-
基于几何引导的Transformer与体积-姿态位置编码的多视图立体视觉技术
多视图立体视觉三维重建框架融合Transformer与几何关系优化,采用DINOv2冻结主干提取多视图补丁特征,通过Frustum-Intersection Guided Selection(FIGS)算法选择最优视点补丁增强成本体积,结合Perceiver-Transformer实现多模态融合与正则化,引入图拉普拉斯谱捕获全局结构,开发可学习编码网络优化体积-姿态位置编码,实验验证其有效性。
来源:Knowledge-Based Systems
时间:2025-12-31
-
基于联邦半监督学习的方法对基础模型进行高效微调,以提升医学图像分类的准确性
提出 FedSemiCET 框架,通过分步聚合策略和指数移动平均平滑更新解决联邦半监督学习中客户端异构性问题,结合多二进制分类器评估伪标签可靠性,并采用参数高效微调方法减少计算通信开销,在三个医学数据集上验证其优于现有方法。
来源:Knowledge-Based Systems
时间:2025-12-31
-
基于多尺度超像素引导的低秩表示的高光谱图像稀疏解混方法
本文提出多尺度超像素引导低秩表示稀疏解混(MSLRSU)算法,通过多尺度超像素分割捕捉HSI空间特征,设计自适应加权策略融合不同尺度特征,并采用端元分组策略增强活跃端元主导性。实验表明MSLRSU在模拟和真实数据集上优于现有算法。
来源:Knowledge-Based Systems
时间:2025-12-31
-
大气与水下光无线通信:统计模型、性能提升技术与前沿应用综述
本刊特约编辑推荐:为解决第六代移动通信系统(6G)对高速率、低延迟的迫切需求,研究人员系统综述了光无线通信系统(OWCS)在大气和水下环境中的关键技术挑战与解决方案。研究深入剖析了湍流信道统计模型(如Gamma-Gamma分布、Málaga模型)、指向误差模型(如Hoyt分布、Beckmann分布)及性能提升技术(如孔径平均、空间分集、智能反射面(IRS))。通过实验验证,在53.42公里自由空间光通信(FSO)链路中实现276 Gbps传输速率,水下光无线通信(UOWC)达8.58 Gbps。该研究为6G天地海一体化网络提供了理论支撑和技术路径,对推动超高速无线通信具有重要意义。
来源:IEEE Communications Surveys & Tutorials
时间:2025-12-31
-
B5G异构蜂窝网络智能切换解决方案:创新策略与全栈评估
为解决5G异构网络中传统切换算法无法充分利用网络容量的问题,研究人员开展了智能切换管理策略研究,提出了基于启发式评分和双深度Q网络(DDQN)的两种新算法,并开发了新型元模拟器进行全栈验证。结果表明新策略在聚合吞吐量上比3GPP标准算法提升65%-450%,显著改善了网络性能并有效避免了基站饱和。
来源:IEEE Open Journal of the Communications Society
时间:2025-12-31
-
基于小波核和大数据量网络的加权对抗学习方法,用于在类别不平衡情况下实现滚动轴承的跨域故障诊断
针对工业旋转机械故障诊断中的样本稀缺、类不平衡和跨域分布偏移问题,本文提出WALKMAN框架。通过小波特征增强解决数据稀缺,类感知大间隔softmax优化不平衡分类,条件加权对抗训练消除域偏移和标签偏移,显著提升在JNU和MFPT轴承故障数据集上的诊断精度与鲁棒性,尤其在长尾分布场景表现优异。
来源:Knowledge-Based Systems
时间:2025-12-31
-
面向6G及以上的协作非正交多址接入技术综述:现状、应用与研究方向
本推荐语由编辑撰写:为解决5G/B5G系统中高可靠、低延迟、海量连接等需求,研究人员对协作非正交多址接入(C-NOMA)技术开展了系统性综述研究。文章详细阐述了C-NOMA通过用户辅助中继和专用中继增强系统可靠性、扩展覆盖范围的基本原理,并深入探讨了其与认知无线电(CR)、全双工(FD)、智能反射面(IRS)、人工智能(AI)等前沿技术的融合方案。研究指出,C-NOMA在提升频谱效率(SE)、能量效率和用户公平性方面展现出巨大潜力,是未来6G网络中实现超可靠连接的关键使能技术。
来源:IEEE Open Journal of the Communications Society
时间:2025-12-31
-
MFF-Mixer:一种用于长期多变量时间序列预测的多视角特征融合方法
长期时间序列预测中,传统方法难以处理多变量、非线性及长周期数据,而深度学习方法如Transformer和CNN各有优劣。本文提出MFF-Mixer混合框架,通过Transformer捕获全局特征,1D卷积提取局部特征,经门控融合单元整合后进行频率域分解与混合,有效解决多尺度特征重叠问题,实验表明优于最新SOTA模型。
来源:Knowledge-Based Systems
时间:2025-12-31
-
基于时频域耦合的知识追踪方法:通过分离学习行为实现
知识追踪通过分析学习行为动态建模知识状态演变,现有方法多聚焦时序特征提取而忽视频域特性。本文提出时间-频率域耦合知识追踪模型TFKT,通过双通道分解猜测、滑移行为,结合三阶Kolmogorov-Arnold网络建模多尺度关联,并利用因果FFT与可学习掩码将知识状态分解为低中高频分量,实现时频耦合建模。实验验证其在四数据集上提升预测精度和可解释性。
来源:Knowledge-Based Systems
时间:2025-12-31
-
面向去中心化医疗诊断的隐私保护持续分割学习框架PRCSL:一种融合差分隐私与互信息对齐的新方法
为解决分布式医疗环境中数据孤岛、隐私约束及临床数据持续演化导致的灾难性遗忘问题,研究人员开展了隐私保护排练式持续分割学习(PRCSL)框架研究。该研究通过差分隐私范例共享、互信息对齐模块(MIA)及无参数最近范例均值分类器(NME),在八个基准数据集上实现最高3.62%的平均准确度提升,为物联网医疗系统提供隐私保护、通信高效且持续自适应的AI诊断方案。
来源:Machine Learning with Applications
时间:2025-12-31