目标检测方法针对特定场景进行训练,需要识别的物体都要人工标注,检测器只能识别被标注的物体。随着目标检测应用场景逐渐增加,特定场景下训练的目标检测器不能满足多样化场景需求,目标检测方法的泛化性能成为研究者关注热点。不同场景中存在同一物体标签不一致,不同物体特征差异较大等问题,导致在特定场景下训练目标检测器无法泛化到其他场景。针对上述挑战,研究者提出面向开放词汇目标检测方法,利用大量图像-词汇知识将目标检测器从特定场景扩展到开放场景。检测器扩展到开放场景通常有两种方式,即基于大规模图像标题数据方法和基于预训练视觉语言模型方法。基于图像标题数据方法通常需要从大量数据中提取与物体相对应的词汇知识注入检测器,基于视觉语言模型方法则直接利用预训练的知识扩展检测器。开放词汇目标检测模型无需重新训练即可应用在不同场景,更加实用有效。

针对混合车队车辆路径优化问题,考虑电动车多次充电、油电混合车队配置比例及车辆装载量对能耗的影响,以包含油耗成本或电动车能耗成本在内的总成本为目标构建数学模型,提出一种改进的遗传-变邻域模拟退火算法,通过实例验证算法的可行性和准确性。仿真试验表明,与全电动车配送方案相比,油电混合模式的配送成本降低25.8%,时间窗惩罚成本降低91.2%;与全燃油车配送方案相比,油电混合模式的碳排放降低62.2%。针对混合车队路径优化问题模型,相对于传统遗传算法,遗传-变邻域模拟退火算法可以更快求得最优解,验证了算法的有效性。根据油电混合车队配置比例对模型的影响分析可知,最优配置比为1∶1时,可以获取最优解。

为降低矩阵分解(matrix factorization, MF)模型面向推荐系统应用的训练时间,特别针对细粒度稀疏的特征矩阵在训练过程中存在大量无效乘法运算的问题,提出一种基于特征矩阵联合稀疏性进行近似计算的训练加速方法。基于隐因子向量稀疏性强弱基本不变的特点,提出在模型训练初期,根据隐因子向量的稀疏性,对特征矩阵重新排列;在训练过程中,采用早停法,避免无效乘法运算。试验结果表明,模型训练过程中乘法运算次数可最多降低28.41%,加速前后评分预测值相关系数约0.95。所提出方法可以保证预测准确性小幅降低的同时,显著减少训练中的乘法运算次数,针对更大规模的矩阵分解模型训练,能实现更好的加速效果。

为明晰异质网约车平台竞合行为,以利他因子连续量化平台合作意愿,考虑网约车需求的时变特性,基于时空网络构建异质平台竞合均衡模型,描述异质平台竞合行为与其收益的耦合关系。根据模型的非线性特征,以利他因子、司机工资率以及出行服务价格为局部搜索对象,设计迭代局部搜索算法求解模型,解析异质平台竞合行为。通过算例分析发现,迭代局部搜索算法的求解性能优于遗传算法,且能够识别出好解特征;轻资产平台单方面将利他因子从0增加到1,系统总收益降低,而重资产平台单方面将利他因子从0增加到1,系统总收益提高;网约车需求量和时变特性都会影响异质平台竞合行为;轻资产平台利他因子会随网约车需求的增加从0变为1。

针对现有网络嵌入方法忽略高阶结构,嵌入过程与社区发现任务独立进行,影响社区发现质量的问题,提出基于双视角网络嵌入聚类集成社区发现算法(community detection algorithm based on dual-view network embedded clustering integration, DNECI),算法包括双视角网络嵌入和聚类集成两部分。双视角网络嵌入模块对网络属性信息与拓扑信息实现自适应融合,保留网络属性信息与拓扑的高阶结构。聚类集成模块包括模块度优化和聚类优化两个组件,模块度优化组件利用高阶拓扑结构得到具有最优模块度的社区结果;聚类优化组件通过自监督聚类方法在嵌入空间得到聚类结果;引入互监督机制使两种视角的社区发现结果具有一致性。在4个真实数据集与15个算法进行对比试验,结果表明,DNECI在准确率和标准互信息至少比最先进的基准算法平均提高2.5%和1.4%,在调整兰德系数和F1分数至少平均提高3.7%和1.7%,具有较好的社区发现效果。

