-
HOMAYON:一种用于微分音音乐自动标注的混合式融合变压器,该变压器采用基于旋律的音色表示方法
音乐自动打标签模型因长期依赖西方调性数据而难以处理波斯达斯特加赫等微音阶音乐。本文提出Chakavak数据集与HOMAYON混合架构,前者通过专家标注构建多维度波斯音乐基准,后者创新性地采用动态过渡矩阵编码高精度旋律特征,并与冻结预训练MERT模型结合,通过跨模态注意力机制实现旋律引导的音色解析。实验表明该架构在波斯、土耳其及阿拉伯音乐数据集上均显著优于传统CNN和MERT模型,验证了旋律优先融合机制的有效性。
来源:Expert Systems with Applications
时间:2026-01-19
-
在森林环境中,基于地面与空中协同的激光雷达(LiDAR)技术实现全球定位
本研究提出基于LiDAR的无人机-地面协同全球定位方法,利用冠层外无人机点云作为地理参考框架,通过匹配自然树干特征实现地面LiDAR系统的绝对定位,误差不累积且精度达0.147米,优于传统SLAM。方法包含高效三点拟合算法、几何一致性验证和实时完整性指数评估。
来源:Expert Systems with Applications
时间:2026-01-19
-
基于层次结构的联合对比学习与知识蒸馏方法,用于自监督的三维骨架动作识别
自监督骨骼动作识别中提出分层知识蒸馏框架,通过教师-中间教师-学生三阶段架构与自适应Softmax对比层(SCL)动态选择关键关节,减少冗余特征并提升表示效率,在NTU RGB+D等多基准数据集上达到最优识别性能且降低计算成本。
来源:Expert Systems with Applications
时间:2026-01-19
-
在异构信息网络上基于双重意图感知的对比学习方法用于推荐系统
提出DIACL-HRec模型,通过意图解耦、跨视图知识提取与多视图对比学习解决异构推荐中潜在意图建模难题,实验在三个数据集上NDCG@10分别提升5.2%、4%和1.6%。
来源:Expert Systems with Applications
时间:2026-01-19
-
通过田口设计(Taguchi design)和基于语言模型的差分进化(differential evolution)方法进行智能神经架构搜索,以应用于农业图像识别
提出两阶段神经架构搜索(NAS)框架,结合Taguchi方法筛选超参数与LLM增强的差分进化优化ViT架构,在番茄、芒果等四类作物病害检测数据集上验证,实现98%以上准确率,优于传统CNN模型。
来源:Expert Systems with Applications
时间:2026-01-19
-
单腿坐立测试是一种有效且可靠的方法,可用于评估国际越野滑雪运动员下肢的运动能力及肢体不对称性
本研究旨在评估移动应用基于的单腿坐站(SLSTS)性能指标的效度和重测信度,以22名国际级越野滑雪运动员为对象,结果显示SLSTS时间、速度、功率及肢体不对称性具有良好重测信度(ICC 0.81-0.89),并与肌力及跳跃高度呈中度至强相关性,证实其可作为实验室评估的可靠替代工具。
来源:Gait & Posture
时间:2026-01-19
-
通过理论与实验相结合的方法,研究了在La0.7Sr0.3MnO3中低浓度Nd3+掺杂对磁热性能的影响,以优化其磁热性能
La0.7−xSr0.3NdxCuO3(x=0.05-0.15)通过溶胶-凝胶法合成,XRD证实单相R-3c钙钛矿结构。第一性原理计算与XPS表明Nd³⁺掺杂引发化学压力与氧空位竞争,使Mn⁴⁺稳定化,抑制Mn³⁺/⁴⁺比例,导致居里温度从364K降至344K。磁熵变达5.01 J/(kg·K),符合MF理论与Widom标度,揭示了稀土掺杂调控磁制冷性能的机制。
来源:Inorganic Chemistry Communications
时间:2026-01-19
-
基于固定基座模型几何的SfM摄影测量与激光扫描计算机图形学集成方法:提升门式设施遥感精度的创新研究
本研究针对门式设施遥感测量中因传感器外参变化和传统方法局限导致的空间与相对精度不足问题,开发了集成SfM摄影测量与激光扫描计算机图形学的“基座模型对齐”新方法。通过构建理想条件下的固定基座模型几何,成功统一了多传感器输出,显著提升了数字高程模型(DEM)的精度(相对精度达0.74 mm,空间精度达2.13 mm),为实验地貌学等领域的精确变化检测提供了可靠技术支撑。
来源:International Journal of Applied Earth Observation and Geoinformation
时间:2026-01-19
-
EL-Mamba:基于边缘感知与局部聚合状态空间模型的建筑物高度遥感估算新方法
为解决建筑物边界模糊和全局-局部上下文信息利用不足的问题,研究人员提出了一种边缘感知和局部聚合的Mamba网络(EL-Mamba),该模型通过多尺度LoG滤波增强边界表征,并利用改进的视觉状态空间块捕获全局与局部特征。实验表明,EL-Mamba在武汉和长三角数据集的RMSE分别达到4.963m和5.358m,较基线模型平均降低20%以上,显著提升了大范围建筑物高度估算的精度与效率。
来源:International Journal of Applied Earth Observation and Geoinformation
时间:2026-01-19
-
基于跨模态对比学习的多模态遥感数据噪声鲁棒分类方法研究
本研究针对多模态遥感数据在复杂噪声环境下分类性能下降的难题,提出了一种基于跨模态对比学习的噪声鲁棒分类框架。该框架通过引入多尺度特征提取、跨模态特征融合和超图混合增强等创新模块,有效提升了高光谱与LiDAR数据在多种噪声干扰下的分类精度。实验结果表明,该方法在MUUFL、Augsburg和Trento三个公开数据集上均显著优于现有方法,为遥感地物分类的实际应用提供了重要技术支撑。
来源:International Journal of Applied Earth Observation and Geoinformation
时间:2026-01-19