对抓取框回归分支和角度分类分支以分治方法进行优化.其次，针对多物体抓取数据集缺乏的问题，构建多目标抓取数据集(multi-object grasping dataset, MOGD),有效地扩充了多物体抓取检测数据集.最后，基于改进Cascade R-CNN模型设计抓取检测网络，实验结果表明，改进后的算法效率更高，PI-Cascade R-CNN实验准确率为93%,较Cascade R-CNN提升1.5个百分点.     

基于和声搜索的近邻传播算法

针对近邻传播算法中偏向参数调优难的问题,提出了一种基于和声搜索的近邻传播算法(HS-AP),利用和声搜索自动为数据集匹配最佳偏向参数,进而提高算法聚类精度。HS-AP算法首先把偏向参数编码为和声,利用和声算法自动搜索最佳和声,并将搜索到的和声解码为偏向参数进行运算。在UCI标准数据集上进行实验对比表明HS-AP算法在准确率,兰德指数,正则化互信息三个指标方面均有提升。准确率平均提升了6.36%,兰德指数平均提升了4.677%,正则化互信息平均提升了19.04%。     

改进蚁群算法结合BP网络用于入侵检测

针对用BP神经网络进行入侵检测时权值难以确定的问题,提出一种基于改进蚁群算法与BP网络的入侵检测方法。基于蚁群算法构建解特点,正反馈自催化机制和分布式计算机制和BP网络局部精确搜索的特性,将蚁群算法和BP算法有机结合,利用蚁群算法优化BP网络,并对蚁群算法进行改进。通过KDD99CUP数据集分别对基于不同算法集合的BP神经网络进行了仿真实验,结果表明:改进算法收敛速度快,迭代次数较少,可在一定程度上提高入侵检测系统的准确率。     

基于视觉的水面背景下目标检测与跟踪算法

为解决清漂船在复杂水面背景下对漂浮物体积较小或被遮挡的检测与跟踪问题,提出了一种基于视觉的水面背景下目标检测与跟踪算法,通过利用YOLO改进的多粒度特征融合方法使得模型在最终检测时所提取的特征向量考虑更多底层的特征,并引入K邻域搜索感兴趣区域模块,与长短期记忆神经网络(LSTM) 相结合,弥补了卷积神经网络的时序关联性差的缺陷,根据目标当前帧语义特征和运动特征预测下一帧中目标所在位置,能够更快的提取目标的特征,并且有效的去除复杂背景的干扰。实验结果表明：该算法的跟踪平均成功率、平均准确率和平均速度分别为57.1%、71.1%、45.4fps。较好解决因被检测目标过小的问题,提升在跟踪目标被遮挡的情况下的跟踪性能。     

基于卷积神经网络的网络入侵检测系统模型

针对传统入侵检测算法普遍存在的检测准确率偏低、误报率高和对未知安全威胁检测的不足等问题,利用卷积神经网络的数据特征提取自主发现和提取的技术特征以及高准确率,提出一种基于卷积神经网络算法的网络入侵检测系统模型,公开数据集测试结果显示该模型较传统的入侵检测方法有较高的准确率和较低的漏报率。     

基于深度神经网络剪枝的两阶段遥感图像目标检测

在高分辨率遥感图像目标检测中,受云雾、光照、复杂背景、噪声等因素影响,现有目标检测方法虚警率高、速度慢、精确度低.为此提出基于深度神经网络剪枝的两阶段目标检测(object detection based on deep pruning,ODDP)方法.首先,给出深度神经网络剪枝方法,基于深度神经网络剪枝分别提出自主学习区域提取网络算法与优化训练分类网络算法;然后,将上述两算法用于卷积神经网络,得到两阶段目标检测模型.实验结果表明,在NWPU VHR-10高分辨率遥感数据集上,相比现有目标检测方法,ODDP的检测速度和精度均有一定提升.     