针对视觉结构类似导致的文种相似性问题,基于局部三值模式的相邻共生矩阵(co-occurrence of adjacent local ternary patterns, CoALTP)提出一种具有判别性和鲁棒性的局部三值模式的相邻共生矩阵(discriminant and robust co-occurrence of adjacent local ternary patterns, DRCoALTP)方法,用于获取图像纹理。计算文档图像的相邻稀疏局部三值模式(adjacent sparse local ternary patterns, ASLTP),将采样点数量设定为8,以便获得详细的局部纹理,设计出一种基于自适应中值滤波思想的半自适应阈值方法,用于提取灰度图像中心像素周边对角邻域像素的编码值。ASLTP在邻域像素位置存放稀疏局部三值模式(local ternary patterns, LTP)的值,提取灰度共生矩阵(gray-level co-occurrence matrix, GLCM),从4个方向统计使用ASLTP后灰度图像像素之间的频率关系。该算法在阿拉伯文、俄文、简体中文、哈萨克文、藏文、蒙古文、土耳其文、维吾尔文、英文、吉尔吉斯斯坦文和塔吉克斯坦文11个文种的自建印刷体文档图像数据集中验证。试验结果表明,相较于基线和先进的纹理方法,改进后的方法更具判别性,平均识别准确率为99.14%。为改善CoALTP方法可能产生低效分类特征的问题,提出半自适应阈值方法,有效提高识别率并抑制噪声。此外,针对算法产生的高维特征,采用基于均方差的特征选择方法,通过支持向量机(support vector machine, SVM)分类器特征选择后,识别速度提高284%,对11个文种的平均识别准确率达99.44%。

为提升视频片段定位的精度与检索效率,提出基于跨模态注意力哈希学习的视频片段定位方法。将查询语句和原始视频特征通过哈希学习模型转化成简洁的二值哈希码;使用软注意力模块对查询语句中的关键单词进行加权,将视频哈希码和查询语句哈希码输入一个增强的跨模态注意力模型中,挖掘视觉和语言之间的语义关系;设计一个得分预测和位置预测网络,对查询时刻的起始时间戳进行定位。在2个公开数据集上对所提方法进行试验验证,结果表明所提方法对检索效率提升约7倍。

为挖掘腰椎磁共振成像(magnetic resonance image, MRI)图像中多种模态信息的相关性、腰椎结构间的相互依赖关系、腰椎结构先验知识对腰椎精准分割和疾病辅助诊断的重要价值,提出一种结构先验引导的多模态信息融合分割算法。设计的多模态图像编码模块(multi-modality encoding module, MMEM)可同时对T1和T2加权图像做语义特征提取;跨模态体素融合模块(cross-modality voxel fusion module, CMVF)可在融合过程中为各模态图像特征自适应分配融合权重。根据腰椎内部各组织结构间的先验知识构建图模型,利用图卷积神经网络分割模块(graph convolutional networks segmentation module,GCNSM)实现图模型上的语义信息传播。采用多模态图像解码模块(multi-modality decoding module, MMDM)对特征图进行解码,实现对椎体及椎间盘的精准图像分割。对山东大学齐鲁医院德州医院采集的190组患者MRI数据集进行试验验证,所设计算法的平均骰子系数D_ice、交并比I_oU、95% Hausdorff距离H_D95和平均对称表面距离A_SSD分别为90.3%、82.31%、4.40 mm和1.21 mm,结果表明了算法的有效性及先进性。

