基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

技能映射通过析取模型诱导的多分知识结构

基于程序性知识的评估,提出由项目自身的状态结构诱导多分知识结构的方法,以建立适用于问题解答的多分评估体系.首先,根据各项目的解答或操作步骤设定响应值集,通过项目状态转移函数定义项目状态空间;然后,用操作程序表示技能,由过程函数导出析取的技能映射;最后,讨论技能映射通过析取模型诱导的多分知识结构.结果表明：技能映射通过析取模型诱导的多分知识结构是多分知识空间.     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

数字孪生驱动下永磁同步电机滑模变结构一体化解耦控制

提出数字孪生驱动下永磁同步电机（PMSM）滑模变结构一体化解耦控制方法,改善永磁同步电机控制能力。构建基于数字孪生技术的永磁同步电机控制结构,通过设备层采集实际永磁同步电机运行数据及环境数据,作为数字孪生驱动数据来源,孪生建模层依据获取永磁同步电机数据,构建永磁同步电机的数字孪生驱动模型以及虚拟场景,经虚拟模型与虚拟场景耦合后,在虚拟场景中还原永磁同步电机运行状态;在孪生控制层中设计精确线性化解耦控制方法,并构建速度、电流一体化滑膜解耦控制器,在虚拟环境中通过解决永磁同步电机速度与电流之间的非线性耦合问题,完成实体电机解耦控制;同时数字孪生控制结构各层之间通过孪生数据传输实现数据交换与指令下发,实现有效的电机控制。经实验验证：经该方法控制后,永磁同步电机可在负载突加与突卸状态下保持平稳的电流与转矩,同时还可以迅速调整电机转速,使电机保持在理想状态下运行。     

基于压缩感知的在线多示例学习目标追踪

近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题。然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度。为了解决这一问题,在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息。因此,我们提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪。通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性。     

直线电机瞬态特性的场路耦合分析法

运用磁网络法,进行了单边直线感应电动机的性能分析。提出了此种电机的磁网络模型,由电磁场方程导出了磁网络的参数,从而考虑了直线电机边端效应、绕组不对称分布等结构特点。场路耦合及机电耦合法的运用,使文中提供的分析模型更接近实际情况,适合于动态特性的分析     

一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

一种新型的无刷同步电动机

改进逆序串激式无刷同步电动机在结构上和电气上的缺点,提出一种新型的励磁方式,以获得结构和电气性能更优的无刷同步电动机。方法应用 自控和斩波技术,实现励磁电流的自动调节。