摘要:为解决联盟链环境下传统Raft共识信誉更新滞后、激励机制缺失和合作稳定性不足的问题, 本文提出RGE-RAFT (reputation and game-theoretic enhanced Raft)算法. 设计了一种马尔可夫信誉演化模型对节点行为进行动态量化评估, 并结合重复博弈机制, 通过收益-惩罚函数引导节点长期合作. 选主机制采用信誉加权与冷却因子的概率选举策略, 防止高信誉节点长期垄断, 提升公平性与去中心化. 理论分析证明系统信誉状态可收敛至唯一稳态, 节点策略可达子博弈完美均衡. 实验结果显示, 在60节点场景下, RGE-RAFT的吞吐量分别提升约23.7% (相对于Raft)、12.2% (相对于T_Raft)和5.1% (相对于K-Raft), 平均共识时延降低约12.9%. 节点信誉值可在有限轮次内快速收敛并实现稳定分层, 且在领导者选取公平性及系统稳定性方面表现优异. 研究表明, RGE-RAFT在信誉驱动共识与自博弈激励的融合设计为构建稳态、可信的联盟链共识机制提供了新思路.

摘要:多智能体强化学习(multi-agent reinforcement learning, MARL)在群体智能建模、复杂协作与对抗决策等领域具有广泛应用前景. 然而, 现有基于图神经网络(graph neural network, GNN)的结构化通信方法在深层传播中易出现过平滑, 同时通信拓扑在训练过程中难以自适应更新, 导致通信效率与泛化性能受限. 为解决上述问题, 本文在经典的分层通信架构LSC (learning structured communication)基础上, 提出了一种融合结构残差增强与动态拓扑学习的统一通信框架RESC-LSC. 框架包含两个核心组成: DRGL模块通过可微语义相似度建模实现通信图的自适应重构; REGC模块基于GCNII结构, 引入初始残差注入和恒等映射机制, 以增强深层特征传播的稳定性并缓解过平滑现象. 二者在结构学习与特征传播两个层面协同作用, 从而提升通信图的表达能力与任务适应性. 实验结果表明, RESC-LSC框架在平均回报、通信利用率与结构稳定性等关键指标上, 相较于原始LSC以及其两种消融变体均取得稳定且一致的性能提升, 表明了该方法在复杂多智能体通信建模中的有效性与可扩展性.

摘要:大语言模型(large language model, LLM)在自然语言处理领域展现出强大的语义理解与知识泛化能力. 然而, 通用大语言模型在应对垂直领域的专业问题时, 往往存在生成内容缺乏专业性、易出现幻觉事实及可解释性不足等问题. 为了解决上述问题, 提出一种基于知识增强的垂直领域问答模型解决方案. 首先, 在数据处理阶段, 提出一种基于多特征语义分割的文本切分策略, 以构建高质量的领域知识数据库. 在此基础上, 通过设计信息过滤约束模型回答范围, 并将实体抽取模块与知识图谱深度融合, 实现结构化与非结构化知识的有效整合, 从而提升模型生成回答的准确性与专业性. 最后, 通过主客观评估和消融实验验证了切分方法和问答模型. 实验结果表明, 该模型在特定领域的推理能力、专业性以及生成答案的可解释性方面均有显著提升.

摘要:异常检测技术在多元时间序列数据的异常识别中发挥着关键作用, 对于当代工业应用具有重要价值. 然而, 现有方法普遍忽视了频域信息, 导致其检测能力局限于简单的幅度异常, 而无法捕捉隐藏在周期模式中的复杂结构性异常. 为了克服这一缺陷, 提出一种无监督异常检测模型TF-AENET (time-frequency autoencoder network). 该模型通过双分支自动编码器架构, 融合了时域和频域信息. 时域分支通过因果卷积构建时间卷积网络(temporal convolutional network, TCN)来提取多尺度时序特征, 并引入线性多头注意力机制替代传统Transformer注意力模块, 以核函数近似和递归累积更新方式降低注意力计算复杂度, 同时严格满足时序因果性要求. 频域分支通过快速傅里叶变换和多层感知机(MLP)设计, 专注于分析信号的周期性、振动模式和整体频谱分布. 为了验证TF-AENET能有效检测异常及其优越性能, 将其与7个基线模型在4个公共数据集上进行了全面比较. 实验结果表明, TF-AENET在4个公共数据集上的平均F1分数高达93.19%, 相较于最优基线模型提升了5.30%, 验证了其时频融合架构在多变量时间序列异常检测中的有效性和优越性.

