程菲
- 作品数：11 被引量：17H指数：2
- 供职机构：杭州电子科技大学管理学院更多>>
- 发文基金：浙江省自然科学基金安徽省自然科学基金浙江省高校人文社科重点研究基地项目更多>>
- 相关领域：自动化与计算机技术经济管理机械工程文化科学更多>>
- 用户感知驱动工效学适老化拖把结构设计
- 2020年
- 为满足老年人用户对拖把的感性和易用性需求,基于感性工学和人体测量学方法对传统拖把结构进行改进设计。通过建立拖把语义空间和功能属性空间并引入卡诺模型获得功能改进优先级,合成感性空间和属性空间,并利用因子分析得到具体功能要素及其达成方法,进行初步设计。在此基础上,借助人体测量学方法不断对产品尺寸进行修正,并通过数种人体损害分析法评价优化结果。优化后的工效学拖把符合老年人的感性需求并减轻了身体负担,其设计流程可作为个性化工效学产品设计的参考。
- 蔡敏屠星宇程菲王倩倩
- 关键词：感性工学人体测量学卡诺模型
- 3分支多层次Transformer特征交互的RGB–D显著性目标检测
- 2023年
- RGB深度图像(RGB–D)显著性目标检测是计算机视觉领域的研究任务之一,很多模型在简单场景下取得了较好的检测效果,却无法有效地处理多目标、深度图质量低下及显著性目标色彩与背景相似等复杂场景。因此,本文提出一种3分支多层次Transformer特征交互的RGB–D显著性目标检测模型。首先,提出一个跨模态坐标注意力模块,该模块通过采用坐标注意力抑制RGB图像和深度图的噪声信息,从而提取出更为显著的特征信息用于后续解码。其次,通过特征融合模块将高层的3层特征图调整到相同的分辨率送入Transformer层,有效地获取远距离显著性目标之间的关联关系和整幅图像的全局信息。然后,提出一个多层次特征交互模块,该模块有效地聚合多层次信息进行特征交互,从而能够更精准地定位显著性目标的位置,同时对显著性目标的边界进行细化。最后,设计一个密集扩张特征细化模块,利用密集扩张卷积获取丰富的多尺度特征,有效地应对显著性目标数量和尺寸变化。将模型在5个公开的基准数据集上与19种主流模型相比,实验结果表明:本文方法在多个测评指标上有较好的提升效果,提高了在特定复杂场景下的检测精度;从P–R(precision–recall)曲线、F–measure曲线和显著图也可以直观看出,本文方法取得了较好的检测结果,生成的显著图更完整、清晰,相比其他模型更加接近真值图。
- 孟令兵袁梦雅时雪涵刘晴晴程菲程菲何术锋
- 关键词：TRANSFORMER特征交互
- 基于增量自适应支持向量机的AFM尖端磨损识别被引量：2
- 2023年
- 为了提高纳米加工刀具磨损状态在线监测的精度与泛化能力,提出一种基于增量自适应支持向量机的基于原子力显微镜(AFM)尖端磨损识别方法。该方法以横向力的峰-峰值和方差作为特征变量,通过移动视窗获取增量数据;以维持Kuhn-Tucher定理所要求的最优化条件为准则,在当前支持向量机解结构基础上自适应修改正则化参数C和核参数σ,以获得更新支持向量机结构,并对增量数据及受其扰动的原数据进行分类;根据尖端失效点数量走势,判定尖端磨损程度。实验证明该算法在识别精度与时间上可满足在线检测要求。与定向非循环图支持向量分类器对比,该算法具有更强的鲁棒性与更高的泛化能力。
- 江子湛程菲张海民
- 基于增强现实的移动学习模式及效果研究被引量：8
- 2018年
- 移动学习模式如何取得最佳效果,是教学改革研究的重点。文章以《生产系统建模与优化》课程为例,对融合增强现实的移动学习双闭环教学模式进行探讨,详述了该模型外部整体循环过程及内部PDCA优化过程。研究案例实行实验组与对照组分开教学,其中实验组采用融合增强现实的移动学习模式,对照组采用传统教学模式,实验采集了两组学生的前测、后测和延滞测试成绩数据,并进行卡方检验和T检验,从知识、理解和应用三个维度,分析实验组和对照组的成绩差异,同时对该模式的学习效果影响以及推广价值进行了讨论。
