Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 1215

会议视频 73

会议信息 29

会议专题 2

年份

2024 4

2023 126

2022 152

2021 164

2020 118

2019 112

2018 79

2017 85

2016 62

2015 20

2014 35

2013 25

2012 28

2011 25

2010 24

2009 27

2008 27

2007 33

2006 40

2005 30

展开︾

关键词

神经网络 27

高性能制造 14

人工智能 13

力学性能 10

2020 9

机器学习 9

智能制造 7

图像处理 6

深度学习 6

COVID-19 5

人工神经网络 5

能源 5

风险评估 5

2019 4

BP神经网络 4

仿真 4

城镇建设 4

智能工业 4

展开︾

检索范围：

排序：展示方式：

基于全卷积网络的多焦距图像融合算法 Research Articles

郭瑞1,2,申铉京1,2,董小瑜1,2,张小利1,2

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900336

摘要：提出一种多焦距图像融合方法，在该算法中构造用于焦点检测的全卷积网络（fully convolutional network for focus detection，FD-FCN）。为获得更精确的焦点检测图谱，在该网络中添加跳层，从而在生成图谱过程中同时提供详细和抽象的视觉信息。基于数据集CIFAR-10，为该网络构建一个新的训练数据集。运用FD-FCN的图像融合算法包含3个步骤：使用FD-FCN获得焦点图谱，通过对焦点图谱进行形态学处理生成决策图，使用决策图进行图像融合。开展了多组实验，主客观评估结果均表明该融合方法优于同类先进算法。

关键词：多焦距图像融合；全卷积网络；跳层；性能评估

HTML PDF 收藏

一种针对盲图像质量评估的多模态密集卷积网络 Research Article

Nandhini CHOCKALINGAM, Brindha MURUGAN

《信息与电子工程前沿（英文）》 2023年第24卷第11期页码 1601-1615 doi: 10.1631/FITEE.2200534

摘要：图像在加强交流中发挥着重要作用，已被广泛应用。因此，图像质量评估（IQA）对优化传递给终端用户的内容至关重要。在IQA中使用卷积神经网络面临两个常见难题。一是这些方法难以提供图像最佳表示，另一个问题是模型具有大量参数，容易导致过拟合。为解决这些问题，提出一种参数更少的深度学习模型——密集卷积网络（DSC-Net），用于无参考图像质量评估（NR-IQA）。此外，将多模态数据用于深度学习明显改进各种应用的性能。多模态密集卷积网络（MDSC-Net）融合了灰度共生矩阵（GLCM）方法提取的纹理特征和DSC-Net方法提取的空间特征，并对图像质量进行预测。所提框架在基准合成数据集LIVE、TID2013和KADID-10k的性能表明，MDSC-Net方法在NR-IQA任务中表现出良好性能，超过了当前最先进的方法。

关键词：无参考图像质量评估；盲图像质量评估；多模态密集卷积网络；深度学习；视觉效果；感知质量

HTML PDF 收藏

命名数据多跳无线网络中的联合优化的拥塞控制、转发策略和链路调度

Cheng-cheng Li, Ren-chao Xie, Tao Huang, Yun-jie Liu,lengcangche@bupt.edu.cn,renchao_xie@bupt.edu.cn,htao@bupt.edu.cn

《信息与电子工程前沿（英文）》 2017年第18卷第10期页码 1573-1590 doi: 10.1631/FITEE.1601585

摘要：概要：作为一种非常有希望的未来网络架构，命名数据网络已经被公认为一种非常适合多跳无线网络的网络协议。在命名数据的多跳无线网络中，拥塞控制是一个关键问题。如果单独优化拥塞控制，而不考虑与其它协议层协同，那么有可能造成性能的严重降低。跨层优化的拥塞控制是一种提升性能的潜在方式。在利用互联网协议（internet protocol, IP）构造的多跳无线网络中，已经有很多跨层的拥塞控制机制。然而，这些机制无法应用在命名数据的多跳无线网络中，因为IP与命名数据网络的通信特点不同。本文研究了命名数据的多跳无线网络的联合拥塞控制、转发策略和链路调度问题。就我们所知，我们的算法是命名数据的多跳无线网络中的第一个跨层的拥塞控制机制。通过与现有的拥塞控制机制对比，证明了JOCFS在网络吞吐量、公平性和待定兴趣表大小方面性能更优。

