首页期刊导航|上海师范大学学报（自然科学版）
期刊信息/Journal information
上海师范大学学报（自然科学版）
上海师范大学学报（自然科学版）

丛玉豪

双月刊

1000-5137

xuebao@shnu.edu.cn

021-64322304

200234

上海市桂林路100号

上海师范大学学报（自然科学版）/Journal Journal of Shanghai Normal University(Natural Sciences)CSTPCD
查看更多>>本刊是上海师范大学主办的综合性学术刊物，主要刊登数学、物理学、计算机科学、化学、生物学、地理学、体育学、科学史、大中学校教育改革等基础研究和应用研究方面的学术论文。旨在反映上海师范大学最新科研成果，促进校内外、国内外学术交流，传递信息，培养人才，为我国现代化建设服务。读者对象主要为高等院校理工科教师、研究生、中学教师和国内外科技工作者。
正式出版
收录年代

    适用于右转辅助的非机动车道检测

    刘翔鹏彭雨琳童德中陆玮...
    147-155页
    查看更多>>摘要：为避免传统车辆或无人驾驶车辆在右转时与快速行驶的自行车发生碰撞的风险,需要在转弯前稳定地检测出非机动车道,并实时定位骑车者.为实现该目标,通过调整初始代价及代价聚合,完成更为精确的非机动车道图像立体匹配;基于改进的Hough变换算法,对路面上的非机动车道线进行识别和提取;之后结合立体视觉来获取非机动车道的精确三维坐标.实验结果表明:所提方法可以在大部分场景下检测出不同类型的非机动车道,且具有较高的精确度,适用于广义非机动车道检测,对于先进驾驶辅助系统或无人驾驶车辆实现全道路场景识别起到了积极的辅助作用.

    非机动车道检测驾驶辅助立体匹配Hough变换车道线拟合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种面向自动驾驶路况的目标检测算法

    顾清滢金紫怡蔡宇航李昶铭...
    156-160页
    查看更多>>摘要：为了对常见的行人和车辆进行检测,采用自行标注的数据集,通过基于faster region-based convolutional neural network(RCNN)框架的算法进行调参与优化.主干网络采用轻量化网络MobileNetv2,在原生锚框的基础上,区域建议网络(RPN)部分增加2个面积尺度,检测部分使用感兴趣区域(ROI)Align结构,减少特征图映射和均分过程中的误差.实验结果表明:使用faster RCNN目标检测网络,可以有效完成行人和车辆的检测任务,整体效果良好.

    目标检测fasterregion-basedconvolutionalneuralnetwork(RCNN)行人车辆检测区域建议网络(RPN)

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    恶劣天气下基于锚点的多尺度融合车道线检测及优化方法

    邓文博刘翔鹏安康
    161-166页
    查看更多>>摘要：针对黑夜和大雾天气下车道线检测的问题,在数据预处理阶段采用改进的自适应伽马变换对过暗或漂白的图片进行增强,并利用暗通道先验法对大雾场景下的图像进行数据增强,从而降低干扰.在特征提取阶段,采用改进的rotation forest block(RFB)网络提取车道线的特征信息,并通过基于锚点的分类方法实现了快速而准确的车道线检测功能.

    车道线检测数据增强rotationforestblock(RFB)暗通道先验法目标检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于子图采样的大规模图对抗性攻击方法

    高昕安冬冬章晓峰
    167-171页
    查看更多>>摘要：为提高对抗性攻击在大规模图上的攻击效率,提出了基于子图采样的对抗样本生成方法.该方法通过引入PageRank、余弦相似度及K跳子图等技术,提取与目标节点高度相关的子图,在大规模图上缓解了计算梯度效率较低的问题,在降低被攻击模型准确性的同时提升了攻击的隐蔽性.实验结果表明:所提出的对抗性攻击方法与基于梯度攻击的GradArgmax算法相比,在Cora数据集上提升了 30.7%的攻击性能,且在Reddit大规模数据上能够计算GradArgmax算法无法计算的攻击扰动.

    图神经网络对抗性攻击子图提取算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的教材德目教育文本分类方法

    陈浩淼陈军华
    172-180页
    查看更多>>摘要：对上海中小学教材德目教育文本分类进行研究,提出了基于转换器的双向编码表征(BERT)预训练模型、双向长短期记忆(BiLSTM)网络和注意力机制的模型IoMET_BBA.通过合成少数类过采样技术(SMOTE)与探索性数据分析(EDA)技术进行数据增强,使用BERT模型生成富含语境信息的语义向量,通过BiLSTM提取特征,并结合注意力机制来获得词语权重信息,通过全连接层进行分类.对比实验的结果表明,IoMET_BBA的F1度量值达到了86.14%,优于其他模型,可以精确地评估教材德目教育文本.

