首页期刊导航|吉林大学学报（信息科学版）
期刊信息/Journal information
吉林大学学报（信息科学版）
吉林大学
吉林大学学报（信息科学版）

吉林大学

刘大有

双月刊

1671-5896

nhxb@jlu.edu.cn

0431-85152552;85152551

130012

长春市南湖大路5372号

吉林大学学报（信息科学版）/Journal Journal of Jilin University(Information Science Edition)CSTPCD
查看更多>>本刊主要刊登信息与通信工程、控制科学与工程，计算机科学与工程、仪器科学与工程，电子科学与技术、管理科学与工程，电器工程等方面的学术论文及研究报告。本刊既反映基础理论研究又反映应用技术研究，并注意报道技术开发工作的最新成果，在理论与实践相结合，促进科技成果转化方面具有自己的特色。
正式出版
收录年代

    电力人工智能指标算法模型多场景鲁棒性评价方法

    黄云董天宇
    162-167页
    查看更多>>摘要：为解决传统的模型鲁棒性评价方法存在描述相符性较低，难以获得精准的场景匹配数据的不足，提出了一种新的电力人工智能指标算法模型多场景鲁棒性评价方法。针对多场景数据进行提取，设置局部空间的多场景数据扰动范围区间，控制空间范围的区间移动距离，在区间范围内预测样本点的数据获取结果。输入算法模型的基础特征参数，在输入参数维度提高的同时选择多场景数据获取距离范围数值，根据选取的数值进行初始数据评估操作。针对不确定的控制目标的特点进行数据基础分析，确保系统处于稳定状态中，并保持系统的动态特征，有效分析不同的系统参数之间的差异，构建偏差值范围，判断算法模型的多场景特点，实现数据评价。实验结果表明，该电力人工智能指标算法模型多场景鲁棒性评价方法能很好地变换采样点坐标，确保多场景采样点数据图像具备不变性，从而克服场景数据旋转敏感问题，提高响应速度。与传统评价方法相比，笔者提出的评价方法在干扰鲁棒性和仿射形变鲁棒性等方面具有较强的优势。

    电力人工人工智能指标算法模型多场景鲁棒性评价评价方法

      原文链接:
    • 万方数据
    • 维普

    Misp-YOLO:加油站场景目标检测

    刘远红程明皓
    168-175页
    查看更多>>摘要：针对Yolov3-Tiny算法在加油站监控场景检测时由于数据特征提取不充分而导致检测精度低、漏检率高等问题，提出一种基于加油站场景的Misp-YOLO(You Only Look Once)目标检测算法。首先引入Mosaic数据增强算法，使图片包含更多特征信息;其次使用InceptionV2和PSConv(Poly-Scale Convolution)多尺度特征提取方法提升网络多尺度预测能力;最后结合scSE(Concurrent Spatial and Channel'Squeeze & Excitation')注意力机制，重构主干网络输出特征。实验结果证明该算法具有较高检测准确度，并且检测速度满足实际需求。优化后的算法性能得到极大提升，可推广应用于其他目标检测中。

    目标检测YOLO算法特征提取注意力机制多尺度预测

      原文链接:
    • 万方数据
    • 维普

    基于EMD-BiLSTM-ANFIS的负荷区间预测

    李宏玉彭康宋来鑫李桐壮...
    176-185页
    查看更多>>摘要：考虑到新型电力负荷随机性增强，传统的准确预测方法已无法满足要求，提出一种EMD-BiLSTM-ANFIS(Empirical Mode Decomposition-Bi-directional Long Short-Term Memory-Adaptive Network-based Fuzzy Inference System)分位数预测负荷概率密度的方法，使用负荷预测区间取代点预测的准确数值，能为电力系统分析与决策提供更多数据，增强预测的可靠性。首先将原始负荷序列通过EMD(Empirical Mode Decomposition)分解成若干分量，并通过计算样本熵分为3类分量。然后将重构后的3类分量与由相关性筛选的外界因素特征采用BiLSTM、ANFIS模型进行训练和分位数回归(QR:Quantile Regression)，并将分量的预测区间结果累加得到最终负荷的预测区间。最后利用核密度估计输出任意时刻用户负荷概率密度预测结果。通过与CNN-BiLSTM(Convolutional Neural Network-Bidirectional Long Short-Term Memory)、LSTM(Long Short-Term Memory)模型对比点预测及区间预测结果，证明了该方法的有效性。

    经验模态分解双向长短期神经网络模糊推理系统分位数回归概率密度预测

      原文链接:
    • 万方数据
    • 维普

    基于2D-VMD和BD结合的医学图像去噪算法

    马元元崔长彩马立园东辉...
    186-192页
    查看更多>>摘要：为提高去噪图像质量，提出了一种基于二维变分模态分解算法(2D-VMD:Two Dimensional Variational Mode Decomposition)和巴氏距离(BD:Bhattacharyya Distance)的结合算法用于图像去噪。该算法首先使用2D-VMD算法将图像分解为若干个固有模态函数(IMFs:Intrinsic Mode Functions);然后使用BD测量每个IMF的概率密度函数(PDF:Probability Density Function)与原图像PDF间的几何距离，区分出信号主导IMF和噪声主导IMF;最后将噪声主导IMF经小波阈值去噪后与信号主导IMF重构，得到去噪图像。将算法应用于医学图像去噪，理论分析和仿真结果表明，2D-VMD和BD结合算法与全变分模型(ROF:Rudin Osher Fatemi)算法、中值滤波和小波阈值滤波相比，其在主观和客观评价方面都具有较好的去噪效果，有效地提高了去噪图像质量。

    二维变分模态分解巴氏距离概率密度函数医学图像去噪

      原文链接:
    • 万方数据
    • 维普

    《吉林大学学报(信息科学版)》征稿简则

    封3页
      原文链接:
    • 万方数据
    • 维普