摘要:近年来, 随着计算机视觉与自然语言处理领域的迅猛发展, 这一研究方向引起了学术界的广泛关注. 传统Transformer处理图像等数据时生成字幕缺乏细节, 往往忽略了图像的局部特征, 难以实现精准的语义对齐. 为了解决这个问题, 提出一种融合视觉注意模块的多视角图像字幕生成模型. 首先, 该模型将图像复制16份, 每份都加入独立的随机噪声, 每份在空间特征中都存在微小差异, 让模型拥有多个“视角”, 并添加可学习二维相对位置编码; 其次, 在两阶段特征优化阶段模拟不同区域之间的信息交互, 显式建模不同区域的上下文依赖关系, 自动生成一个更具判别性, 聚焦于显著区域的增强全局视觉表述, 提升对图像细和局部语义的捕捉能力. 文本嵌入通过两层交叉注意力机制直接查询全部视觉patch, 实现每个生成token对图像区域的选择性关注. 最后, 生成器完成图像字幕生成后, 系统会通过多维度自动化评估指标(如BLEU、ROUGE、CIDEr、METEOR等)对生成的字幕进行判别, 确认生成文本是否能准确反映图像内容、具备流畅性和语义合理性, 从而衡量模型输出是否符合人类描述标准. 实验结果表明, 该方法与现有方法相比, BLEU1提升了5.17%, CIDEr提升了8.78%, ROUGE-L提升了12.52%, METEOR提升了17.24%.

摘要:在多模态情感分析(multimodal sentiment analysis, MSA)过程中, 各模态对最终情感贡献度不同, 情感判定的主导信息源随输入内容动态变化. 现有的方法通常固定以文本为主导模态, 而忽略了实际场景中情感极性会随任务与环境的变化, 从而与文本模态的情感并非完全一致. 因此, 固定将文本作为情感分析的主导模态易导致关键情感线索遗漏. 针对动态选取主模态的问题, 本文提出了一种情感因子引导主模态选取的动态融合框架SFGDMS (sentiment factors guided dominant modality selection), 通过正反两面计算各模态重要性来动态选取主模态. 具体而言, 首先, 通过交叉注意力机制捕获模态间交互作用, 并设计情感影响权重计算公式, 从正面量化各模态的全局影响贡献值. 其次, 引入反面因果验证框架, 通过目标模态移除与预测偏移观测, 从反面量化各模态的必要性贡献强度. 然后, 设计双路径情感信息过滤-增强模块, 利用主模态对辅助模态情感无关和冲突信息进行过滤, 并使用过滤后的辅助模态特征对主模态进行增强. 最后, 利用多模态Transformer对主模态特征和辅助模态特征融合. 在两个公开的数据集CMU-MOSI和CMU-MOSEI上的实验结果表明该模型优于一系列基线模型.

摘要:现有的 Transformer 模型在建模序列依赖方面表现优异, 但在处理具有非欧几里得结构的人体骨骼关键点数据时, 却缺乏对图结构的有效建模能力. 相比之下, 图卷积网络(graph convolutional network, GCN)更擅长捕捉关键点之间的拓扑关系与局部结构信息. 基于此, 本文提出了一种Transformer架构——GET. 该方法将GCN与Transformer相融合, 构建了一个兼顾图结构建模与全局上下文建模的统一框架, 从而增强了对人体骨骼表征的学习能力, 并有效克服了现有基于Transformer的三维人体姿态估计方法的缺陷, 即其自注意力机制中Q、K、V向量的推导均基于简单线性映射. 进一步地, GET在保持Transformer灵活性的同时, 引入图卷积来建模人体骨骼的结构先验知识, 使模型能够同时捕捉局部关节关系和全局时空依赖. 大量实验结果表明, 本文提出的GET在Human3.6M和MPI-INF-3DHP两个数据集上均取得了当前最优性能, 充分验证了其在非欧几里得结构数据建模中的有效性与通用性.