针对目前应用广泛的社区检测算法存在时间复杂性过高、精度低、结果不稳定等缺点,提出一种基于节点重要性排序的局部社区检测算法(local community detection algorithm based on the node importance ranking, LCDIR)。根据节点重要性顺序选择核心节点,通过节点强度和网络拓扑结构特征对网络进行社区检测形成初步社区,利用内外边比例和模块化度量最大化合并弱小社区,形成最终的社区。在真实网络和人工合成网络上和7种社区检测算法进行对比试验,结果表明,该算法在这些网络上形成了较高质量的社区,解决现有局部社区检测算法存在核心节点选择不当的问题,具有较高模块化度量值和标准化互信息值,相较于其他社区检测算法更准确有效、性能更好、时间复杂度较低。

以汕头湾海底隧道盾构段的监测数据为基础,基于数理统计法和机器学习法探究不同影响因素对滚刀磨损的敏感性程度。确定4个对滚刀磨损有明显影响的因素,分别为掘进距离、转速、转程和旋转角;建立以上述4个影响因素作为神经网络输入节点的反向传播神经网络(backpropagation neural network, BPNN)的滚刀磨损预测模型,采用遗传算法(genetic algorithm, GA)对预测模型进行优化并开展预测研究。结果表明:相较于BP模型,GA-BP模型的决定系数R2从0.706 4提高到0.823 9,预测精度明显提升,说明GA能够明显提高BPNN模型的预测能力。

基于Python-ABAQUS二次开发平台,设计了建立任意多边形混凝土细观结构模型的算法,实现骨料分布、粒径、边数、凹凸性、直曲性的全随机生成;利用布尔运算,实现骨料界面过渡区的快速生成,提出一种适用于任何基体区域形状和骨料形态的算法,可以快速完成骨料投放过程中骨料与基体的位置关系判断以及骨料与骨料之间的侵入判断。在所建模型的基础上,采用CDP(concrete damaged plasticity)模型,研究混凝土静态下的应力-应变关系与细观破坏特征,进一步验证该模型在数值模拟混凝土力学性能方面的可靠性,对于分析不同荷载作用下混凝土的失效机理具有重要意义。

为改进现有基于核磁共振(nuclear magnetic resonance, NMR)的饱和土渗透系数预测模型,提高NMR技术预测饱和土渗透系数的精度,在NMR弛豫时间T2谱曲线及毛细管理论基础上,考虑毛细管迂曲度对渗透系数的影响,建立适用于饱和土体的渗透系数新模型。为验证该模型的准确性,对取自济南地铁裴家营站的粉质黏土试样进行固结渗透试验和核磁共振试验,分析固结过程中试样孔隙和渗透系数的变化规律,测定不同孔隙比状态下试样的渗透系数及T2谱曲线,利用新模型对试样不同T2谱曲线的饱和渗透系数进行预测,并与已有的4个核磁渗透系数模型预测结果进行比较。结果表明:本次试样的孔隙以小孔隙和中孔隙为主,固结中总孔隙的减小主要源自中孔隙的压缩;试样渗透系数随孔隙比降低而降低,两者间呈幂函数关系;在核磁T2谱曲线和毛细管模型的基础上引入平均迂曲度可有效提高饱和土渗透系数预测精度,较已有模型,本研究新模型的预测值与实测值间的均方根误差降低43.1%~67.0%。

针对微生物诱导碳酸钙沉淀(microbial induced calcite precipitation, MICP)技术在固化土体的过程中存在碳酸钙分布不均匀的问题,采用低pH一相注浆法对微生物固化土体试样过程中碳酸钙的分布情况开展试验研究。通过正交试验,确定最优培养方案为:pH=3.0、O_D600=4.0、胶结液浓度c_s=2.00 mol/L。基于最优注浆方案研究微生物固化土体试样中碳酸钙的分布情况和试样强度变化特性,并通过扫描电镜测试,观察固化试样的微观结构特征。结果表明:低pH一相注浆法有助于促进微生物反应过程中碳酸钙的均匀性分布,相较于两相注浆法,低pH一相注浆法固化试样的内摩擦角增大17.9%,黏聚力增大46.3%,压缩模量增大22.4%。