关键词：信息中心网络；拥塞控制；跨层优化；多跳无线网络

HTML PDF 收藏

基于分数阶导数和直觉模糊集的多聚焦图像融合 Research Articles

张雪峰,闫慧,何昊

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1900737

摘要：多聚焦图像融合在图像融合中日益重要，在图像处理中扮演着关键角色。本文提出一种基于分数阶导数和直觉模糊集的多聚焦图像融合方法。其将原始图像分解为基础层和细节层，建立一个新的分数阶空间频率来反映图像清晰度。采用分数阶空间频率作为细节层融合准则，并引入直觉模糊集对基础层进行融合。实验结果表明，该方法在多聚焦图像融合方面优于已有先进方法。

关键词：像融合；分数阶导数；直觉模糊集；多聚焦图像

HTML PDF 收藏

基于多跳双向认证的802.16Mesh网络SA管理机制

王兴建,胡爱群,黄玉划

《中国工程科学》 2006年第8卷第9期页码 69-73

摘要：

IEEE802.16-2004无线城域网（wireless-MAN）标准支持的多跳（Mesh）网络是一种树状网络和adhoc网络结合的新型网络。针对Mesh中使用的单跳单向认证SA（安全关联）管理机制安全和效率上的缺陷，提出了一种和次优修正路由结合的多跳双向认证SA管理机制。与单跳单向机制相比，该机制是前向安全的，对中间节点的攻击具有强安全性，同时减少了系统开销和传输时延。在按需路由建立前使用修正路由传递管理信息可减少服务流建立时延。安全性分析证明了多跳双向机制的安全性，性能比较说明了在效率上的优势。

关键词： IEEE80216 Mesh 节点多跳双向认证修正路由

HTML PDF 收藏

基于海面更快区域卷积神经网络的导航雷达平面位置指示器图像海面目标检测方法 Research Article

陈小龙,牟效乾,关键,刘宁波,周伟

《信息与电子工程前沿（英文）》 2022年第23卷第4期页码 630-643 doi: 10.1631/FITEE.2000611

摘要：更快的区域卷积神经网络（Faster R-CNN）作为一种经典深度学习目标检测算法，已广泛应用于高分辨率合成孔径雷达和逆合成孔径雷达的图像检测。然而，对于大多数常见的低分辨率雷达平面位置指示器（PPI）图像，很难取得良好性能。本文以导航雷达PPI图像为例，针对复杂背景（如海杂波）和目标特性情况，提出一种基于海面的更快的区域卷积神经网络（Marine-Faster R-CNN）算法的海面目标检测方法。该方法利用卷积神经网络（CNN）对雷达回波生成的PPI图像进行特征提取和目标识别。首先，为提高检测海面目标的准确率，降低虚警率，设计了特征融合网络FFNet（Feature Fusion Network），并从锚点尺度、多目标检测、数据样本平衡性、尺度归一化等方面优化Faster R-CNN

关键词：海面目标检测；导航雷达；平面位置指示器（PPI）图像；卷积神经网络；更快的区域卷积神经网络

HTML PDF 收藏

过程操作性能的在线评估与诊断

Sedghi Shabnam,Huang Biao

《工程（英文）》 2017年第3卷第2期页码 214-219 doi: 10.1016/J.ENG.2017.02.004

摘要：

随着时间的推移，过程性能会因为过程变动和不确定性从其初始状态偏移，这使系统性地发展基于日常过程操作数据的在线最优性评估方法变得必要。本文中，我们建立了一个用于多模态、多操作区域的典型过程的最优性评估，该方法也能够处理模态切换时的过渡状态的最优性评估。在该框架中，核密度方法被改进，并被用于操作模态检测。此外，稳态模态的多模态特性由混合概率主成分回归方法(mixture probabilistic principal component regression，MPPCR) 处理；动态主成分回归方法(dynamicprincipal component regression，DPCR) 被用来探究不同模态间的过渡状态的性能评估。最后，本文提出的算法被应用于田纳西- 伊斯曼(Tennessee Eastman) 过程之中，用以评估本文算法的性能。

