【摘 要】
:
本文考虑了道路信息外业采集的任务要求,人车混采的采集方式以及路网特性等方面,为道路信息采集人员的路径规划建立了满足人车混采约束的整数规划模型;提出了分阶段的转化算法,将其逐步转化为有限时间容量限制的弧路径问题(TCARP)。TCARP问题是一种NP-hard问题,精确求解算法无法在合理时间内得到问题的最优解,因此本文设计了求解TCARP问题的两种快速启发式算法TPS和TUH及其随机化版本;考虑到实
论文部分内容阅读
本文考虑了道路信息外业采集的任务要求,人车混采的采集方式以及路网特性等方面,为道路信息采集人员的路径规划建立了满足人车混采约束的整数规划模型;提出了分阶段的转化算法,将其逐步转化为有限时间容量限制的弧路径问题(TCARP)。TCARP问题是一种NP-hard问题,精确求解算法无法在合理时间内得到问题的最优解,因此本文设计了求解TCARP问题的两种快速启发式算法TPS和TUH及其随机化版本;考虑到实际采集问题的大规模特性,在两种快速启发式算法的基础上构造GRASP-PA寻优算法。最后分别结合不同规模的
其他文献
现行地质超前预报多用于铁路、公路等线状工程,适用于抽水蓄能项目地下洞室的地质预报方法及仪器设备较少,地下洞室的预报体系也未建立起来。抽水蓄能项目复杂多变的地质条件,导致隧道施工常遇到地质条件与勘察设计不符、围岩条件变化较大以及出现突发性地质灾害等情况,但由于各种条件的限制,多种地质预报方法不太适应抽水蓄能项目。为尽可能减少地质预报出现的偏差并提高预报准确率,针对抽水蓄能电站地下洞室建立了“三阶段、
模型的效率在计算机视觉中变得越来越重要。本文通过研究用于火焰检测的神经网络结构,提出了几个关键的优化方案,以提高模型效率和检测效果。第一,提出一种由多卷积组合结构构建的主干网络(FIRE-Net),它能高效的从多个尺度上提取丰富的火焰特征;第二,提出一种改进的加权双向特征金字塔网络(BiFPN-mini)以快速地实现多尺度特征融合;第三,提出一种新的注意力机制(FIRE-Attention),让检
针对交通信号灯识别精度不高,难以达到实时检测的问题,提出了基于改进YOLOv5s的交通信号灯识别方法。该方法首先通过简化主干网络中卷积层的数量,在保证对精度影响不大的前提下提高主干网络提取特征的速度。然后通过对残差组件进行密集连接和多层次跨连接得到两种新的CSP残差结构,之后将原网络残差结构用新的CSP残差结构进行替换来加强网络特征融合能力,提高网络模型检测与识别精度。接着针对交通信号灯属于小目标
[目的]旨在提升宁夏中部干旱区枸杞田水肥管理水平,建立更加高效的水肥管理模式,以更好服务于当地节水-高效灌溉农业发展。[方法]研究采用点源滴灌方式,设氮肥浓度(0、200 和500 mg/L)、滴头流量(0.5、0.75和1 L/h)和灌水量(3 L、5 L)3个因素研究了土壤硝态氮含量随再分布时间、滴头流量、氮肥浓度的变化,在径向和垂直方向的运移规律。[结果]结果表明:①不同土层深度(0~20
在崇明岛东部不同年代围垦区选择4个典型部位的钻孔样品,应用热裂解气相色谱质谱联用技术(Py-GC-MS),取得土壤有机质热裂解产物的类型与相对含量,从分子层面探究埋藏盐沼土壤有机质组成特征,研究土壤有机质稳定性随时间的变化规律.结果表明,自西向东4个钻孔的样品(CM2、CM4、CM5、CM6)中,分别检测到53、80、47、21种有机质热裂解产物,主要包括脂肪族化合物(烷烃、烯烃、脂肪酸等)、芳香
目的 探讨全切片图像分割在肿瘤生物效应空间分布分析中的准确性和可行性。方法 采用Lab色彩空间K均值聚类分别获取苏木精-伊红(HE)、TdT介导的dUTP缺口末端标记(TUNEL)和血小板内皮细胞黏附因子(PECAM-1/CD31)染色图像分割的颜色阈值关系式和亮度阈值,与基于颜色反卷积等分割方法比较,验证其分割性能[性能参数包括归一化互信息(NMI)、Kappa系数、平均交互比(mIoU)、平均
土壤全氮与土壤质量和肥力密切相关,准确掌握土壤全氮的空间分布特征对精准农业管理措施的实施具有重要意义。以寻乌县为研究区域,利用随机森林(RF)和随机森林残差克里格(RFRK)方法,结合地形因子、地理坐标、遥感因子、气候因子、距离因子和土壤理化因子等多源辅助变量,对寻乌县表层土壤全氮的空间分布进行预测和制图,并在迭代100次模型后对比了两种模型的预测精度。结果表明,在选择的4种模型精度指标中,RF模
图像语义分割是计算机视觉领域的热点研究课题,随着全卷积神经网络的迅速兴起,图像语义分割和全卷积神经网络的融合发展取得了非常卓越的成绩。通过对近年来高质量文献的收集,重点对全卷积神经网络图像语义分割方法进行总结。将收集的文献,按照应用场景的不同,划分为经典语义分割、实时性语义分割和RGBD语义分割,然后对具有代表性的分割方法进行阐述。同时归纳了常用的公共数据集和性能的评价指标,并对常用数据集上的实验
胶囊网络具有弥补卷积神经网络空间信息丢失和旋转不变性差的优点,已被广泛应用在图像分类、目标检测以及文本检测等多个领域。但胶囊网络仍存在参数量大且分类精确度不高的问题,以此创新性地提出了基于点乘注意力的图卷积路由的胶囊网络分类模型。该方法在同级胶囊之间构建连通图,使用注意力机制获取胶囊间的依赖关系,重点利用影响因素大的预测胶囊进行特征聚类,改变使用迭代更新高低胶囊层间耦合系数的动态路由方式,降低参数
针对医学影像预处理复杂,病灶位置分散检测困难,医院等实际应用场景的设备条件难以满足庞大影像数据量对设备的高性能要求等难点,本文采用卷积神经网络的方法训练双阶段模型,对肺结节、索条、动脉硬化钙化三种病灶进行检测,第一阶段目标是查全率,第二阶段目标是查准率。实验结果表明本文方法在设备有限时,检测时间约为DeepLung等3D模型的10%、检测准确性比YOLOv3等2D模型高,在实际应用场景中具有实用性