刘凡
- 作品数：14 被引量：79H指数：7
- 供职机构：河海大学计算机与信息学院更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金教育部重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术水利工程更多>>
- 基于结构光和CT的背部点云配准算法
- 2023年
- 针对现有深度学习算法在进行医学图像配准时出现的模型对噪声敏感、精度较低等问题,提出一种基于结构光和CT图像的点云配准算法,旨在提高配准精度、算法鲁棒性的同时,避免图像采集过程中X射线带来的辐射。首先,向术中患者体表投射编码后的结构光,并使用主成分分析方法获取主轴矫正后术中患者的体表点云;然后,对术前患者进行CT扫描并进行三维重建及采样获取术前患者的体表点云。最后,构建一种基于特征重用和注意力机制的动态图卷积网络模型结合图像迭代配准算法进行人体背部点云配准。整个过程较好地融合了两种模态的信息,且具有无辐射、精度较高、用时较短等优点。
- 沈春梅刘凡朱佳乐
- 基于信任委托的区块链分层共识优化被引量：10
- 2020年
- 联盟链是政府和企业构建行业应用首选的区块链方案,但其核心共识协议实用拜占庭容错(PBFT)机制存在扩展性问题。采用分片技术和代理人节点可以有效降低共识消息复杂度,其中代理人在选举方式、改进和干预协议过程等是当前的主要研究方向。基于此,提出一种分层共识优化机制TDH-PBFT,将共识节点划分为互相独立的组,对组内节点间共识过程的行为进行评价得到节点信任度,根据信任度选举出委托代理人参与局部和全局共识,并证明TDH-PBFT共识机制的完备性。实验结果表明,当节点数量增大时,该算法可以有效减少共识时间,提升系统吞吐量,保障共识服务质量。
- 段靓吕鑫刘凡
- 关键词：区块链
- 海浪预报方法研究进展被引量：9
- 2021年
- 总结了海浪预报方法的分类和研究现状,对比分析了各类方法的优缺点。通过对比分析可知,半经验半理论预报法、经验统计预报法、数值预报法3类传统的海浪预报方法区域化显著,模型建立困难,并且对于实时性数据要求较高。此外,还分析了海浪预报的发展趋势,展望了大数据、人工智能和深度学习等新技术在海浪预报研究领域的应用前景。
- 刘凡刘凡徐丹戴雯雯李慧洲
- 关键词：灾害性海浪海浪预报大数据人工智能
- 基于自编码器和稀疏表示的单样本人脸识别被引量：3
- 2021年
- 单样本人脸识别因其在现实生活中的广泛应用而成为人脸识别领域的热门话题。单张训练样本条件下训练样本的缺少和复杂的类内人脸表情、光照、遮挡变化给单样本人脸识别研究带来困难。传统的基于稀疏表示的人脸识别方法需要大量的训练样本构成过完备的字典,因而在单样本条件下识别效果明显下滑。针对这一问题,提出一种基于有监督自编码器的带变化人脸样本生成方法,在保留身份信息的同时自动生成带变化的人脸图像用于单样本条件下的字典扩充,一定程度上缓解了单样本条件下的欠采样问题,弥补了训练集和测试集间的人脸变化信息差异,使得传统的稀疏表示方法能够适用于单样本人脸识别问题。在公共数据库上的实验结果不仅证明了该方法的有效性,而且对测试集中不同的人脸变化也展现出了较强的鲁棒性。
- 王钰刘凡刘凡
- 关键词：单样本人脸识别字典学习
- 一种基于多种特征融合的人脸识别算法被引量：15
- 2017年
- 为了进一步提高词袋模型在人脸识别中的性能,提出一种融和多种特征所建立的词袋模进行人脸识别的算法.首先提取人脸图像中的若干局部特征,分别基于每种特征离线训练视觉词典,将每种局部特征映射到对应的高维中层语义空间中,然后使用空间金字塔模型得到每种特征的人脸图像描述,最后将各种特征拼接起来并使用线性SVM完成对人脸图像的分类判别.在多个公开数据库上的实验结果表明,该算法对人脸的姿态、表情变化以及面部遮挡具有更优良的鲁棒性,能够更好地解决小样本问题.