关键词：最优性能评估概率主成分回归多模态过程

HTML PDF 收藏

基于图卷积注意力网络的视频摘要方法 Research Articles

李平1,2,唐超1,徐向华1

《信息与电子工程前沿（英文）》 2021年第22卷第6期页码 902-913 doi: 10.1631/FITEE.2000429

摘要：已有方法并未充分考虑各视频帧之间的局部和全局关系，导致摘要性能下降。提出一种基于图卷积注意力网络（graph convolutional attention network, GCAN）的视频摘要方法。GCAN由嵌入学习和上下文融合两部分组成，其中嵌入学习包括时序分支和图分支。具体而言，GCAN使用空洞时序卷积对局部线索和时序自注意力建模，能有效利用各视频帧的全局线索；同时利用多层图卷积网络学习图嵌入，反映视频帧样本的本征结构。在两个基准数据集SumMe和TVSum上的实验结果表明，相比其他多种先进方法，GCAN方法在3种不同评测环境下取得更优越的性能。

关键词：时序学习；自注意力机制；图卷积网络；上下文融合；视频摘要

HTML PDF 收藏

连锁故障中电力系统脆弱性的多图卷积网络分析 Research Article

Supaporn LONAPALAWONG1,陈长胜2,王灿3,陈为1

《信息与电子工程前沿（英文）》 2022年第23卷第12期页码 1848-1861 doi: 10.1631/FITEE.2200035

摘要：然而，现有基于深度学习的方法大多仅从拓扑层面考虑电力系统的网架结构，未能充分考虑空间信息（如电距离）以提高图卷积过程的精确度。此外，本文提出一种基于图分类任务的多图卷积网络（MGCN），在保留电力系统空间相关性的同时有效捕获物理元件之间的关联。最后，本文采用逐层相关传播方法解释MGCN，并量化了模型分类的贡献因子，有效提升模型的可解释性。

关键词：电力系统；脆弱性；连锁故障；多图卷积网络；加权线图

HTML PDF 收藏

基于去散射与边缘增强算法的水下图像复原 Research Papers

Pan-wang PAN, Fei YUAN, En CHENG

《信息与电子工程前沿（英文）》 2019年第20卷第6期页码 862-871 doi: 10.1631/FITEE.1700744

摘要：对色差严重和边缘模糊的水下图像需进行复原。一般分两步：去散射和边缘增强。首先，提出一种用于水下图像去散射的多尺度迭代框架。利用卷积神经网络估计传输图，再用自适应双边滤波器改进传输图估计结果。由于无可用数据集训练网络，收集包含2000个水下图像的数据集以获得合成数据。其次，采用白平衡算法消除水下图像的色偏。最后将图像转换到特殊变换域，使用非下采样轮廓波变换对边缘去噪和增强。

关键词：图像散射；边缘增强；卷积神经网络；非下采样轮廓波变换

HTML PDF 收藏

认知中继三跳网络联合优化 Article

澄赵,万良王,信威姚,双华杨

《信息与电子工程前沿（英文）》 2017年第18卷第2期页码 253-261 doi: 10.1631/FITEE.1601414

摘要：认知中继网络中，传输的吞吐量和传输距离一直是衡量性能的重要指标。现有的研究多数都集中在两跳网络的优化，但其也存在着传输距离不长，只能进行单项传输等缺点。本文提出了一种新的使用认知中继的三跳网络传输方案，通过三阶段的传输过程，实现了次级用户之间的双向传输。同时，引入了叠加编码技术来处理网络中双接收节点的情况。仿真结果表明，本文提出的优化方法可以在不增加中继跳数的情况下，延长主用户传输距离，并同时提高次级用户的传输吞吐量。

