首页期刊导航|湖北民族大学学报（自然科学版）
期刊信息/Journal information
湖北民族大学学报（自然科学版）
湖北民族学院
湖北民族大学学报（自然科学版）

湖北民族学院

汪兴平

季刊

2096-7594

myxblk@126.com

0718-8438535

445000

湖北省恩施市三孔桥湖北民族学院学报编辑部

湖北民族大学学报（自然科学版）/Journal Journal of Hubei MinZu University（Natural Sciences Edition）
查看更多>>本刊主要刊载数学、物理、化学化工、生物技术、农学、林学、计算机等自然科学领域的新理论、新技术的科研论文，重点突出特色资源的开发利用、技术应用等方面研究成果的报道。
正式出版
收录年代

    基于KF-PointNet++的油菜植株点云分割算法

    黄友锐苏静韩涛崔涛...
    451-457,469页
    查看更多>>摘要：针对传统的点云分割算法精度低、鲁棒性差的问题,提出了基于K近邻算法和特征融合的深度点云网络(point clouds network++based on K-nearest neighbor algorithm and feature fusion,KF-PointNet++)三维点云分割算法.该算法首先采用了 K近邻(K-nearest neighbors,KNN)算法对点云进行分组;其次,将点云网络(point clouds network,PointNet)中的局部特征与中心点全局特征进行拼接,增强算法对几何细节和全局上下文信息的捕捉能力,从而提高算法的分割精度和鲁棒性,实现了对油菜点云器官的精准分割.使用自制的油菜点云数据集进行实验,结果表明,KF-PointNet++算法在油菜点云分割中的总体精度(overall accuracy,OA)可达97.1％,平均交并比(mean intersection over union,mIoU)为86.4％.该算法在分割性能方面明显优于PointNet、深度点云网络(PointNet++)和核点卷积(kernal point convolution,KPConv),可以为油菜表型研究提供可靠基础.

    点云分割深度学习特征拼接表型器官KNN油菜

      原文链接:
    • 万方数据

    基于SG-YOLOv8n算法的茶叶萎凋过程中含水率检测

    皮鸣寰董效杰杨艳刘志...
    458-463页
    查看更多>>摘要：针对传统的含水率检测方法具有破坏性、检测时间长的问题,提出了基于空间通道和组混洗你只看一次版本8纳米型(spatial channel and group shuffle-you only look once version 8 nano,SG-YOLOv8n)算法的茶叶萎凋过程含水率检测方法.首先,构建萎凋过程中不同含水率的茶叶图像数据集;然后,为提高算法的感知能力,该算法中引入了卷积块注意力模块(convolutional block attention module,CBAM),在不增加网络复杂性的情况下改善了性能;最后,为了提升平均精确率均值和浮点运算速度,使用组混洗卷积(group shuffle convolution,GSConv)代替颈部网络的标准卷积,并使用卷积到全连接的空间和通道重建卷积(convolution to fully connected-spatial and channel reconstruction convolution,C2f-SCConv)模块代替主干网络的卷积到全连接(convolution to fully connected,C2f)模块.结果表明,SG-YOLOv8n算法相比于原版算法的平均精确率均值、精确率分别提升了 4.6％、5.7％,检测速度达到了 156.0帧/秒.该算法能提升茶鲜叶萎凋过程中含水率的检测精确率,还能实现实时检测,能满足边缘计算设备的要求.

    YOLOv8n含水率实时检测茶叶CBAMGSConvC2f-SCConv

      原文链接:
    • 万方数据

    基于Transformer融合全局和局部特征的显著性检测方法

    葛奕辰张明
    464-469页
    查看更多>>摘要：针对现有显著性目标检测方法在全局与局部特征融合方面效率低下的问题,提出了视觉变换器-深度变换器解码器(vision transformer-deep transformer decoder,ViT-DTD)显著性检测方法.该方法首先通过视觉变换器对输入图像进行分块,在浅层捕获局部特征,在深层聚合全局特征.然后,通过逐层融合浅层的局部特征和深层的全局特征,结合密集连接策略,确保特征信息在解码过程中被充分利用.最后,通过逐层上采样对融合后的特征进行解码,以恢复图像的高分辨率显著性图.结果表明,该方法在2个基准测试集上的平均绝对误差(mean absolute error,MAE)相比标签解耦框架(label decoupling framework,LDF)方法平均降低了 14.0％,加权F度量平均提高了 3.7％,结构度量(structure-measure,S)指标平均提高了 2.7％.该方法在复杂场景中的表现相比其他对比方法更加优越,能够提供更为精确和稳定的显著性检测方案.

