首页期刊导航|哈尔滨理工大学学报
期刊信息/Journal information
哈尔滨理工大学学报
哈尔滨理工大学学报

刘献礼

双月刊

1007-2683

xb-hust@163.com

0451-86396391

150080

哈尔滨市学府路52号

哈尔滨理工大学学报/Journal Journal of Harbin University of Science and Technology北大核心CSTPCD
查看更多>>本刊坚持贯彻党的“双百”方针和党基本路线百年不变的精神，面向二十一世纪，促进科技繁荣。活跃学术氛围，传播科技信息，更好地为社会主义经济建设和四个现代化服务。同时，坚持立足本校、面向全国、走向世界的办刊战略，及时报道我校科研成果，促进国内学术交流，提高我校教学和科研水平的办刊宗旨。为此，结合我校现状、设置、机械动力工程、材料科学与工程、电气与电子工程、计算机控制工程等栏目，被CA、AJ等权威数据库收录。
正式出版
收录年代

    基于双角度多尺度特征融合的无锚框目标检测算法

    王小玉魏钰鑫芦荐宇俞越...
    1-9页
    查看更多>>摘要：针对无锚框目标检测算法CenterNet中特征利用不充分且检测精度不足的问题,提出一种基于双角度多尺度特征融合的改进算法.首先,通过使用Res2Net网络替换主干网络,使网络从更细粒度的角度提高网络的多尺度表达能力.其次,使用重复加权双向特征金字塔网络从层级角度提升多尺度加权特征的融合能力.最后,加入坐标注意力机制,在避免增加计算资源消耗的前提下增强感受野,将坐标信息嵌入通道注意力中以提升模型对目标的定位提高模型的检测精度.实验结果表明:改进算法在PASCAL VOC数据集和KITTI数据集检测准确率分别达到了82.3%和87.8%,与原CenterNet算法相比精度分别提升5.5%和2.4%.

    目标检测注意力机制无锚框多尺度特征融合CenterNet

      原文链接:
    • 维普
    • 万方数据

    多任务特征映射网络跨域推荐模型

    安秋雨余艳熊熙
    10-20页
    查看更多>>摘要：跨域推荐的关键在于如何有效的将用户特征从源域映射到目标域.以往的研究更关注用户特征的映射,忽略了映射前后用户特征的相似度以及物品特征映射的可能性;同时也只关注单一任务.因此针对以上问题提出了一种多任务特征映射网络跨域推荐模型(MTFMN).该模型引入了用户特征映射网络,将用户在源域的特征映射到目标域,同时还引入了物品特征映射网络来辅助用户特征映射网络的学习;并在网络学习过程中使用欧氏距离来衡量映射前后用户和物品特征的相似度,以此作为网络学习过程中的一个优化策略;最后,利用映射后的用户特征和目标域上实际的物品特征完成偏好预测任务和评分预测任务.在Amazon数据集和豆瓣数据集上,MT-FMN在评分预测任务的准确性上与主流模型相比有显著的提升.除此之外,模型还做了消融研究以证明模型中提出的物品特征映射网络和多任务优化策略的有效性.

    推荐系统跨域推荐冷启动数据挖掘深度学习

      原文链接:
    • 维普
    • 万方数据

    差分隐私K-means聚类算法改进

    郭如敏陈学斌单丽洋
    21-28页
    查看更多>>摘要：针对差分隐私K-means聚类算法中心点选取的盲目性以及隐私预算分配不合理导致聚类效果差的问题,对差分隐私K-means算法进行改进.依据初始中心点选取的两个原则,设计一种新的中心点选取方案.依据原始K-means算法中质心与差分隐私K-means算法中质心的均方差,计算每一次迭代需要的隐私预算的最小值,与二分法结合,建立了一种新的隐私预算分配方案.通过在 3 个不同特征数据集上的对比实验,改进后的算法F-measure值提升14%,不仅降低了添加噪声对聚类效果的影响,而且保证了聚类效果的可用性.