摘要:任务卸载作为移动边缘计算(mobile edge computing, MEC)计算范式的核心环节, 其可靠性直接关系着系统的安全性与服务质量, 一旦任务卸载失败可能引发严重后果. 为应对任务卸载可靠性不足、缺乏对不同类型的任务差异化可靠性保障机制的挑战, 本文首先依据任务对可靠性与时延的敏感程度, 将任务划分为4个关键等级; 构建融合MEC节点失效、信道中断及时延约束的卸载可靠性模型. 然后基于任务关键等级和可靠性模型设计基于任务等级的可靠性惩罚函数, 对未达可靠性目标的任务施加差异化约束. 在可靠性惩罚函数的基础上, 引入系统能耗与时延构建综合代价模型. 最后, 采用基于贪心策略的混合退火任务卸载优化算法(greedy-based hybrid simulated annealing for task offloading optimization algorithm, GHSA)对综合代价进行优化求解. 在不同实验场景下, GHSA算法与BTOA、AGA、SA、RA等任务卸载算法进行了性能对比. 仿真结果表明, GHSA在总任务卸载成功率方面较对比算法平均提升21.43%–48.17%; 在高关键等级任务的卸载成功率方面, 平均提升幅度超过33.60%. 该结果充分验证了GHSA算法在保障高关键任务可靠卸载的同时, 能够有效平衡系统能耗与时延, 体现出较强的综合优化能力与适应性.

摘要:在硬件资源受限的端侧设备中, 传统通用内存分配机制易产生碎片率高与峰值内存膨胀问题, 导致资源利用率低下. 针对这一问题, 本文提出一种基于程序行为特征的大块内存分配器. 该分配器使用轻量级两级共享缓存架构, 结合基数树与位图实现高效空闲块查找与合并, 在降低内存峰值占用的同时提升了内存管理效率. 对于应用程序的不同行为特征, 该分配器通过融合程序静态特征与动态行为分析, 提取关键内存使用模式用于驱动遗传算法自动搜索最优配置参数, 并在程序执行过程中用于指导分层回收和内存预分配, 减少内存碎片率和分配延时. 实验结果表明, 在大块内存分配频繁的场景中, 本文方案在默认参数下的内存峰值占用已经优于大多数通用内存分配器, 经自适应调优后, 碎片率还可进一步降至5%以下, 而分配延迟开销不超过2.3%. 得益于细粒度锁的同步机制, 本文方案在多线程高并发场景下仍能保持良好扩展性. 本文工作为资源受限环境下的高性能、低碎片内存管理提供了新的思路与方法.

摘要:现有的知识推理模型存在以下两个局限性: 其一, 将实体视为单独的个体, 而不考虑知识图谱(knowledge graph, KG)内部实体和关系之间的全局依赖关系. 其二, 图神经网络(graph neural network, GNN)通常假设节点的邻居之间彼此独立, 而忽略了它们之间可能存在的交互特征. 针对上述问题, 提出了一种融合短距离和长距离图交互注意力网络的知识图谱推理模型——LS-InGAT. 该模型利用卷积神经网络(convolutional neural network, CNN)捕获长距离的实体及关系, 并利用注意力交互对长距离的节点关系信息进行聚合得到实体的长距离特征表示. 此外, 模型引入了一个高效的多角度邻域图交互注意力网络, 该网络可以同时捕获实体间的交互和局部关系间的交互, 这些不同的交互信息可以融合以生成短距离结构特征的表示. 最后, 将长距离特征与短距离特征的组合输入解码器以对三元组进行打分. 在2个公开数据集上对提出的模型进行评估, 实验结果表明, LS-InGAT在 FB15k-237 数据集和WN18RR数据集中, 与最新的DRR-GAT模型相比, MRR分别提高了1.4%和7.7%.