    显著性检测变换器局部特征全局特征ViT-DTD

      原文链接:
    • 万方数据

    YOLOv8算法多种改进模型的有效性对比研究

    龚宇翔高林张豪伏德粟...
    470-479页
    查看更多>>摘要：为解决目前你只看一次版本8(you only look once version 8,YOLOv8)算法的改进方法数量多、种类繁杂,缺少在同一数据集基准下目标检测效果对比的问题,基于视觉对象类别(visual object classes,VOC)(2007+2012)公开数据集,选取参数量较小的YOLOv8纳米型(YOLOv8 nano,YOLOv8n)算法作为基准模型,从注意力机制、主干网络、颈部网络、探测头以及损失函数5个方面进行改进,通过平均精确率均值(mean average precision,mAP)和检测速度筛选出最佳单一改进模块.进一步通过组合实验,得出mAP值最高、检测速度最快的2个组合模型.结果表明,相较于基准模型,效果最好的主干网络、颈部网络、探测头模块的mAP值分别提升了 2.50％(Repvit)、1.75％(CGDown)、1.75％(DyHead),检测速度分别提升了 12.85％(RGCSPELAN)、2.60％(WaveletPool)、20.22％(LSCD),效果最好的注意力机制模块的mAP值提升了 1.88％(CAFM),而损失函数对mAP值和检测速度均无明显提升.相较于基准模型,mAP值最高的组合模型的mAP值提高了 3.13％(YOLOv8n+CAFM+CGDown+DyHead),检测速度最快的组合模型的检测速度提高了 31.11％(YOLOv8n+RGCSPELAN+LSCD);前者适用于高精确率目标检测场景,后者适合部署在对实时性要求较高的边缘计算设备中.该研究能为YOLOv8算法的改进提供参考.

    深度学习YOLOv8损失函数注意力机制网络结构改进VOC数据集检测速度精确率

      原文链接:
    • 万方数据

    基于非线性分数阶中值鉴别空间学习的岩爆预测方法

    樊腾悦苏树智朱彦敏
    480-485,513页
    查看更多>>摘要：针对岩爆样本数据噪声高、数量少从而导致岩爆等级预测准确率较低的问题,提出了基于非线性分数阶中值鉴别空间学习(nonlinear fractional-order median discriminative space learning,NFMDSL)的岩爆预测方法.该方法用类中值代替类均值,构建了中值鉴别空间学习方法,更好地保留了样本的有效信息,降低了噪声对预测效果的影响.为了有效捕捉岩爆数据间的非线性鉴别结构,进一步借助核技术将样本数据投影到核空间中.此外,引入分数阶对散度矩阵的特征值和奇异值进行重新估计,可以从少量样本中提取出具有良好区分能力的岩爆特征.结果表明,NFMDSL方法在岩爆等级预测中的平均准确率达到了 95.75％,相比其他方法具有更高的准确率和更强的鲁棒性.该方法能够有效应用于矿山和隧道工程领域的岩爆预测.

    岩爆预测类中值核技术散度矩阵奇异值少量样本矿山和隧道工程

      原文链接:
    • 万方数据

    基于五维超混沌系统与Arnold变换的图像加密算法

    徐嘉诚汪涛
    486-493,550页
    查看更多>>摘要：针对低维混沌系统在进行图像加密时因结构简单而出现密钥空间小、复杂度和安全度较低等问题,提出了基于五维超混沌系统与Arnold变换的图像加密算法.该算法利用混沌系统的伪随机性与初值敏感性等特点,对混沌系统设置1个初始值增量,每次循环让混沌系统产生不同的混沌伪随机序列,根据当次循环产生的混沌伪随机序列决定Arnold变换规则和异或矩阵,对原始图像完成置乱和扩散操作,多次循环加密得到加密图像.理论分析和实验结果表明,该算法密钥空间远大于2100且密钥敏感性高,有一定的抗剪切能力和抗噪声攻击能力.加密后图像信息熵接近于理想值,相邻像素相关性大幅减小.该算法具有良好的加密性能及抗攻击能力,为图像加密提供了可行的选项.