    隐私保护技术K-means聚类聚类算法

      原文链接:
    • 维普
    • 万方数据

    多尺度特征提取和双向特征融合的场景文本检测

    连哲殷雁君智敏徐巧枝...
    29-39页
    查看更多>>摘要：自然场景文本检测是图像处理领域的基础性研究工作,具有广泛的应用价值.目前,自然场景文本检测通常采用单尺度卷积和多尺度特征融合来捕获场景文本语义特征.然而,单尺度卷积方法通常难以兼顾不同形状、不同尺度的文本目标的特征表达.同时,基于上采样的简单的多尺度特征融合方法,只关注了尺度大小的一致性,而忽略了不同尺度下特征的重要性.针对以上问题,提出一种基于多尺度特征提取和双向特征融合的场景文本检测算法.所提算法基于不同大小卷积核构建多尺度特征提取模块,以兼顾不同尺度和不同形状文本目标的特征提取,同时捕获不同距离上下文信息依赖关系.在特征融合过程中,通过增加自下而上的融合路径构建双向特征融合模块实现不同尺度信息交互.特征融合后引入坐标注意力,以实现高层细节信息增强,弥补特征融合细节信息损失的缺陷.在 ICDAR2015、MSRA-TD500、CTW1500 数据集上进行大量实验,实验结果 F 值分别达到87.8%、87.1%和83.2%,检测速度分别达到 17.2 帧/s、31.1 帧/s和 22.3 帧/s,相较于其他先进检测方法展现出良好的鲁棒性.

    文本检测多尺度特征提取双向特征融合坐标注意力可微分二值化

      原文链接:
    • 维普
    • 万方数据

    基于BERT-LSTM模型的航天文本分类研究

    安锐陈海龙艾思雨崔欣莹...
    40-49页
    查看更多>>摘要：由于现有其他模型存在无法提取文本重点部分权重等问题,导致了模型分类不准确,难以适应航天文本分类工作中繁重的工作环境.因此,在融合BERT预训练模型和LSTM神经网络模型基础上,结合多特征嵌入和多网络融合方法构建BERT-LSTM模型,使用BERT模型将输入的文本转换为词向量,然后将文本序列的词向量拼接成矩阵,之后采用不同尺寸的卷积核进行卷积操作,将得到的最大特征组成特征向量集合,再输入到Bi-LSTM层进行序列建模,并采用自注意力来捕捉全局信息中的关键信息,进一步提高关键特征在文本分类中的权重.将其与TextCNN、TextRNN、DPCNN等模型进行航天文本分类任务对比试验,结果表明:本文提出的基于双向长短时记忆网络融合注意力机制模型在航天文本分类任务上相比其他模型分别提升了25.3%、25.8%和18.4%的准确率.

    航天文本情报预训练神经网络注意力机制文本分类

      原文链接:
    • 维普
    • 万方数据

    面向空战对抗行为意图分析的小样本学习方法

    潘明郑景嵩李金亮方龙...
    50-58页
    查看更多>>摘要：针对目前空战对抗中空战目标的行为意图识别存在着数据来源多、数据模态多、数据的维度高冗余大、样本量小和不均衡以及训练所需的大量标注数据获取困难等问题,构建了一种基于深度双向门控循环单元(deep bidirectional gated recurrent unit,DBGRU)的空战目标行为意图识别模型,通过在双向门控循环单元(bidirec-tional gated recurrent unit,BiGRU)中融合注意力机制来提升模型的特征学习能力,自适应地分配不同空战特征信息的权重.并以DBGRU为骨干网络,提出了一种基于数据扩充的小样本对比学习算法,利用基于Wasserstein距离的生成对抗网络(wasserstein generative adversarial network,WGAN)扩充原始数据,并利用对比学习框架挖掘多模态数据中的丰富的模式信息弥补小样本数据规模不足的缺陷,从而准确预测空战目标行为意图.实验仿真结果表明,基于数据扩充的小样本对比学习算法预测小样本空战目标行为意图的准确率为91.13%.