摘要:为了解决多模态方面级情感分析当前方法的局限性: 易受视觉噪声干扰以及对方面表征的过度简化, 提出了视觉去噪与方面增强(visual denoising and aspect-enhanced, VDAE)方法, 该方法整合了图文相关性过滤和语义相关性过滤以实现视觉噪声抑制, 并结合多模态语义增强. VDAE包含两个组件: 多视角方面增强模块(multi-perspective aspect enhancement module, MPAEM)利用跨模态交互增强方面表征, 情感-语义-句法图卷积网络(sentiment-semantic-syntactic graph convolutional network, S3GCN)综合情感线索实现视觉信息的有效利用. 在Twitter2015和Twitter2017基准数据集上测试的实验结果表明, 该方法在多模态方面级情感分析3个子任务上相较于基线方法取得了显著性能提升.

摘要:当前主流的室内自监督单目深度估计框架多采用CNN (convolutional neural network)或ViT (vision Transformer)作为单一骨干网络. CNN受限于局部感受野, 难以刻画长距离依赖, 导致弱纹理区域深度估计模糊; ViT虽具备全局建模能力, 但在高分辨率特征阶段易丢失边缘与细节, 造成物体边界失真. 为此, 本文提出一种并行双分支网络 Swin-DPEC, 通过融合Swin-Transformer的全局上下文建模能力与所设计的双路增强卷积(dual-path enhanced convolution, DPEC)模块的局部细节提取能力, 实现优势互补. 网络的全局支路基于Swin-Transformer构建, 利用层级窗口注意力机制捕获多尺度长程上下文, 为低纹理区域提供几何先验; 局部支路通过设计的DPEC模块强化对边缘、角点等高频结构的感知. 为实现全局与局部支路特征的动态融合, 本文提出交叉注意力特征融合(cross-attention feature fusion, CAFF)模块, 以像素级交叉注意力机制自适应聚合全局语义与局部细节. 在NYUv2与ScanNet数据集上的实验结果表明, Swin-DPEC相较于现有自监督方法取得更优性能. 相对误差分别达到0.123、0.138, 准确率分别达到85.1%、81.1%, 且生成的深度图具有更好的全局结构准确性与局部细节保真度.

摘要:视觉定位旨在依据自然语言描述确定图像中目标地物的空间位置, 对于推动人机交互技术的发展具有重要意义. 近年来, 遥感图像中的视觉定位任务逐渐受到广泛关注. 与自然图像中的视觉定位相比, 遥感视觉定位面临诸多新挑战, 例如文本描述往往更为复杂, 目标地物在图像中所占比例较小, 定位过程更依赖于全局上下文信息等. 为解决上述问题, 本文提出了一种渐进式融合多模态与多尺度的遥感视觉定位方法. 该方法通过在多模态融合过程中动态调整文本特征权重, 逐步融入上下文信息, 以增强对复杂文本描述的理解能力; 同时, 利用深层特征引导浅层特征进行多尺度融合, 在充分保留多模态语义信息的基础上, 补充细节信息以提升定位精度. 本文在RSVG与DIOR-RSVG两个公开数据集上进行了实验验证, 实验结果表明, 本方法与现有方法相比具有显著优势.