- 杨赛赵春霞刘凡陈峰
- 关键词：人脸识别
- 多核学习融合局部和全局特征的人脸识别算法被引量：11
- 2016年
- 提出一种基于词袋模型的新的人脸识别算法.该方法将词袋模型和词袋模型的全局模式分别作为人脸图像的局部特征和全局特征描述,最后使用多核学习方法将二者进行融合.AR、FERET、CMU PIE以及LFW公开人脸数据库上的实验结果表明,本文方法能够更好的解决小样本问题,并且对人脸的表情变化、姿态变化以及面部遮挡具有更优良的鲁棒性.
- 杨赛赵春霞刘凡
- 关键词：多核学习人脸识别
- 多尺度融合背景与目标先验的显著性目标检测被引量：1
- 2018年
- 为了解决当目标不在图像中心或者出现在图像周边时,基于中心先验或者背景先验的显著性检测算法往往会产生错误检测的问题,提出使用目标性作为先验信息得到前景显著图,并且利用乘法运算将其与基于背景先验信息计算的显著图相融合,然后进行空间优化得到单尺度下的显著图,最终显著图为多尺度显著图的加权融合.基于公开数据库的实验结果表明：与目前多种前沿算法相比,本文算法具有更优的检测性能,能够凸显整个显著性目标.
- 刘凡杨赛杨慧林宏达
- 关键词：视觉显著性多尺度融合
- 基于模态相关性学习的细粒度分类
- 2023年
- 针对单模态细粒度分类方法难以区分图像间细微差异的问题,将多模态融合方法引入到细粒度分类任务中,充分利用多模态数据的相关性和互补性,提出了一种基于模态相关性学习的细粒度分类方法。该方法分为两个阶段,首先考虑到图像和文本数据之间的对应关系,利用它们的匹配程度作为约束来进行模型的预训练;接着,加载上一步得到的网络参数,先提取多模态特征,再利用文本特征指导图像特征的生成;最后,基于融合后的特征进行细粒度分类。该方法在UPMC-Food101、MEP-3M-MEATS和MEP-3M-OUTDOORS数据集上进行训练测试,分别达到91.13%、82.39%和93.17%的准确率。实验结果表明,该方法相对于传统的多模态融合方法具有更好的性能,是一种有效的细粒度分类方法。
- 张天舒刘凡戴雯雯高瑞琢
- 关键词：多模态融合
- 基于GRU和LightGBM特征选择的水位时间序列预测模型被引量：8
- 2020年
- 水位时间序列受降雨量影响,在变化规律上呈现出季节性和复杂性。传统模型结构简单且很少考虑季节性因素的影响,对于汛期复杂的水位时间序列预测精度欠佳。提出一种基于GRU和LightGBM水位时间序列预测模型。利用GRU提取水位数据建立水位数据预测的基础模型,将预测结果分为非汛期与汛期两个阶段分别与LightGBM特征选择后的环境因素结合建立最终模型,解决了模型对于不同季节预测值简单叠加导致的精度丢失的情况。预测模型以射阳河流域站点为例,对水位时间序列进行预测。实验结果表明,该模型能更有效处理水文数据复杂的季节性变化,提高了预测的精确度。
- 许国艳周星熠司存友胡文斌刘凡
- 关键词：时间序列预测
- 基于CNN和MC的水文时间序列预测组合模型被引量：9
- 2019年
- 对于水位精准的预测是预防洪涝灾害的有效措施。在深度学习不断发展的背景下,提出基于卷积神经网络和马尔科夫链的水文时间序列预测组合模型,该模型解决了现有算法未考虑站点之间空间的相关性、多维输入的时候会提高特征提取中数据重建的复杂度,以及单一模型只考虑水位时间序列线性部分而未考虑非线性部分所导致的预测精度低的问题。该组合模型首先运用卷积神经网络训练水位时间序列和降雨量时间序列对未来水位进行预测,并结合原始时间序列计算得到残差序列,再将使用马尔科夫链训练残差序列得到的残差预测结果和卷积神经网络预测的值相加得到最终的结果。实验表明,该方法与现有算法相比,在预报准确率上能够取得更好的效果。
- 许国艳朱进司存友胡文斌刘凡
- 关键词：水文时间序列卷积神经网络马尔科夫链
