张志坚
- 作品数：6 被引量：6H指数：2
- 供职机构：昆明理工大学理学院更多>>
- 发文基金：云南省教育厅科学研究基金国家自然科学基金国家重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 基于机器学习对串联排队系统等待时间的预测被引量：2
- 2022年
- 串联排队系统是排队网络的基本结构,研究串联排队系统对分析排队网络具有重要意义.串联排队系统中站与站之间存在关联性,上游站的输出过程是下游站的输入过程,对于不满足马尔可夫性的排队系统,下游站的到达过程很难用解析的方法分析.对于一般的串联排队系统,本文基于机器学习对串联排队系统的平均等待时间进行预测,通过数值实验比较机器学习中线性回归模型和非线性回归模型的预测效果.实验结果表明,非线性回归模型优于线性回归模型,XGBoost算法对串联排队系统的平均等待时间的预测准确度较高.此外,本文将XGBoost算法与传统的近似分析方法进行比较,发现XGBoost算法的预测效果优于传统的近似分析方法.
- 卫安妮赵宁张志坚
- 关键词：仿真模拟平均等待时间
- 基于持续同调的在线社交网络传播研究
- 2022年
- 为了对在线社交网络进行全面的可视化分析,运用持续同调的计算方法对在线社交网络传播进行计算与分析。首先,将在线社交网络看作距离子空间,构造出该空间的不同子复形;然后,通过计算单纯复形的同调得到相应的贝蒂数和持续性图,从而基于贝蒂数和持续性图获取社交网络的拓扑特征;最后,分析几个不同类型在线社交网络的传播特点,将持续同调应用于在线社交网络传播,从而得出在线社交网络的持续同调信息,并提供一种描述在线社交网络传播的新方法。
- 邱吕琳张志坚蔡光程钟慧
- 关键词：贝蒂数
- 多服务器串联排队系统中平均排队时间的预测
- 2024年
- 研究了具有2个服务站且缓冲区无限的多服务器串联排队系统,利用机器学习的线性回归模型和非线性回归模型对2个站的平均排队时间进行预测,并对各种机器学习方法的预测结果进行误差分析。数值实验结果显示,非线性回归模型优于线性回归模型,RF、XGBoost、GBDT方法可以作为分析多服务器串联排队网络的有效手段。
- 李绎冉赵宁张志坚
- 关键词：多服务器
- 基于AE-Tiny YOLOV3的小目标检测模型被引量：1
- 2022年
- 小目标检测是现阶段目标检测领域的热点和难点问题。针对小目标检测漏检及对硬件性能要求较高的问题,对Tiny YOLOV3进行改进,提出一种适合在低性能平台上使用的小目标检测算法AE-Tiny YOLOV3。首先,使用EfficientNet-B0骨干网络替换原算法的特征提取网络;其次,在检测网络中增加一个检测分支,形成3尺度预测;最后,引入注意力机制对3个检测分支进行改进。实验结果表明,在VOC07+12数据集上,AE-Tiny YOLOV3算法满足实时检测的要求,并且鲁棒性较高,最高能将mAP值提高16.89%。将AE-Tiny YOLOV3算法应用在架空输电线路中绝缘子状态检测实例上,mAP达到了86.53%,相较于Tiny YOLOV3算法提升了15.27%,能满足对小目标绝缘子状态的实时检测。
- 林莉姜麟张志坚
- 关键词：小目标检测
- 一个光交换中的拥塞控制模型
- 2009年
- 由于光介质在网络传输能力以及交换速度方面的巨大优势,光交换网络已经成为新一代网络传输技术。然而网络中所使用的协议和算法基本都是基于电交换介质的,在光交换网络中存在很多问题。针对此提出一个基于增强学习算法的拥塞控制模型,以源节点作为缓冲,主动的判断网络情况,调整发送策略,避免拥塞的发生。有效地避免了拥塞情况的发生,提高了网络传输效率。
- 张志坚刘凌
- 关键词：光交换拥塞控制交换网络
- 改进YOLOv7的自动驾驶目标检测算法被引量：3
- 2024年
- 能否准确实时检测出道路上的车辆、行人等物体对自动驾驶车辆十分重要。针对自动驾驶场景下,车辆在行驶中存在的漏检,小目标检测效果差的问题,提出一种改进YOLOv7算法的自动驾驶目标检测算法。修改网络中扩充感受野的模块,减少感受野模块的大小,提高模型速度的同时增强对图片特征信息的提取能力。在主干网络输出端引入双层路由注意力机制,提高模型对小目标物体的检测性能。用EIOU损失函数替换算法原本的CIOU损失函数,将预测框与真实框的高度与宽度的差异最小化,加快模型收敛速度的同时达到更好的定位效果。实验结果表明:在KITTI数据集上,改进后的YOLOv7算法进行目标检测时,其mAP达到94.7%,在原YOLOv7算法上提升了3.1个百分点,并且在小目标物体检测上获得了更高的检测精度,有效提升了模型对小目标检测效果。
- 胡淼姜麟陶友凤张志坚
- 关键词：自动驾驶小目标检测损失函数
