山东大学学报(理学版)杂志

山东大学学报(理学版)杂志2026年第1期

• 基于多尺度特征融合与改进注意力的锈蚀螺栓螺帽检测

  孙迪, 郭义童, 任超, 范海峰, 张传雷

  针对输电线路巡检中螺栓螺帽目标尺寸小、数量多、且存在复杂背景遮挡的检测问题,提出具有多尺度特征融合机制和改进注意力机制的螺栓-螺母检测Transformer(bolt-nut detection Transformer, BN-DETR)算法。构建跨阶段部分连接网络(cross stage partial darknet, CSPDarknet)为主干网络的特征提取模块,通过集成局部感知、全局注意力机制和多层感知机实现多尺度特征的高效聚合,设计基于改进注意力的尺度内特征交互模块,通过动态选择关键点降低计算复杂度,同时保持全局信息交互能力,提出多层次注意力融合机制(全局、局部、像素级)提升特征表达能力。实验结果表明, BN-DETR算法的平均精度均值@50较基线算法提高3%,为电力设施微小缺陷检测提供有效的技术参考。

• 融合多尺度注意力机制和改进特征融合的轻量化水面小目标检测模型

  仲尚,马丽,刘文哲,李雨豪

  在复杂水面场景下,针对小目标检测精度较低、漏检率高和计算资源有限的问题,提出一种融合多尺度注意力机制和改进特征融合的轻量化水面小目标检测模型。根据中心度理论,设计新的主干网络,利用多尺度注意力机制增强模型的特征提取能力,利用部分卷积从减少特征图冗余的角度改进颈部网络,有效降低模型计算量。使用大型可分离核注意力模块改进快速空间金字塔池化模块,提升模型的特征融合能力。实验结果表明,与其他模型相比,本文模型的检测精度高、漏检率低、参数量少。

• 基于深度神经网络的重症监护室脓毒症患者死亡风险预测模型分析

  余雷,孙懿,华金铭,李腊全

  提出基于变量选择网络(variable selection networks, VSN)和门控残差网络(gated residual networks, GRN)相结合的深度神经网络(deep neural network, DNN)模型,用于预测重症监护室(intensive care unit, ICU)脓毒症患者30 d内的死亡风险,并对模型的可解释性进行深入分析。在重症医学数据库中利用随机森林算法筛选43个重要特征,利用本文提出的模型评估死亡风险,并采用移除再训练(remove and retrain, ROAR)方法选出一种最佳的可解释性方法对结果进行解释。测试结果显示,本文提出的模型的预测性能优于其他机器学习模型,受试者工作特征曲线面积(area under receiver operating characteristic curve, AUROC)为0.967。利用ROAR方法分析中,相关性分数逐层传播(layer-wise relevance propagation, LRP)方法的AUROC从0.967下降到0.828。利用LRP方法对本文提出的模型进行可解释性分析后,确定查尔森合并症评分为最重要的特征,同时器官衰竭评分、年龄、呼吸频率也对重症监护室脓毒症患者的死亡风险有较大影响。

• 基于一般重叠函数的模糊数学形态学边缘检测方法

  王军涛,黄强

  基于一般重叠函数与其诱导的剩余蕴涵分别构造了模糊膨胀和模糊腐蚀两类模糊数学形态学算子,并研究模糊膨胀、模糊腐蚀算子的代数性质,将模糊聚类方法与模糊膨胀、模糊腐蚀算子结合,提出一种新的模糊数学形态学边缘检测方法,利用该算法对多个灰度图像边缘检测。相较于三角模和经典合取算子的边缘检测方法,文中提出的边缘检测方法适用范围更广,实验结果表明,在尽可能提取到完整图像边缘的前提下,本文边缘检测方法能够有效减少噪声引入率。

• 基于知识度量的模糊粗糙c-均值算法

  李文焱,李丽红,王洪欣

  提出基于知识度量的模糊粗糙c-均值聚类(fuzzy rough c-means based on the knowledge measure, KFRCM)算法。传统聚类算法在处理具有模糊边界的数据时存在一定的局限性,表现为对初始聚类中心较为敏感且在高维空间中效率较低。为解决上述问题,引入特征加权的知识度量,结合模糊隶属度函数与粗糙集近似算子,采用高斯核相似度以增强边界特性。实验采用14个数据集,实验结果表明,KFRCM算法的聚类准确性、稳定性和计算效率均优于6种主流聚类算法。该研究首次将知识度量与模糊粗糙聚类相结合,为开发更为可靠和适应性更强的聚类算法提供了新的思路和算法。

