自重构的多机器人免疫网络模型及其应用

针对多机器人网络系统存在故障检测与修复、网络重构与修复等问题,提出了自重构的免疫网络模型,将正常的节点表示为自体,将受损的节点或外来非法机器人表示为异体,用重构算法优化受损的系统,用免疫算法消除故障并修复系统.研究了免疫计算技术在多机器人网络系统的应用方法.设计了多机器人免疫网络的免疫算法和网络重构算法,给出了多机器人灭火的应用例子.     

基于正弦注意力表征网络的环境声音识别

将正弦注意力表征网络引入环境声音识别,首先提取梅尔频率倒谱系数（Melfrequency cepstral coefficient,MFCC）作为音频识别特征,使用门控循环单元提取MFCC每一帧的特征,根据正弦函数激活每一帧音频得分,并依照每一帧的音频得分为音频重新分配权重,从而将注意力集中在音频重点区域。最后结合全连接层和Softmax分类器对环境声音类别进行判别。实验在公开数据集Urban Sound 8K上验证并与其他模型对比,结果表明所提出模型效果最好,在数据集上的识别率高达93.5%。     

森林灭火水源选址的建模与仿真

森林火灾发生时,有效的水源地对消防员灭火有着良好的辅助作用。以攸县黄丰桥国有林场为例,提出一种基于元胞自动机动态生成加权Voronoi图的重心模型和交替定位分配算法局部优化的森林灭火水源选址规划方案。为减小水源覆盖高火险区域比例不达标的影响,建立加权Voronoi图的重心模型。为保证各Voronoi区域有充足的可用水资源,确保选址密度的合理性,采用交替定位分配算法对上述模型进行局部优化。仿真结果表明,所提方法能显著提高森林灭火工作效率。     

动态人脸图像序列中表情完全帧的定位与识别

考虑到人脸表情演变是一个持续过程，相比于静态图像，动态图像序列更适合作为人脸表情识别的研究对象。该文提出了一种基于嵌入网络的序列帧定位模型，利用加载预训练权重的Inception ResNet v1网络提取人脸表情序列各帧的特征向量，通过计算特征向量间的欧氏距离，定位出具有最大表情强度的完全帧，进而获取人脸表情序列数据；为了进一步验证定位模型的准确性，分别利用VGG16模型和ResNet50模型对定位的完全帧进行人脸表情识别。在CK+和MMI人脸表情数据库上进行了实验，所提的序列帧定位模型的定位平均准确率分别达到98.31%和98.08%；利用VGG16模型与ResNet50模型对定位的完全帧进行表情识别，在两个数据库上的实验结果分别达到了96.32%和96.5%，87.23%和87.88%，结果表明所提出的模型能够获取可靠的表情完全帧，并取得了令人满意的人脸表情识别效果。     

基于DFA复合式Agent模型的设计与实现

针对机器人团队协作检测与跟踪动态目标的需要,提出1种基于有限状态自动机(DFA)的复合式Agent模型。通过结合有限状态自动机的行为状态模型,对复合式Agent模型进行改进,在固定路线的动态目标跟踪实验中,对改进前后的Agent模型实际实验数据进行比较,并将该模型应用于基于区域的多机器人多目标跟踪实验中。结果表明:改进后的Agent模型通过有限状态自动机中的状态抽象,不仅从目标检测与跟踪的角度提高了Agent个体性能,还从社会的角度,提高了群体团队的协作性能;提出的模型通过行为状态模型将动作、决策等与环境信息进行了有效的分离,从而具有较好的可移植性和高扩展性;改进后的Agent模型跟踪偏差期望值与样本方差均降为改进前的一半,为实时的目标协作检测与跟踪提供了有效途径。     

基于模糊逻辑的雾天图像增强改进算法

针对传统模糊增强算法的缺陷,提出了一种基于正弦函数变换的模糊增强算法.该算法首先对雾天图像进行规范化,降低不同雾况对图像灰度级分布范围的影响;其次通过一种改进的模糊化算法将图像从灰度域变换到模糊域,在模糊域内对低灰度区域进行衰减运算,对高灰度区域进行增强运算;最后将图像从模糊域变换到灰度域.试验表明,该算法可以有效提高...     

基于复值谱图的重参数化结构声源分离条件网络

通过改进频率变换块以适应多源任务,并扩展了标准的U-Net进行多源分离.首先,提出一种基于复值谱图的条件机制网络,以捕获与源相关的时频模式;其次,采用潜在源注意力机制提取全局时频信息,建立长距离和层级化的时频依赖关系,根据重参数化结构丰富卷积块的特征空间,在不大量增加参数的前提下可以保持相同的性能;最后,在MUSDB源...     

CNS-Net:一种循环多注意力特征聚合架构

基于卷积神经网络(convolutional neural network, CNN)方法在高分辨率遥感图像分类时，提取全局特征信息和局部特征信息方面有一定优势，但不能有效区别关键信息和干扰信息。由此，提出一种端到端的CNS-Net网络来提取图像显著性特征。首先，设计了一个全局增强性模块(global enhancement module, GEM)通过显示建模通道之间的相互依赖关系，使网络选择性提取关键区域；其次，提出了一个多级循环注意模块(multi-stage cyclic attention module, MCAM)来捕捉特征信息的长期依赖关系和上下文感知信息；最后，在4个公共数据集上进行实验，结果表明所提方法达到了最优的分类性能。     

基于群体智能的森林火灾蔓延仿真模型

针对传统森林火灾蔓延模型的计算复杂度高、仿真精度低等缺点，提出一种基于群体智能的森林火灾蔓延仿真模型。在模型中通过建立可燃物因素影响因子矩阵和地貌因素影响因子矩阵，并结合实时检测的气象信息，降低计算复杂度；将森林火灾的蔓延行为抽象为每一个模块火点的集群行为，考虑模块之间的关联性，提高森林火灾蔓延仿真模型精度。将模型与王正非模型和二维元胞自动机模型进行对比实验，结果表明模型具有较高精度，能够更加准确地仿真出森林火灾蔓延趋势。