論文元數(shù)據(jù)搜索，找到相關(guān)信息共 2 條：
2007, 29(11): 2734-2737.
doi: 10.3724/SP.J.1146.2006.00365
刊出日期：2007-11-19
論文探討了TMA(目標(biāo)運(yùn)動(dòng)分析)中基本的非線性估計(jì)問題；介紹了粒子濾波(PF)的基本思想和輔助變量PF(AVPF)的基本算法，特別針對(duì)空對(duì)海單站只測(cè)方位TMA(BO-TMA)問題應(yīng)用AVPF和EKF(擴(kuò)展卡爾曼濾波)進(jìn)行了對(duì)照研究；建立了問題的離散非線性濾波估計(jì)模型；設(shè)計(jì)了典型的應(yīng)用場(chǎng)景；給出了Monte Carlo仿真運(yùn)行結(jié)果；表明AVPF具有更高的估計(jì)精度、更好的收斂特性和濾波一致性。
2022, 44(8): 2949-2956.
doi: 10.11999/JEIT210537
刊出日期：2022-08-17
針對(duì)目前圖像隱寫檢測(cè)模型中線性卷積層對(duì)高階特征表達(dá)能力有限，以及各通道特征圖沒有區(qū)分的問題，該文構(gòu)建了一個(gè)基于多層感知卷積和通道加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)隱寫檢測(cè)模型。該模型使用多層感知卷積(Mlpconv)代替?zhèn)鹘y(tǒng)的線性卷積，增強(qiáng)隱寫檢測(cè)模型對(duì)高階特征的表達(dá)能力；同時(shí)引入通道加權(quán)模塊，實(shí)現(xiàn)根據(jù)全局信息對(duì)每個(gè)卷積通道賦予不同的權(quán)重，增強(qiáng)有用特征并抑制無用特征，增強(qiáng)模型提取檢測(cè)特征的質(zhì)量。實(shí)驗(yàn)結(jié)果表明，該檢測(cè)模型針對(duì)不同典型隱寫算法及不同嵌入率，相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的檢測(cè)準(zhǔn)確率，與最優(yōu)的Zhu-Net相比，準(zhǔn)確率提高1.95%～6.15%。
