融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法.该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像...     

基于先验稀疏模型的光谱图像压缩采样检测

压缩信号处理为更加高效地实现光谱图像数据采集和处理提供了有效途径,针对传统压缩采样检测算法未针对待测信号专门设计采样矩阵,检测性能低于传统采样方式,且鲁棒性较弱的问题,提出了一种待测信号稀疏模型先验条件下的光谱图像压缩采样目标检测方法.该方法利用待测信号的稀疏表示子空间构造压缩采样矩阵,增强采样矩阵的信息获取能力;采用...     

基于改进神经网络PID的永磁同步电机控制研究

永磁同步电机是高度耦合的非线性时变系统,针对传统的比例积分微分(proportion inte-gration differentiation,PID)控制方式不能完全发挥内置式永磁同步电机的最大转矩电流比控制响应快、精度高的优点,提出了 一种基于差分进化算法的优化神经网络对电流环PID参数进行整定的控制方法,采用Ma...     

基于深度学习的系统异常检测综述

基于深度学习的系统异常检测可划分为：基于堆栈自编码(SAE)、基于卷积神经网络(CNN)、基于深度置信网络(DBN)、基于循环神经网络(RNN)以及基于生成对抗网络(GAN)等5类系统异常检测方法。为了梳理出当前深度学习技术在系统异常检测应用中所面临的问题以及应对方法,分别对这5种检测方法的建模思想、在系统领域的应用实现以及它们各自的特点进行了对比论述,并对深度学习在系统异常检测领域未来的发展进行了展望。     

预报风强度对火箭最大气动载荷精度影响及建模分析

针对不同预报风强度的精度以及其对应的最大气动载荷预报值精度的研究文献极少。以某地区实况风为基准,分别对不同预报风强度的精度以及其对应的最大气动载荷预报值精度特征进行了分析,并利用多元线性回归方法建立了订正模型,结果表明在预报日数第1～11天,预报风强度越大,预报风精度及其对应的最大气动载荷预报值精度越高;利用多元线性回归方法可提高最大气动载荷预报值精度,且预报风强度越小,最大气动载荷预报精度提高越明显。这些发现在火箭发射前的飞行保障及安全决策方面具有参考价值。     

增强路由器安全性的一种措施

路由器是军用电子信息系统的关键互联设备,提高路由器自身的安全性非常必要。首先对路由器涉及到的安全问题作了较为详细地分析,然后给出一种增强路由器安全性的技术措施。该措施重点处理终点包对路由器的威胁,将入侵检测模块与数据包过滤模块进行联动,通过入侵预防、入侵时的检测和响应、入侵后的快速分析与恢复等三个环节,提高路由器抗攻击的能力。最后探讨了该措施对路由器性能的影响。     

基于改进后语义分割模型的障碍物检测方法

障碍物检测是确保无人水面艇避障和安全航行的关键技术，针对水面反光区域误检和水面分割不准确导致的漏检问题，提出了一种基于改进后语义分割模型的障碍物检测方法，通过图像预处理、语义分割模型、显著性估计实现障碍物检测。首先，通过在预处理环节对水面中反光区域进行去除，避免其对后续检测的干扰；然后，通过引入海天线估计参数，用于调整语义分割模型初始化和先验信息，提高水面分割精度；最后，在水域范围内选取H形边界集合构造背景模型，由此判断水面中非水像素为障碍物。实验结果表明：该方法可以提高水面障碍物检测的准确度。