371.
针对桥式起重机负载摆角检测中的非匀速运动模糊、光照变化及背景干扰问题,提出一种基于单目视觉负载摆角的实时检测方法。该方法以球形标记为特征目标,并构建通道与空间可靠性自适应特征跟踪器（CSRTAFT）与梯度分层自适应圆检测（GHACD）算法的协同框架。首先,CSRT-AFT通过动态… … 相似文献
372.
针对DETR(DEtection TRansformer)在小目标检测方面精度较低的问题,提出一种基于改进DETR算法的小目标检测方法。首先,针对骨干网络ResNet-50在小目标特征提取方面提取能力弱、效率低以及易丢失细节等问题,使用一种结合多尺度注意力机制的改进MetaFor… … 相似文献
373.
为了提高短期风电功率预测的准确性,提出一种基于贝叶斯优化和特征融合的xLSTM(extended Long Short-Term Memory)-Transformer模型。该模型综合应用长短期记忆（LSTM）网络的时序处理能力和Transformer的自注意力机制的动态特征融合… … 相似文献
374.
路径规划旨在给定的环境中,为移动对象找到一条从起点到目标点的最优或可行路径。现有的路径规划方法在地下空间中环境信息构建、可行路径搜索、障碍碰撞风险等方面存在不足,导致路径规划结果缺乏泛化性、高效性以及运动可行安全性。提出了一种基于拓扑信息引导的时空状态图搜索（TG-SGS）算法。… … 相似文献
刘亚杰;秦力;余松芹;杨丰锐;王军;祁永强 《计算机科学与探索》2026,20(2)
375.
针对地球静止轨道暗弱小目标在光学成像条件下信号微弱、背景复杂以及传感器噪声显著等问题;开展了基于频域增强与向量约束的检测方法研究。在单帧图像层面引入二维Haar小波变换;将图像分解为低频背景与高频细节子带;采用多尺度频域增强模块对高频特征进行强化;并通过逆小波重建与残差映射实现多… … 相似文献
张晗;兰晓青;辛必乔;王兵书;张来线 《计算机科学与探索》2026,20(2)
376.
超导量子测控（QMC）中,2次测量之间的空隙（或称测量间隙）作为测控流程中的关键环节常被设置为量子比特能量弛豫时间的数倍,远大于实际信号发送和采集的时间,导致产生大量的空闲等待时间。针对这个问题,提出一种基于可变触发的优化方法。首先,对QMC流程进行时间建模,识别出触发周期是限制… … 相似文献
范智强;王立新;何昊冉;马葛羽岩;岳峰 《计算机应用》2026,(2)
377.
组合优化作为数学优化领域的重要分支,致力于在有限离散解空间中寻找最优解,其在计算机科学、数学、经济学等多个领域中广泛运用。然而,随着问题规模的扩大,传统求解方法面临巨大挑战。近年来,机器学习技术的迅猛发展为组合优化研究带来新契机,尤其是图神经网络凭借其强大的结构建模能力与特征学习… … 相似文献
朱叶;丁苍峰;曹博浩;陈科鑫 《计算机科学与探索》2026,(2)
378.
随着深度学习技术的不断进步,异常行为检测已经从传统的机器学习阶段转向为深度学习方法的应用,并且异常行为检测的研究焦点从单人异常行为转向多人异常行为。基于深度学习的多人异常行为检测已经成为计算机视觉领域的研究热点。对于多人异常行为检测来说,需要根据场景的不同选择合适的特征提取方法与… … 相似文献
王言杰;王晓强;赵刘锐;庄旭菲 《计算机科学与探索》2026,(2)
379.
极端弱光、雾霾与恶劣天气、水下浑浊等环境正从“边缘工况”走向视觉系统的常态场景,使成像信噪比极低、退化机理复杂、目标尺度微小和分布外风险并存,传统视觉模型在智慧城市、自动驾驶、深空深海探测等关键应用中面临明显性能瓶颈。现有研究多围绕单一退化类型或单一任务展开,从统一退化建模、整机… … 相似文献
赵致远;高君宇 《计算机科学与探索》2026,(2)
380.
人工智能在信用风险评估中能有效识别风险并提升决策效率,然而,现有信用风险数据普遍存在类别不平衡问题,导致模型在预测时偏向多数类,影响评估的准确性和可靠性。针对数据不平衡问题,提出一种融合变分自编码器（VAE）和条件表格生成对抗网络（CTGAN）的混合生成模型（VCTGAN）,用于… … 相似文献
王轶群;王笑;高燕程 《计算机科学与探索》2026,(2)
关于我们 |
广告服务 |
商务洽谈 |
联系我们 |
免责条款 |
隐私声明 |
网站导航
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