    德目指标中文文本分类基于转换器的双向编码表征(BERT)模型双向长短期记忆(BiLSTM)网络注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于金豺优化PID的直流电机调速控制系统

    李传江何鲮朱燕飞
    181-187页
    查看更多>>摘要：针对传统直流(DC)有刷电机调速系统适应性不强、抗干扰能力和稳健性差等缺点,设计了基于金豺算法优化比例-积分-微分(PID)的直流有刷电机控制系统.在建立电机数学模型的基础上,将金豺优化(GJO)算法应用于PID参数整定,实现对电机的控制,并分别与传统试凑法、反向传播(BP)-PID算法和麻雀算法(SSA)-PID进行对比.仿真结果表明:所设计的控制算法在调节时间上减少了12 ms,超调量降低了3.689%,受到干扰后的调节时间减少了17 ms,表现出更快的调节转速、更强的抗干扰能力和更好的稳健性,为直流有刷电机调速控制提供了一种有效的方案.

    直流电机比例-积分-微分(PID)金豺优化(GJO)算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLO-Pose轻量模型的多人姿态估计

    李传江汪著名张崇明
    188-194页
    查看更多>>摘要：YOLO-Pose作为人体姿态估计算法模型,在精度和速度上有着不错的表现,但其在复杂和有遮挡的场景下存在误检率较大的问题,并且模型的复杂度仍然有优化的空间.针对这几个问题,通过选取Slim-neck模块和Res2Net模块,重新设计其特征融合层,减少其计算量和参数量,提高特征提取能力,在提升精度的同时,使模型轻量化;引入EIoU损失函数,加快边框检测的收敛速度,并提高定位的准确性.在压缩的OC_Human数据集上进行测试,改进后的模型与YOLO-Pose相比,P值、mAP@0.5和mAP@.5:95分别提高了10.6,3.1和2.9个百分点.此外,参数量和计算量也分别减少了16.7%和19.3%,在精度和轻量化方面均有所提升,为其应用在资源有限的边缘计算设备提供了可能性.

    人体姿态估计YOLO-Pose轻量化Slim-neck

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种基于知识图谱的用户多偏好推荐系统

    李晶晶赵勤
    195-204页
    查看更多>>摘要：提出了一种基于知识图谱(KG)的用户多偏好(MPKG)推荐系统,从用户关系级、实体级和细粒度高阶用户三种不同的视角建模用户的偏好.首先,将KG中关系向量组合,构建关系级意图,并通过独立性将不同意图之间的差异最大化,由关系级意图来指导学习关系级偏好;然后,根据用户交互实体的频率构建实体偏好图(EPG),并学习用户的实体级偏好;接着,分别使用关系级意图和实体级偏好来指导模型学习用户的表示;此外,还直接从KG中构建关系实体信息流,用于用户的表示,挖掘用户的高阶细粒度偏好.在两个基准数据集上进行实验,实验结果验证了该方法的有效性和可行性.

    推荐算法深度学习知识图谱(KG)图神经网络(GNN)

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究

    李传江吉星照尹仕熠
    205-210页
    查看更多>>摘要：针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN(RNA)的表面肌电信号(sEMG)特征提取和分类算法.该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类.将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类.实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.012 7,均显著优于传统单一算法,体现了较好的分类性能.

    表面肌电信号(sEMG)特征选择肌肉疲劳模式识别

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于BERT与细粒度特征提取的数据法学问答系统

    宋文豪汪洋朱苏磊张倩...
    211-216页
    查看更多>>摘要：首先利用bidirectional encoder representations from transformers(BERT)模型的强大的语境理解能力来提取数据法律文本的深层语义特征,然后引入细粒度特征提取层,依照注意力机制,重点关注文本中与数据法律问答相关的关键部分,最后对所采集的法律问答数据集进行训练和评估.结果显示:与传统的多个单一模型相比,所提出的模型在准确度、精确度、召回率、F1分数等关键性能指标上均有提升,表明该系统能够更有效地理解和回应复杂的数据法学问题,为研究数据法学的专业人士和公众用户提供更高质量的问答服务.

    bidirectionalencoderrepresentationsfromtransformers(BERT)模型细粒度特征提取注意力机制自然语言处理(NLP)

      原文链接:
    • NETL
    • NSTL
    • 万方数据