关键词：解码转发；三跳；认知中继网络；时间功率分配；叠加编码

HTML PDF 收藏

基于多图卷积网络和门控循环单元的不规则区域交通流量预测 Research Articles

僧德文,吕凡顺,梁紫怡,史晓颖,方启明

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1179-1193 doi: 10.1631/FITEE.2000243

摘要：借助深度神经网络，采用仅适用于规则网格的循环神经网络或残差神经网络捕获流量预测的空间依赖性，。但是，考虑到路网和行政边界得到的区域通常是不规则的。因此将城市划分成网格进行预测是不准确的。提出一种基于多图卷积网络和门控循环单元（MGCN-GRU）的不规则区域交通流量预测模型。首先，构建一个城市异质区域间关联图反映各区域间的关联。在每个图中，节点表示不规则区域，边代表区域间的关联类型。然后，提出一个多图卷积网络融合不同区域间关联图和附加属性。进一步采用门控循环单元捕获时序依赖并预测未来交通流量。实验结果表明，基于3个真实大数据集（公共自行车系统数据集、出租车数据集和无桩共享自行车数据集），所提MGCN-GRU模型性能优于多个现有方法。

关键词：交通流量预测；多图卷积网络；门控循环单元；不规则区域

HTML PDF 收藏

基于图像的深度学习降雨强度估计方法 Article

尹航, 郑飞飞, 段焕丰, Dragan Savic, Zoran Kapelan

《工程（英文）》 2023年第21卷第2期页码 162-174 doi: 10.1016/j.eng.2021.11.021

摘要：本文提出了一种基于图像的深度学习模型来估计具有高时空分辨率的城市降雨强度。进一步来说，一种称为基于图像的降雨卷积神经网络（image-based rainfall convolutional neural network, irCNN）模型是使用从现有密集传感器（即智能手机或交通摄像头）收集的降雨图像及其相应的测量降雨强度值开发的。随后使用经过训练的irCNN 模型根据传感器的降雨图像有效地估计降雨强度。分别利用合成降雨数据和真实降雨图像来探索irCNN 在理论和实际模拟降雨强度方面的准确性。结果表明，irCNN 模型提供的降雨量估计值的平均绝对百分比误差在13.5%~21.9%之间，超过了文献中其他最先进的建模技术的性能。

关键词：城市洪水降雨图像深度学习模型卷积神经网络（CNN）降雨强度

HTML PDF 收藏

战略性新兴产业多领域知识融合路径研究——基于引用网络和文本信息的分析

刘宇飞,苗仲桢,黎凌峰,孔德婧

《中国工程科学》 2020年第22卷第2期页码 120-129 doi: 10.15302/J-SSCAE-2020.02.016

摘要：

针对战略性新兴产业开展技术融合过程分析，有助于深入理解产业技术的产生过程和发展规律，从而捕捉领域发展动向、推动产业健康发展。本文针对战略性新兴产业中呈现融合发展趋势且备受社会关注的高端装备制造、新一代信息技术、新医药、新能源4个技术领域进行多案例研究，以期识别出技术融合发展的路径和程度。采用基于引用网络和文本信息的知识融合路径分析方法，使用图神经网络同时将论文的引用网络、标题和摘要信息编码为向量；分析4个技术领域的论文数据，识别出了 5 条技术融合路径。研究结果表明，信息技术与数控设备技术、生物医药与太阳能光伏技术均呈现深度融合的趋势，且前者的融合程度更为深入；数控设备与太阳能光伏技术、信息技术与太阳能光伏技术也呈现融合趋势，但限于发展时间较短而显融合程度较浅；数控设备与生物医药技术领域尚未呈现融合发展的趋势。

关键词：新兴产业知识融合图神经网络引用网络主题模型

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：概要：在图像分类任务中，不同类别之间的相似度是不同的，样本经常被误分到相似度较高的类别中。为了区分高度相似类别中的样本，需要更加具体的图像特征，以便于分类器能够提高分类性能。本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。然后，从全部类别中抽取的通用特征和从高度相似类别中抽取的具体特征被融合成一个特征向量，并将其输入线性分类器进行分类。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类