    意图识别注意力机制门控循环单元生成对抗网络对比学习

      原文链接:
    • 维普
    • 万方数据

    一种具有尺度不变性的人体姿态估计算法

    孙瑞阳杨慧馨赵蓝飞
    59-68页
    查看更多>>摘要：针对现有的人体姿态估计算法无法准确检测小尺寸、大尺寸人体关键点和精确度较低的问题,提出一种具有尺度不变性的卷积神经网络用于估计人体姿态.首先设计图像缩放网络将输入图像缩放到标准尺寸.该网络能够抑制由插值引起的特征丢失.其次引入非局部卷积,增加网络的感受野.再次为多分辨率特征融合引入分辨率注意力机制,提高网络的尺度不变性.最后设计优化网络,抑制由采样引起的量化误差.在COCO数据集进行实验的结果表明,所提算法的平均精度均值达到79.2%高于其他算法,因此所提算法的尺度不变性和准确度优于现有人体姿态估计算法.

    人体姿态估计卷积神经网络尺度不变性人体关键点检测非局部卷积量化误差

      原文链接:
    • 维普
    • 万方数据

    进气参数对半面罩正压呼吸防护装置影响分析

    赵新通汤易昌沈文里管健晖...
    69-79页
    查看更多>>摘要：通过采用数值模拟的方式,对半面罩式动力送风呼吸防护装置的呼吸腔内流场展开研究,采用控制变量方法,研究了进气口数量和进气口角度对呼吸腔内CO2 浓度、气流速度、压力、CO2 吸入量产生的影响.并对呼吸腔内部CO2 浓度场和气流速度场进行仿真分析,结合不同进气口数量及角度下的面罩内CO2 浓度分布云图和气流速度曲线,结果表明:在双进气口结构下、进气口方向朝向面罩前端,角度在 20°～25°范围内,既能满足安全要求,又有利于呼吸腔内气体交换,人体佩戴舒适度良好,为半面罩结构优化提供相关的理论基础.

    半面罩内流场进气口数量进气角度

      原文链接:
    • 维普
    • 万方数据

    用于轴承故障诊断任务的轻量化卷积网络

    刘辉李阳侯一民
    80-88页
    查看更多>>摘要：针对机械故障诊断领域中,许多具有优异性能的卷积模型受制于部署成本的因素而难以应用于工业实践的问题,研发参数更低的轻量化诊断方法.采用深度可分离卷积压缩网络参数量的方法,研究了深度可分离卷积构建轻量化轴承故障诊断模型的可行性,从而给出了保障模型诊断精度的条件下压缩卷积网络参数量的策略.在开源和自制的轴承振动数据集上,对所提出的方法有效性进行了验证.结果表明,使用深度可分离卷积对卷积模型进行参数压缩,能够在满足轻量化需求的情况下,确保模型具有高诊断精度(96.20±2.81%).

    故障诊断卷积神经网络模型结构设计振动(机械)

      原文链接:
    • 维普
    • 万方数据

    融合CNN与CSSVM的滚动轴承故障诊断方法

    李云凤兰孝升申宏昌许同乐...
    89-96页
    查看更多>>摘要：针对传统故障诊断分类方法在旋转机械滚动轴承故障诊断中存在分类准确率不高、模型泛化能力弱的问题,提出一种基于信号处理技术结合深度学习算法的智能故障诊断模型.首先,按照一定比例重复划分原数据集实现数据扩充;其次,应用连续小波变换方法将扩充后的轴承振动信号转换成二维小波时频图;然后,采用改进后的卷积神经网络模型对划分后的二维图像集进行训练提取时频图像的深层特征;最后,将提取的特征向量输入到布谷鸟算法优化参数后的支持向量机分类层中,实现滚动轴承的故障分类.该故障诊断分类模型经训练输出最高100%的分类准确率,在抗噪性实验和变负载实验中准确率均优于其他5 个故障诊断模型.结果表明:卷积神经网络提取故障特征结合参数优化支持向量机的分类模型结构,不仅能够实现诊断精度的提升,还具有较强的泛化性能.

    滚动轴承故障诊断深度学习卷积神经网络支持向量机

      原文链接:
    • 维普
    • 万方数据