摘要:图卷积网络因其对非欧几里得数据结构的优良建模而被广泛应用于基于骨骼的动作识别. 由于图卷积具有局部聚合的特性, 它的关注点聚焦在邻域关节和短时窗口. 然而, 多数人体动作更依赖于关节全局协同作用. 目前, 基于图卷积的方法通常忽略了空间连接拓扑和高阶群体关系. 为减轻这种限制, 提出了一种集成高阶空间建模与多尺度时序建模的新型框架, 称为时空超图Transformer网络. 本文提出通过骨骼超图构建高阶空间结构, 并结合骨骼距离偏差来动态建模骨骼关节整体的相对位移和远距离骨骼特征. 同时, 为了增强骨骼边和关节之间的互补性, 利用图卷积和动态自注意机制对多帧骨骼序列中的边特征和关节特征进行联合建模. 此外, 引入多尺度时间卷积模块, 提取不同时间窗口下的骨骼时序特征. 本文在NTU-RGB+D、NTU-RGB+D 120和Northwestern-UCLA这3个具有挑战性的基准数据集上进行了广泛实验, 实验结果表明, 本文提出的ST-HGT方法在3个基准上都达到或超过了最先进方法的精度.

摘要:在含噪声中等规模量子(noisy intermediate-scale quantum, NISQ)时代, 硬件拓扑约束与算法噪声敏感性共同制约量子电路映射效率, 传统启发式优化算法因离散编码机制难以精确表征量子位纠缠关系, 导致搜索收敛过早且开销居高不下. 针对上述问题, 提出混合量子鲸鱼-差分进化算法(hybrid quantum whale-differential evolution algorithm, HQW-DEA), 并将其应用于量子电路映射优化中. 采用希尔伯特空间连续编码表征映射个体; 结合量子理论设计三重协同优化机制, 其中量子干涉收敛完成当前态与最优态的叠加定向搜索; 量子随机搜索利用可控扰动增强全局探索能力; 量子螺旋追踪结合旋转门调整实现自适应步长控制. 同时, 算法设计了非线性自适应因子以平衡搜索步长, 引入差分进化量子变异, 利用量子并行性克服噪声, 实现全局-局部协同优化. 实验结果表明, 相较于传统优化算法, HQW-DEA在量子电路映射中展现了更高效率: 在IBM Qiskit与Quantinuum t|ket>环境下, SWAP数量平均分别降低37.03%与48.35%, CNOT数量平均分别降低14.54%与13.73%, 显著减少深度膨胀与噪声累积, 阐释改进算法突破离散编码限制和有效提升映射效率的能力.

摘要:在眼底疾病分类任务中, 针对细微的眼底病变特征难以提取, 以及高质量眼底图像标注数据稀缺而导致模型过拟合的问题, 提出了基于多尺度通道注意力(multi-scale channel attention, MSCA)和曼哈顿空间衰减注意力(Manhattan spatial decay attention, MSDA)交叉融合的轻量化眼底疾病分类模型. 为了精确提取特征的细节, 提出交叉融合注意力(cross-fusion attention, CFA) 机制, 通过卷积交替融合MSCA和MSDA, 提升对细微病变的敏感性. 在此基础上, 采用分层选择注意力的插入策略, 根据网络层次特征需求分配注意力从而充分提取眼底图像不同层次的特征. 其次, 为了克服因数据稀缺产生的过拟合问题, 提出注意力分数与范数结合的重要性剪枝策略, 移除冗余模块以降低模型参数量, 避免提取过多无用特征和背景噪声. 经过充分的实验验证, 所提出的模型在分类准确率上实现了5.07–12.68个百分点的提升, 并在特征提取与轻量化设计方面展现出突出的优势.

摘要:随着无人机技术的快速发展, 基于无人机的目标检测在智慧城市交通监控等领域应用前景广阔; 然而, 无人机图像存在目标尺度变化大、背景复杂等挑战, 传统检测算法难以在精度和效率间取得平衡. 本文提出了一种基于 RT-DETR 的无人机目标检测优化方法. 针对无人机图像中目标尺度变化大的问题, 优化了多尺度特征融合策略, 通过改进 P3–P5 特征金字塔结构, 增强了算法对不同尺度目标的检测能力; 同时, 针对无人机场景中目标通常较小且密集分布的特点, 优化了AIFI 注意力机制, 提高了算法对小目标的特征表达能力; 基于 RT-DETR-R18 轻量化设计, 在保证检测精度的前提下显著降低了计算复杂度. 在包含10个类别无人机图像的VisDrone 数据集上的实验结果表明, 本文提出的方法相比原始 RT-DETR 算法, 在保持实时性的同时提升了小目标检测精度, 验证了各个改进模块的有效性.