基于改进Faster-RCNN的露天煤矿开采区遥感识别方法

利用卫星遥感技术融合深度学习算法,可以快速、动态、高效识别露天煤矿开采区,以我国和其他煤炭资源大国的典型露天煤矿开采区为研究对象,基于高分二号多光谱遥感影像,制作数据集及标签,构建基于卷积神经网络(convolutional neural networks, CNN)的深度学习目标检测算法.通过加入特征金字塔网络,充分挖掘开采区及背景区的低分辨率语义信息和高分辨率纹理信息,实现快速卷积神经网络的深度学习目标检测算法模型的改进及参数优化.结果表明改进后的模型平均检测精度提高到98.48%,总体识别精度达到96.7%,有效提高了复杂背景下的多尺度、多类型露天开采目标的识别精度,为全球煤炭资源大国能源合作、生态环境保护及我国矿产资源的合理利用和修复提供了科学、精准手段.     

图像分类卷积神经网络的进化设计

为解决图像分类中深度卷积神经网络(Convolutional neural networks,CNN)中较为复杂的人工网络设计与调参问题,提出基于ResNet模块的进化卷积、神经网络(Evolutionary convolutional neural network,ECNN)的自动设计方法,并将其运用到图像分类中.该方法基于ResNet模块与2D卷积层,采用进化算法(Evolutionary algorithm,EA)对网络结构及参数进行优化.在NLM官方发布的疟疾数据集下进行实验,不同比例的测试集划分可以达到95.6%的分类准确率,文中算法与AlexNet、VGG16、Xception等人工设计的深度学习分类算法进行了比较,实验结果表明,其准确率提升了约1%.在斯坦福大学发布的Stanford cars车辆图像数据集中进行了算法泛化验证,结果表明,文中算法在不同比例数据的测试中准确率均在94.5%以上,将该算法与深度学习分类算法VGG16进行比较,准确率效果相当,模型测试图像分类耗时仅为VGG16耗时的1/13,且训练参数量较少.两组对比测试实验数据表明,相比人工设计的深度学习算法,本文方法具有较好的图像分类性能与较快的图像分类速度.     

融合残差网络的CR-BiGRU入侵检测模型

针对当前网络攻击的复杂性和多样性,传统模型提取流量特征不足且准确率较低的问题,提出一种融合残差网络改进的CR-BiGRU混合模型的网络入侵检测方法.首先将数据集进行归一化以及独热编码处理,然后利用基于残差网络的卷积神经网络提取空间特征,最后使用双向门控神经网络提取时间特征,完成模型的训练并实现异常网络的入侵检测.为表明模型的适用性,基于数据集NSL-KDD和UNSW-NB15进行对比分析实验,结果表明,该方法基于上述数据集准确率分别达99.40%和83.79%,明显优于经典网络入侵检测算法,能有效提升检测网络入侵的精度,从而更好保证网络数据的通信安全.     

基于残差神经网络的转子焊点图像检测方法

针对微型电机转子焊点检测费时费力且准确率低的问题,提出一种基于残差神经网络的转子焊点检测方法。首先运用网络预训练的方法加速网络训练,提高模型准确率;然后在网络中引入批量归一化,避免出现梯度消失;最后对图像进行数据增强,减少过拟合现象。实验表明,与K最近邻(KNN)等经典算法相比,该算法在测试集上的准确率达到91.5%,与工人检测的速度相比提高了3.5倍,具有很好的识别效果。     

论专利检索的方法与技巧

随着科技信息的发展,专利的研究也越来越重要,而对专利检索信息的要求也就越来越高,但是不同的检索平台还有不同的检索方法以及在具体的操作中存在着差异,有的检索平台还有专利分析和二次检索的功能.几乎每个检索平台都是通过分类检索和关键字进行专利信息的检索.这对于非专业的使用者来说无疑提供了很大的方便,我们可以根据各个平台的特点以及我们对专利信息的需求程度进行选择适合的专利信息检索平台.该文简要介绍各个专利检索网站的专利检索方法以及专利检索方法在各个行业的应用情况,并且据以分析专利检索的意义和发展趋势.     