为研究山东省食用植物油加工行业挥发性有机物(volatile organic compounds, VOCs)排放特征及其健康风险,选取山东省1家大豆油加工企业A和1家牡丹籽油加工企业B,共布设9个采样点位,分析VOCs质量浓度、组分特征、臭氧生成潜势(ozone formation potential, OFP),评价生产车间的人体健康风险。结果表明:A企业浸出工艺段蒸脱废气VOCs质量浓度最高(178.98 mg/m³),VOCs组分均以烷烃为主,A企业的优势物种为正己烷及其同分异构体(2,3-二甲基丁烷、3-甲基戊烷等),B企业的优势物种为正丁烷和异丁烷。2家企业臭氧生成潜势分别为166.40、2.72 mg/m³,其中A企业对OFP贡献最大的组分是含氧VOCs(oxygenated volatile organic compounds, OVOCs),B企业对OFP贡献最大的组分是烷烃,其次是OVOCs。B企业原料库、萃取车间、包装车间VOCs质量浓度存在非致癌风险;致癌风险评价中,B企业成品库中三氯甲烷对人体致癌均存在确定风险,萃取车间中三氯甲烷存在大概率致癌风险;A企业浸出车间和B企业成品库、包装车间甲醛对人体致癌存在大概率风险,其余车间甲醛存在小概率致癌风险。

为研究城市道路的实际交通状况及不同类型机动车流量对环境空气质量的影响,以济南市为例,调查典型道路上的机动车流量与精细车型结构,分析交通状况的时空变化特征,探究交通状况对主要大气污染物质量浓度的影响。结果表明,机动车流量的昼夜变化呈双峰型,工作日双峰出现时间早,且峰值更突出,车流量整体上大于双休日。不同道路上车型结构相似,其中汽油车、小型车占绝大部分,柴油车、中大型车占比较小,不同路段柴油车的比例及其时间变化特征有明显差异。相关性分析表明:NO₂、O₃质量浓度与汽油车、小型车流量显著相关,PM_2.5质量浓度与2 h前的柴油车流量相关性较好。随机森林回归分析结果显示:气象因素对城市大气污染物质量浓度影响更大(特征重要性得分为66.4%~94.6%),交通因素也有明显影响(特征重要性得分为5.4%~33.7%)。其中,温度对O₃、NO₂质量浓度影响很大(特征重要性得分为89.8%、59.7%),湿度对PM_2.5、PM₁₀质量浓度影响显著(特征重要性得分为34.8%、40.4%),汽油车流量对NO₂质量浓度有一定影响(特征重要性得分为9.4%),柴油车流量对PM_2.5与PM₁₀质量浓度影响较大(特征重要性得分为11.0%、9.8%)。

为建立快速、简便地分析土壤中12种多溴联苯醚(polybrominated diphenyl ethers, PBDEs)质量分数的检测方法,对仪器的参数和样品净化过程进行了优化。通过对比不同仪器参数组合、固相萃取柱种类、活化和洗脱溶剂组合及溶剂洗脱量对样品中12种PBDEs回收率的影响,确定了最优条件。在最优条件下,对实际土样进行加标验证,12种PBDEs的平均加标回收率为90.36%~121.40%,回收率相对标准偏差为4.11%~8.76%,东营油田土壤中PBDEs的质量分数为6.68×10^-9~105.68×10^-9。本方法使用C18固相萃取柱替代传统复合硅胶柱,简化了样品处理过程,具备操作便捷、稳定性好的优点,适用于大规模土壤样品中PBDEs的检测。

针对在超大规模多输入多输出(extreme large-scale multiple-input multiple-output, XL-MIMO)系统中如何高效估计混合场信道状态信息(channel state information, CSI)和信道稀疏度不易获取的问题,提出一种联合混合场信道估计方案和同时加权正交匹配追踪(simultaneous weighted orthogonal matching pursuit, SWOMP)算法,在未知混合场信道稀疏度的情况下能够有效估计混合场信道状态信息。在算法设计过程中,采用伍德伯里变换替换SWOMP算法中的矩阵求逆,没有降低算法计算复杂度,因此提出基于理查森迭代方法变换的低复杂度SWOMP算法。将低复杂度SWOMP算法与现有算法进行比较,仿真结果表明,该方案和算法的设计具有更高的估计精度。