摘要:医学图像分割旨在将医学图像划分为有意义的区域, 如组织、病灶和特定解剖结构等. 与自然图像分割不同, 该任务面临低对比度、结构复杂以及训练数据有限等挑战, 导致用自然图像训练的视觉基础模型性能受限. 受大语言模型提示调优启发, 本文提出一种自适应点提示生成智能体, 使基础模型能够利用少量标注数据提升医学图像分割性能. 针对结构复杂的问题, 采用 UNet++作为策略网络以捕捉多尺度特征. 为缓解低对比度问题, 设计了位置-标签联合动作空间, 利用视觉基础模型的反馈构建前景点敏感奖励函数. 这种视觉基础模型与传统深度专用网络之间的交互机制在标注数据稀少的任务上获得较好的泛化能力. 脊髓肿瘤以及肾脏肿瘤数据集上的实验结果表明, 本方法在 Dice 和 IoU 指标上均较最新基线模型提升约 2%.

摘要:针对医学报告生成方法在面对稀有疾病时诊断不可靠及医学上下文信息不足的问题, 提出一种融合递归分类与自适应检索机制的诊断引导型报告生成方法. 该方法以视觉特征为基础, 引入基于置信度的递归分类器, 对低置信度样本进行多轮细化推理, 并结合 Focal Loss 增强对稀有类别的关注. 同时, 设计自适应检索模块, 根据视觉特征动态筛选相关历史报告, 为报告生成提供医学上下文补充. 在MIMIC-CXR数据集上将该方法与UAR等多种医学报告生成方法进行对比. 实验结果显示, 该方法在BLEU-n和ROUGE-L指标上提升明显, 并在稀有疾病的诊断与描述能力上表现更优.

摘要:随着图像压缩标准广泛应用, JPEG图像成为可逆数据隐藏(reversible data hiding, RDH)研究的重要对象. 当前JPEG图像的可逆信息隐藏方法为了寻求更优的嵌入性能, 通常会基于失真代价函数对各频带进行评估, 从而优化离散余弦变换(discrete cosine transform, DCT)系数在块间块内的修改顺序. 同时, 许多方法在多直方图中并行嵌入数据, 进一步优化扩展系数, 以提高嵌入效率. 然而, 现有方法通常对整个频带进行失真代价计算, 未能充分考虑频带内部DCT系数的分布差异. 此外, 频带长度和扩展系数往往被分别优化, 频带长度决定了可用于嵌入的 DCT 系数数量, 而扩展系数控制了每个系数的嵌入容量和嵌入失真, 分开优化难以获得最优嵌入性能. 为解决上述缺陷, 本文构建了一个基于联合优化的自适应多直方图修改(multiple histogram modification, MHM)映射框架, 通过引入动态失真代价函数和频带长度与扩展系数的联合优化策略, 显著提升整体嵌入性能. 通过重新构造失真代价函数, 融合考虑不同频带长度和系数分布差异导致的偏差问题, 动态计算每个频带划分与扩展系数组合下的潜在失真代价, 从而提升失真代价函数的准确性. 同时, 引入联合优化策略, 解决传统方法频带与扩展系数独立优化的局限, 根据各频带内的局部特性动态分配扩展系数, 并通过率失真协同确定不同频带长度与扩展系数组合, 从而实现逐层嵌入, 在满足给定嵌入容量的前提下, 有效提升嵌入效率并最小化单位失真代价. 在USC-SIPI和BOSSbase v1.01数据集上的实验结果表明, 本文算法在保持较高嵌入容量的同时, 有效提升了图像质量, 并在文件大小增量方面有更好的性能表现, 优于现有多种主流可逆数据隐藏算法.

