白琳
- 作品数：12 被引量：15H指数：2
- 供职机构：广西大学计算机与电子信息学院更多>>
- 发文基金：广西壮族自治区自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术农业科学文化科学理学更多>>
- 基于遗传算法的蝙蝠优化算法研究被引量：7
- 2017年
- 针对基本蝙蝠算法后期收敛速度不够快、早熟、寻优精度不高、容易出现局部最优问题等情况,提出与遗传算法相结合的优化蝙蝠算法(GABA)。该优化算法嵌入了竞争机制以及遗传算法,利用遗传算法具有的全局搜索性能,让种群进化时具有更丰富的多样性,在解决算法早熟问题的同时,提高了局部广度搜索性能,避免产生局部最优问题。Matlab环境下的仿真实验结果表明:与基本BA算法对比,改进后算法(GABA)在收敛速度及精度上均有明显提高,特别在高维函数上的搜索能力更为明显,可针对工程应用过程中出现的高维多极值复杂函数进行优化。
- 翁健高白琳易向阳李道丰
- 关键词：收敛速度遗传算法
- 数学建模竞赛助力本科毕业论文的改革创新
- 本文针对计算机专业本科毕业论文教学过程中普遍存在的论文题目缺乏工程实践性，毕业论文教学过程监督标准与考核标准滞后，学生参与积极性不高等问题，研究设计了一套新的毕业论文教学方案。该方案将人工智能等学科的前沿科研内容融入到毕...
- 黄佳佳陈罗宇白琳李陶深
- 关键词：毕业论文数学建模人工智能学科竞赛
- 基于自监督学习的单目图像深度估计算法
- 2023年
- 针对现有单目图像深度估计方法中存在估计效果较差等问题,为提升单目图像深度估计的有效性,设计一种基于自监督学习的单目图像深度估计算法。首先获取单目图像绝对深度特征、相对深度特征以及位置特征,采用深度差的对数作为损失函数,得到图像点对点的关联特征;然后采用表面法线损失函数处理深度图表面法线,降低图像表面波动,计算图像光度损失函数与两个图像之间的相似度;最后将单目图像输入到自监督学习网络,计算深度幅值,完成基于自监督学习的单目图像深度估计。实验主要分为客观评价和主观评价,在客观评价部分验证了本文估计算法深度预测的准确性达到了91.2%,深度图边缘误差仅为3%,该方法具备较高的准确性;在主观评价中验证了本文算法能够真实预测图形特征,有效提高图像深度估计效果。
- 白琳刘林军李轩昂吴沙刘汝庆
- 关键词：软件工程单目图像特征提取损失函数
- 基于深度学习技术的棉花顶芽识别和定位技术研究
- 棉花生产是关系国民经济发展的基本农业生产,但是当前棉花生产的关键环节--棉花顶芽摘除仍处于手工生产阶段,直接影响了棉花的种植面积扩大与产量的提升.目前,各类机器学习技术已经成为了研究农业智能化的利器,本文将以深度卷积神经...
- 孙一佳范文同白琳陈峰练张扬虎李陶深
- 关键词：FPN
- 基于深度学习的蔗糖原料甘蔗蔗叶杂质智能化探测技术研究
- 甘蔗是制糖产业的重要原料，直接关系人民生产生活。但目前，甘蔗种植到制糖的过程尚未实现自动化。制糖厂在收购甘蔗时的甘蔗评定自动化是实现制糖产业自动化的重要环节，目前仍然采用人工的方式进行评定，这不仅效率低下，还会导致收购到...
- 孙一佳白琳陈峰练张扬虎李陶深
- 关键词：目标检测
- 一种融合粒子群算法的蝙蝠优化算法被引量：5
- 2018年
- 针对基本蝙蝠算法(BA)在寻优后期存在搜索性能差,寻优精度低,处理误差大,易陷入局部最优及早熟等缺陷,提出一种融合粒子群算法进行局部搜索的蝙蝠优化算法。该算法在局部搜索中,嵌入粒子群算法生成备选最优蝙蝠,并与基本蝙蝠算法生成的随机蝙蝠进行再竞争的方式优化种群,丰富了种群的多样性,提高了算法的全局搜索能力和局部搜索能力。Matlab环境下的仿真结果表明,改进后算法(PSOBA)在收敛速度及精度上均有明显提高,处理维度更高,是解决复杂函数优化问题的一种有效方法。
- 翁健高李道丰白琳易向阳
- 关键词：粒子群算法函数优化收敛速度
- 加强数学建模教育提高学生创新实践能力
- 本文针对数学建模教学过程中普遍存在的偏重理论讲解，忽视实践教学环节，与工程实践相脱节的问题，设计了一套基于案例分析的引导式数学建模教学方案。教学方案以学生自主讨论分析数学建模案例为主，教师讲解为辅;并通过开展形式多样的数...
- 李俊宏秦琳白琳李陶深
- 关键词：数学建模案例分析
- 复杂环境下的棉花顶芽智能探测技术研究
- 摘除棉花顶芽是棉花种植过程中至关重要的一个步骤。为解决棉花顶芽的智能化与自动化摘除任务的关键难点，实现在自然环境下计算机快速精准定位与识别棉花顶芽，本文研究了基于混合深度模型的棉花顶芽探测与定位识别技术，创新地设计了一种...
- 孙一佳白琳张扬虎陈峰练李陶深
- 面向同源蛋白质探测的一种新型混合深度学习模型
- 2019年
- 根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLMPHP)。通过采用统一的“管道式”深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。
- 张茜孙一佳白琳李陶深
- 关键词：同源蛋白质机器学习算法
- 融合自我知识蒸馏和卷积压缩的轻量化人体姿态估计方法
- 2024年
- 为追求更准确的关键点检测结果,现有许多有关人体姿态估计研究多采用复杂的深度网络架构构建模型,忽略了模型的实际部署成本,导致模型在资源受限的边缘设备上很难实际部署,缺乏实用性.为了解决上述问题,本文设计了一种融合自我知识蒸馏和卷积压缩的轻量化人体姿态估计模型.该模型首先使用改进的EfficientNet网络构建一个编码器,提取图像的多尺度特征;其次,基于深度可分离转置卷积,设计一种轻量化上采样解码器,估计人体姿态;最后,采用轻量化多尺度双向融合与知识自我蒸馏方法,进一步提高人体姿态估计的准确性.在COCO和MPII标准数据集上进行了广泛的定性、定量和消融实验,实验结果表明所提出的模型不仅能获得准确的人体姿态估计,而且能显著降低模型的计算复杂性.
- 闫忠心白琳李陶深