• 结合蝙蝠算法和紧密度改进的三支K-means算法

  孙清,叶军,曾广财,宋苏洋,汪一心

  本文结合蝙蝠算法和紧密度改进三支K-means算法,利用黄金分割系数和种群平均位置优化蝙蝠算法,根据优化后的蝙蝠算法搜索初始聚类中心,提高三支K-means算法的稳定性。依据紧密度判断核心域和边界域的阈值,减少边界域样本数量,提高三支K-means算法的准确性。对比实验采用9个数据集与6种聚类算法,实验结果表明本文算法提升聚类性能,验证本文算法有效性和实用性。

• 白蚁分区式微方向感知的精确形态识别

  邹峥,雷雨晟,刘石坚,王定一,邱学炜,史雯雯,周校通

  提出分区式微方向感知的自动形态分析方法,采用分区式思想细化目标,间接增加形态差异的显著性。选择旋转矩形表征目标和更多方向信息,在识别时引入多层局部空间感知模块,将方向与特征直接关联,同时融合双支空间金字塔模块,强化浅层特征复用,提高了计算效率。将主流旋转目标检测方法、关键点检测方法与本文方法对比,结果证明在提取高干扰的小目标的方向和位置方面,本文方法具有更好的精确度和鲁棒性。

• 基于二型模糊预序的模糊粗糙集模型

  张光旭,姚卫

  以二型模糊预序为基本结构研究了模糊粗糙集,定义一对模糊上下近似算子,并研究它们的性质和相互关系,证明上可定义集和下可定义集是等价的,上可定义集和下可定义集构成一个满层的Alexandrov模糊拓扑。

• 基于混合变异灰狼优化算法的泊位-岸桥调度

  杨玉,孙圣博,徐子瑞,蒋效伟,宋强,戴红伟

  为解决灰狼优化(grey wolf optimizer, GWO)算法收敛速度慢、易陷入局部最优等问题,提出一种基于混合变异的灰狼优化(hybrid mutation grey wolf optimizer, HMGWO)算法。采用Tent混沌映射策略初始化种群,融入自适应收敛因子策略平衡搜索多样性,引入高斯-柯西混合变异策略提高算法性能。利用6个基准测试函数进行仿真实验,从寻优能力与收敛性等方面对HMGWO算法进行综合分析。将HMGWO算法应用于离散泊位-岸桥调度问题,1 000次迭代实验后,HMGWO算法的船舶在港时间最短。

• T-球形模糊环境下基于减法和除法算子的灰色-多准则妥协解排序方法

  邓世海,郑婷婷,赖龙翔

  提出T-球形模糊数的减法和除法算子,讨论T-球形模糊数减法和除法算子的性质。提出基于T-球形模糊减法和除法算子的灰色关联分析方法,并将该方法与多准则妥协解排序(vlsekriterijumska optimizacija i kompromisno resenje, VIKOR)方法结合,防止计算过程中T-球形模糊信息的丢失,利用一种新的得分函数完善T-球形模糊数的比较机制。通过实例及对比实验说明所提的基于T-球形模糊减法和除法算子的灰色-VIKOR方法的有效性和优越性,为解决T-球形模糊环境下的多属性决策问题提供新的有效的方法。

• 2型犹豫q阶三角不确定语言Schweizer-Sklar-Muirhead算子

  吕笑凡,袁修久,李京泰,赵学军

  为了描述多属性决策问题中决策者们多层的犹豫性,本文结合犹豫模糊集、q阶三角犹豫模糊集和q阶犹豫模糊不确定语言集,提出2型犹豫q阶三角不确定语言集,定义了基于Schweizer-Sklar范数的模糊元的运算,证明运算的性质。为了有效处理评估属性之间相互关联的现实决策问题,将Muirhead平均算子推广至2型犹豫q阶三角不确定语言集,提出2型犹豫q阶三角不确定语言Schweizer-Sklar-Muirhead平均算子和加权Muirhead平均算子,并给出这些算子的计算公式和性质。最后,给出基于2型犹豫q阶三角不确定语言Muirhead平均算子的多属性决策方法,并进行算例分析。