摘要:针对传统缓冲区溢出漏洞修复方法依赖固定模板、难以应对复杂变种及运行态差异的问题, 本研究提出基于微补丁自适应优化算法AOMP (micro-patch adaptive optimization algorithm)的自动化修复框架, 通过对漏洞上下文特征进行结构化建模, 并利用Q-learning算法在预定义补丁原语库中进行策略优化, 实现了针对不同漏洞状态的最优微补丁自动生成. 利用多层数据集开展实验, 结果表明AOMP在基础溢出样本上的修复成功率达98.2%, 复杂变种漏洞成功率为93.3%, 在真实漏洞场景中实现了100%的防御效果. 同时, 平均性能开销仅为4.8%, 比传统工具TuxFix降低55%, 验证了该框架可根据漏洞特征动态调整补丁结构, 实现对未知变种的自适应修复, 从而为确保系统安全提供技术支撑.

摘要:论点对抽取旨在从跨文本中识别具有对应关系的论点单元对, 是论辩挖掘领域的核心任务. 针对论点对抽取任务中跨文档语义交互建模的层级混淆、细粒度关联信息难以捕捉和论点识别与配对推理的割裂式建模等问题, 提出一种基于层次化交叉与多粒度混合注意力机制的论点对联合抽取模型——HMA-APE. 该模型通过层次化交叉注意力编码器, 从“段落→句子”两级建模跨文本交互, 过滤非论点噪声; 设计三重注意力协同机制构成多粒度混合注意力, 分别捕捉内容相关性、序列依赖性与立场对比性, 全面挖掘多维关联信息; 采用双路径交互解码器, 通过边界特征约束配对推理与配对特征修正边界识别的双向迁移, 提升任务间信息交互效率, 实现论点识别与配对推理的深度协同. 实验结果显示, 该模型在两个公开数据集上总体性能优于所有对比基线模型, 验证了其有效性.

摘要:影像匹配是计算机视觉领域许多任务的前置基础, 在三维重建、图像配准、多源影像融合与地理信息提取等任务中具有核心作用. 然而, 复杂环境因素引发的几何变形、光照变化及噪声干扰使特征匹配方法在稳定性与鲁棒性方面面临挑战. 针对该问题, 本文提出一种基于模型残差聚类的随机抽样一致性粗差剔除算法DPCSAC. 面对包含粗差的初始匹配, 本文方法在由该初始匹配所导出的模型空间进行采样, 计算各个点对在采样模型下的残差矩阵. 随后利用密度峰值聚类(density peak clustering, DPC)对内点进行精化. 最终在精化后的内点集上进行模型估计与一致性验证, 从而获得稳定且精确的匹配结果. 通过在VGG数据集、Kusvod2数据集和Mag数据集这3个数据集上与经典以及新颖的影像匹配方法对比, 实验结果表明本文方法在RMSE、Acc等指标上均表现优越, 验证了其在复杂场景下的适应性与有效性.

摘要:基于扰动的时序可解释性方法通过对输入序列进行扰动并观察模型输出的变化, 从而揭示模型对特定时间步或特征的敏感性, 进而解释其决策机制. 尽管现有方法通过引入可学习扰动提升了时序预测的可解释性, 但这些方法通常依赖全局扰动, 忽视了局部特征之间的关联. 为解决这一问题, 本文提出了一种基于自适应patch与信息熵门控的时序可解释性方法. 通过引入自适应patch模块增强扰动的局部关联性, 并将GRU替换为iTransformer编码器, 以更好地捕捉时间依赖性. 同时, 结合信息熵度量对特征重要性进行加权组合, 进一步提升模型的可解释性和预测准确性. 实验结果表明, 所提方法在多个时序可解释任务中优于现有基准, 能有效提高特征识别精度, 精准识别影响预测结果的关键因素, 显著增强模型的透明度和可靠性.