    五维超混沌系统Arnold变换图像加密混沌伪随机序列加密性能抗攻击能力

      原文链接:
    • 万方数据

    基于特征融合轻量图卷积网络的软件漏洞推荐算法

    韩坚强魏嘉银卢友军
    494-499页
    查看更多>>摘要：针对传统漏洞推荐算法未考虑漏洞之间的复杂转换关系和软件动态变化的特征,导致推荐效果较差的问题,提出了基于特征融合轻量图卷积网络的软件漏洞推荐算法(software vulnerability recommendation algorithm based on feature fusion lightweight graph convolutional networks,SVR-FFLGCN).首先,构建软件与漏洞异构关系图,并融入漏洞相似性算法以降低邻居结点的噪声干扰;其次,使用轻量图卷积网络捕获漏洞之间的复杂转换关系,并将软件动态变化的局部特征和全局特征进行自适应融合,进而获得更全面的特征表示用于漏洞推荐.实验表明,当推荐漏洞数量为10、20个时,SVR-FFLGCN算法相比基准模型在命中率(hit rate,HR)指标上分别提升了 11.39％、6.74％,在归一化累积折损增益(normalized discounted cumulative gain,NDCG)指标上分别提升了 7.12％、4.80％.该研究在提升开发人员工作效率以及实施有效的防御措施上具有重要作用.

    漏洞相似性轻量图卷积网络局部特征全局特征特征融合漏洞推荐

      原文链接:
    • 万方数据

    基于超感知图神经网络的轴承故障诊断方法

    陈岩岩朱彦敏
    500-506页
    查看更多>>摘要：针对传统的图神经网络在没有考虑故障、噪声和振动波形变化情形下特征提取难、提取能力弱等问题,提出了基于超感知图卷积神经网络(extra-perceptual graph convolution network,E-GCN)的轴承故障诊断方法.该方法引入了扩张残差模块,它能够扩大感受野并学习到更加丰富和有效的特征,从而提升了网络性能和泛化能力.该方法构建了额外的图卷积模块以获取图的全局信息,还利用注意力模块来加权邻居节点的特征,使其能够更加专注于重要特征,进一步提高了诊断的准确性和效率.在帕德博恩大学(Paderborn University,PU)轴承数据集和凯斯西储大学(Case Western Reserve University,CWRU)轴承数据集上开展实验,诊断准确率分别达到了 98.2％和99.1％.该方法能够有效应用于轴承等机械的故障诊断领域.

    故障诊断超感知扩张残差注意力机制图神经网络轴承

      原文链接:
    • 万方数据

    基于双重注意力机制的MIND微博推荐算法

    彭丹魏嘉银卢友军姚林...
    507-513页
    查看更多>>摘要：针对目前在微博推荐领域主要使用单一向量表示用户兴趣且缺乏对兴趣之间复杂关系的捕捉能力,导致用户兴趣表示不全面,推荐准确性较低的问题,提出了基于双重注意力机制的多兴趣动态路由微博推荐算法(multi-interest network with dynamic routing microblogging recommendation algorithm based on dual attention mechanism,MINDDouAtt),用于提高用户兴趣的表征能力.首先,通过动态路由从用户行为数据中提取多个兴趣胶囊,并将这些兴趣胶囊输入到自注意力机制中以对不同兴趣胶囊之间的关联信息进行交叉学习,提高兴趣的表征能力.然后,通过引入标签感知注意力机制来调节不同兴趣胶囊之间的重要性,以更好地满足用户的个性化推荐需求.实验表明,MINDDouAtt算法在亚马逊图书、天猫和微博数据集上的SHR@10值相较于最好的对比模型分别提升了 33.66％、10.49％、9.60％.该算法能够在电子商务等领域为用户提供更准确和个性化的推荐结果.

    微博推荐多兴趣召回动态路由兴趣胶囊自注意力机制标签感知注意力机制

      原文链接:
    • 万方数据

    基于MEBA-OWOD算法的开放自动驾驶场景目标检测

    王超苏树智朱彦敏徐阳...
    514-520页
    查看更多>>摘要：针对自动驾驶场景中复杂的目标交错、对象密集和小目标漏检、误检问题,提出了基于多尺度特征增强和边界感知的开放世界目标检测(multi-scale feature enhancement and boundary aware for open world object detection,MEBA-OWOD)算法.该算法首先构建了多尺度特征增强(multi-scale feature enhancement,MSFE)模块对提取的多尺度图像特征进行细致的筛选和强化,有助于识别和关注图像的重要和关键细节.然后,设计了边界感知冗余框过滤器(boundary aware redundant box filter,BARF),能够有效过滤已知对象重叠框和未知对象冗余框,减少了单个提议框包含不完整对象或密集对象的情况.在自动驾驶数据集道路场景(way scenes,Wayce)上的实验表明,与几种优秀的目标检测算法和开放世界目标检测算法相比,MEBA-OWOD算法在已知类平均精确率均值、未知类平均精确率指标上分别比次优的对比算法提高了 0.3％、49.6％.该算法能在不影响对已知目标检测的同时,加强对未知目标的检测,能够较好地应用于自动驾驶领域.

    开放世界目标检测自动驾驶边界感知多尺度特征增强特征筛选冗余过滤

      原文链接:
    • 万方数据