首页期刊导航|西南交通大学学报
期刊信息/Journal information
西南交通大学学报
西南交通大学
西南交通大学学报

西南交通大学

翟婉明

双月刊

0258-2724

xbz@home.swjtu.edu.cn

028-87600552、87600550、87600551

610031

四川省成都市二环路北一段

西南交通大学学报/Journal Journal of Southwest Jiaotong UniversityCSCD北大核心CSTPCDEI
查看更多>>本刊为全国核心期刊，并被《中国科学引文数据库》和《中国科技论文统计》收录为来源期刊。主要刊登理工类和经济管理等学科的基础理论研究、应用研究、实验研究、学术讨论等方面的学术论文以及科技信息报道。
正式出版
收录年代

    基于响应面法的结构参数对引射器引射系数影响的仿真研究

    贾德民王晓艳王培伦于彬彬...
    1167-1175页
    查看更多>>摘要：为分析引射器引射系数的显著影响因素,建立以空气为介质的引射器二维可压缩流动数值模型,基于实验数据完成了引射器模型计算准确性的校核验证.采用D最优实验设计方法设计计算矩阵,基于最小二乘法构建二阶形式的引射系数响应面预测模型,并基于响应面预测模型开展了引射系数显著参数及参数交互作用的仿真分析.研究结果表明:引射系数预测值和计算值的吻合性证明了响应面预测模型的准确性;扩压段长度、混合段长度、混合段直径和喷嘴出口到混合段入口距离的交互、混合段直径和混合段长度的交互、混合段长度和扩压段扩散角的交互是引射器引射系数的关键影响因素,因其对引射系数影响的P值小于 0.001;扩压段扩散角、喷嘴出口到混合段距离和扩压段长度的交互、混合段长度和喷嘴出口到混合段距离的交互对引射系数具有重要的影响,是引射系数影响的主要参数;在参数显著交互作用中,影响引射系数的显著因素是变化的,取决于显著交互作用双参数的取值范围.

    引射系数参数敏感性分析引射器响应面模型

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多尺度感知的密集人群计数网络

    李恒超刘香莲刘鹏冯斌...
    1176-1183,1214页
    查看更多>>摘要：针对密集人群场景存在的目标尺度多样、人群大尺度变化等问题,提出一种基于多尺度感知的密集人群计数网络.首先,考虑到小尺度目标在图像中占比较大,以VGG-16(visual geometry group 2016)网络为基础,引入空洞卷积模块,以挖掘图像细节信息;其次,为充分利用目标多尺度信息,构建新的上下文感知模块,以提取不同尺度之间的对比特征;最后,考虑到目标尺度连续变化的特点,设计多尺度特征聚合模块,提高密集尺度采样范围与多尺度信息交互,从而提升网络性能.实验结果显示:在ShangHai Tech(Part_A/Part_B)和UCF_CC_50数据集上,本文方法的平均绝对误差(mean absolute error,MAE)分别为 62.5、6.9、156.5,均方根误差(root mean square error,RMSE)分别为 95.7、11.0、223.3;相较于最优对比方法,在UCF_QNRF数据集上的MAE和RMSE分别降低1.1%和4.3%,在NWPU数据集上分别降低8.7%和13.9%.

    人群密度估计多尺度聚合空洞卷积密度图

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于注意力机制的三维点云模型对应关系计算

    杨军高志明李金泰张琛...
    1184-1193页
    查看更多>>摘要：针对现有深度学习方法计算非刚性点云模型间稠密对应关系时精度不高,且算法泛化能力较差的问题,提出一种基于特征序列注意力机制的无监督三维点云模型对应关系计算新方法.首先,使用特征提取模块提取输入点云模型对的特征;然后,通过Transformer模块捕获自注意力和交叉注意力,学习共同上下文信息,并由对应关系预测模块生成软映射矩阵;最后,重构模块根据得到的软映射矩阵重构点云模型,并利用无监督损失函数完成训练.在FAUST、SHREC'19和SMAL数据集上的实验结果表明,本算法的平均对应误差分别为 5.1、5.8和5.4,均低于 3D-CODED、Elementary Structures和CorrNet3D经典算法;本算法所计算的非刚性三维点云模型间对应关系准确率更高,且具有更强的泛化能力.

    计算机视觉对应关系无监督点云重构注意力机制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于知识图谱的高速列车知识融合方法

    王淑营李雪黎荣张海柱...
    1194-1203页
    查看更多>>摘要：为解决高速列车各领域知识之间关联不明、难以检索和应用等问题,首先分析高速列车多源异构知识的组织形式,并结合高速列车产品结构树和阶段领域,构建高速列车领域知识图谱模式层和知识图谱;其次,通过双向编码变换器-双向长短期记忆网络-条件随机场(BERT-BILSTM-CRF)模型进行实体识别,得到阶段领域本体的映射;然后,将高速列车实体属性分为结构化和非结构化 2类,并分别使用Levenshtein距离和连续词袋模型-双向长短期记忆网络(CBOW-BILSTM)模型计算相应属性的相似度,得到对齐实体对;最后,结合高速列车产品编码结构树进行映射融合,构建高速列车领域融合知识图谱.应用本文方法对高速列车转向架进行实例验证的结果表明:在命名实体识别方面,基于BERT-BILSTM-CRF模型得到的实体识别准确率为 91%;在实体对齐方面,采用Levenshtein距离、CBOW-BILSTM模型计算实体相似度的准确率和召回率的调和平均数(F1值)分别为 82%、83%.