网络信息检索工具浅析

搜索引擎是人们使用Internet信息资源的重要工具。对目前的搜索引擎进行了简要的分析,以百度搜索等为例,详细介绍了相关网络信息检索工具以及如何在短时间内能够掌握利用和运用Internet的资源找到人们所需要信息的方法。     

论我国刑事搜查制度的完善

刑事搜查是侦查措施的一种,属于依靠强制力的国家行为。由于其可能侵犯公民的宪法权利,即住宅和人身自由不得侵犯的权利,故各国法律均对搜查制度予以严格规定。本文通过对刑事搜查的基本界定,阐述刑事搜查的基本原则,结合大陆法系与英美法系刑事搜查制度的比较,将刑事搜查的分类予以明确,并通过了解与搜查相关的非法证据排除以及救济规则,结合我国具体国情,发现刑事搜查在我国立法和司法中的问题,借鉴他国合理合法的做法,为我国刑事搜查制度的完善针对缺陷提出一些建议。     

库存信息快速检索方法的研究——指针、索引、直查综合查询法

本文对信息库中的信息内容进行条件组合检索提出了一种新的方法:指针、索引、直查综合法。应用该方法可以大大提高检索速度,为条件组合的快速工作开辟了一条有效的新途径。     

钞票纸张的两级搜索定位法

为了消除传输纸机的机械传动部分存在偏差而引起的钞票纸大张图像在空间位置上的偏移,以及因生产工艺波动而导致钞票纸的防伪特征区在大张图像中空间位置的波动,提出一种在钞票图像检测之前对大张图像和防伪特征区进行两级搜索定位的方法。该方法首先使用差平方和法对采集的大张图像四边进行搜索定位,然后针对不同的防伪特征区分别采用改进的快速相关函数法和基于核的直方图统计法进行搜索定位。实验结果表明该方法能够为后续的检测提供高效、精准、高质量的检测条件。     

浅谈网络信息检索

文章全面介绍了网络信息检索的概念、方法,影响网络信息检索的因素、提高网络信息检索效率的方法,还讲述了网络信息检索未来发展趋势。     

基于用户的批量图像元搜索引擎设计

根据基于文本的元搜索引擎,在如今独立的图像搜索引擎不够成熟的条件下,提出构建图像元搜索引擎,部分解决了图像搜索难的问题。同时提出基于用户的服务和批量图片搜索技术。基于用户的思想是为用户开辟存储块,用以记录用户近期的使用方案,方便用户更加快速地进行搜索。批量搜索技术相对提高搜索大量图片的速度,节约用户的时间。     

TS+BS混合算法及在Job Shop调度问题上的应用

为解决较大规模的最小化完工时间 Job Shop调度问题 ,在 Tabu Search(TS)和 Beam Search(BS)方法基础上 ,提出一种采用基于问题结构信息的搜索树生成方法和搜索策略的调度算法 ,该算法采用通过有选择地对解空间进行分枝和评估相应的分枝实现算法迭代的 Beam Search机理 ,并利用局部搜索能力强的 Tabu Search搜索算法进行各分枝的评估 ,进而确定适合 Beam Search算法迭代的理想分枝 ,以降低 Beam Search算法漏掉好解的可能性。并用 4 0个最小化完工时间 Job Shop调度问题的 Benchm ark实例进行了数值计算。计算结果表明 ,该算法效率高 ,解的性能令人满意 ,并适应于较大规模的调度问题     

FAST搜索技术及其应用研究

介绍了FAST公司研制推广使用的企业搜索技术、相关搜索技术及其在不同企业的应用。FASTESP向用户安全提供了结构、非结构与多媒体数据检索点．为新的智能检索建立新的标准。所具备的上下文识别、可测量性和制订解决方案的超级性能极大程度地改变着公司从事贸易的活动方式，同时也改变了用户的搜索信息方式。     

建筑业信息搜索引擎研究

Web信息的急剧增长使搜索引擎专用化成为发展趋势。重点论述了主题搜索引擎的信息采集策略,并给出了一种比较理想的建筑业信息搜索引擎设计方案。