    高速列车知识图谱知识融合本体映射实体对齐

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于注意力机制与光照感知网络的红外与可见光图像融合

    杨艳春闫岩王可
    1204-1214页
    查看更多>>摘要：部分图像融合方法未充分考虑图像环境的光照状况,导致融合图像中出现红外目标亮度不足以及整体画面亮度较低,从而影响纹理细节的清晰度.为解决上述问题,提出一种基于注意力机制与光照感知网络相结合的红外与可见光图像融合算法.首先,在训练融合网络之前利用光照感知网络计算当前场景是日间或夜间的概率,将其运用至融合网络损失函数中,用以指导融合网络训练;然后,在网络的特征提取部分采用空间注意力机制和深度可分离卷积对源图像进行特征提取,得到空间显著信息后,输入卷积神经网络(CNN)以提取深度特征;最后,将深度特征信息进行拼接用于图像重建,进而得到最终的融合图像.实验结果表明:本文方法的互信息(MI)、视觉保真度(VIF)、平均梯度(AG)、融合质量(Qabf)与空间频率(SF)较对比方法分别平均提高 39.33%、11.29%、26.27%、47.11%和39.01%;融合后的图像能够有效保留红外目标亮度,且包含丰富的纹理细节信息.

    图像融合注意力机制卷积神经网络红外特征提取深度学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于时频Grad-CAM的调制识别网络可解释分析

    梁先明倪帆陈文洁张家树...
    1215-1224页
    查看更多>>摘要：针对时频深度学习调制识别方法存在可解释性差的问题,提出一种基于时频梯度加权类激活映射(Grad-CAM)的调制识别网络可解释框架.该框架通过时频Grad-CAM可视化深度模型中隐含层的关键特征,从视觉上解释网络隐含层提取的时频深度特征对于正确与错误识别中的作用,揭示低信噪比环境下网络性能下降的内在机理,并通过量化和排序网络中每层不同卷积核的贡献值来判断网络的冗余程度.仿真实验结果验证了基于时频Grad-CAM的调制识别网络可解释性框架的有效性;可解释分析结果表明,在低信噪比环境下,网络特征提取区域有大量噪声存在,且本文所测试的调制识别网络冗余程度较为严重.

    可解释深度学习梯度类加权激活映射调制识别时频分析

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    顾及边缘的多时相SAR图像半监督建筑区提取

    陈帅霖杨文李恒超TAPETE Deodato...
    1225-1234页
    查看更多>>摘要：针对合成孔径雷达(synthetic aperture radar,SAR)图像中建筑区域难以辨识与标注的问题,提出一种结合改进的伪标签技术和边缘增强策略的半监督建筑区提取新方法.首先,引入同一位置、不同时相的SAR图像作为自然数据增强手段,并通过多个不同时相图像的预测结果投票确定伪标签;其次,设计一种边缘增强辅助模块,通过特征图变形以修正建筑区主体特征,辅以跳跃连接改进边缘特征,并针对主体和边缘特征进行分离式监督;此外,构建一个包含 2种传感器和 2个城市区域的多时相SAR图像建筑区提取数据集,含 1000幅带标注图像和800组无标注时序图像,并基于该数据集进行实验验证.实验表明,在所构建测试集上,基线方法使用全量数据训练后交并比(intersection over union,IoU)为 63.43%,而所提方法在使用 10%和全量数据时IoU分别为 63.46%和68.24%,仅利用10%的标注数据即可达到基线方法使用全量标注数据训练的精度.

    建筑区提取合成孔径雷达半监督学习边缘提取

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于双向长短期记忆网络的城市快速路合流区车速预测

    谢济铭夏玉兰秦雅琴赵荣达...
    1235-1244页
    查看更多>>摘要：非典型复杂场景微观交通参数的准确预测是保证车路协同系统(IVICS)稳定运行的前提.为解决IVICS条件下合流区高峰时段瓶颈现象所致的车速分布紊乱而不易预测的问题,首先,基于无人机高空视频,从广域视角提取交织区高峰时段全样本高精度车辆轨迹数据;然后,考虑双向长短期记忆网络(bidirectional long short-term memory,Bi-LSTM)时间较长且人工设置训练参数对模型预测性能影响较大,提出基于贝叶斯超参数(bayesian hyperparameters optimization,BHO)优化的BHO-Bi-LSTM车速预测集成模型;最后,构建经典多元线性回归车速预测模型、Bi-LSTM车速预测模型作对比.结果表明:BHO-Bi-LSTM模型表现最优,拟合优度、秩相关度分别为 91.05%、94.87%,误差均值、误差的标准差、均方误差、均方根误差、归一化均方根误差分别为 0.056 1、0.455 6、0.210 6、0.458 9、0.078 5,有效改善了合流区高峰时段车速特性复杂而导致不易预测的缺陷.

    交通工程速度预测多车道交织区轨迹数据贝叶斯优化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据