- 程菲
- 关键词：教学模式
- 基于时间序列数据和支持向量机的纳米加工AFM刀尖损伤监测被引量：3
- 2019年
- 研究了基于支持向量机(SVM)的时间序列数据分析和模式识别,以监测基于AFM尖端的纳米加工过程在加工性能和尖端磨损方面的状态变化。具有瞬态、非线性和非静止特性的时间序列数据(即来自过程的加工力)由数据采集系统收集。提取3种状态检测特征,包括最大侧向加工力、侧向加工力值峰间距以及侧向加工力的方差,以对纳米加工过程的状态进行分类。构造具有(高斯)径向基核函数(RBF内核)的定向非循环图支持向量机(DAGSVM)以识别尖端状态。使用多元SVM分类机,将加工过程和刀尖磨损分为初始磨损、过渡区域磨损以及尖端失效(破裂/磨损严重的加工/不加工)3个区域。实验数据表明,二元和三元分类中SVM的准确率均超过94.73%。
- 程菲董景彦
- 关键词：计量学时间序列数据支持向量机
- 基于GMM的纳米制造刀具磨损状态在线识别
- 2024年
- 为满足纳米制造刀具磨损状态在线诊断对时间和精度的要求,采用跨物理数据融合建模方案,建立具有物理一致性的高斯混合模型(GMM),以动态识别原子力显微镜(AFM)尖端状态。随机抽取历史加工数据,提取特征参数并进行训练,获得3维GMM模型并预存;以加窗分帧的形式,截取连续过程中短时段纳米加工力时变信号,构成瞬时稳态数据空间;以尖端旋转周期为时间单位,计算横向加工力的特征参数:极大值、峰-峰值和方差;采用马氏距离检测并去除异常值。使用预存的GMM模型,对每帧特征参数聚类,识别尖端磨损状态;根据连续分析帧的尖端失效点数据变化曲线,探测跟踪尖端状态。实验证明该算法平均识别精度为0.8917,平均召回率为0.963;每2000个点的最长识别时间为31ms,平均识别时间为23.97ms,适用于大规模纳米制造的刀具磨损在线自动诊断。
- 程菲江子湛
- 关键词：高斯混合模型
- 多目标注意策略模型及参数影响分析
- 2020年
- 文章对注意机制的认知过程进行分析,建立注意决策模型,在此基础上提出3种注意转移策略,即“忽视时长优先转移策略”、“检测难度优先转移策略”和“高等级目标优先转移策略”,并采用Matlab软件对算法进行仿真实验。实验结果表明,若每次均选择被忽视时间最久的目标作为下一个关注焦点,可以获得最短的注意间隔时间,同时目标等待时间也最短。文章同时对影响注意间隔时间的因子进行了讨论,实验证明效率因子&与注意转移速度正相关,调节因子g,与注意转移速度也正相关,将采用“忽视时长优先转移策略”的注意机制与深度学习相融合,可以提高时间序列数据特征识别速度。
- 程菲
- 网贷市场中消费者投资意愿及其神经机制研究
- 2020年
- 为解决投资人在P2P网贷市场上因盲目跟风投标而给自身和平台带来损失的问题,研究P2P平台引起的投资人羊群行为及其神经机制。在羊群效应影响因素和模型的基础上,展开客观的事件相关电位技术和主观的问卷调研,两者相辅相成。结论表明,投标次数因素和投标进度因素均作用于投标意愿,两因素的相互作用也会影响投资人的投标意愿,且投标进度对投标意愿有更大的作用。建议投资人在使用P2P平台时注意避免投标次数和投标进度对其投标决策的影响,同时企业可开发相关的模块帮助用户规避羊群行为的影响。
- 程菲蔡敏王倩倩吴佩颖
- 关键词：事件相关电位投资意愿羊群行为N400
- 跨模态融合和边界可变形卷积引导的RGB-D显著性目标检测被引量：2
- 2023年
- RGB-Depth(RGB-D)显著性目标检测是一项有意义且具有挑战性的任务,基于现有卷积神经网络检测方法在简单场景中获得了良好的检测性能,但不能有效应对背景信息混乱,深度图质量低和目标轮廓复杂的情况.为应对上述问题,本文提出了一种跨模态融合和边界可变形卷积引导的RGB-D显著性目标检测方法.首先,本文以Swin-Transformer为特征提取器,分别对RGB模态与深度图模态进行特征提取,并通过跨模态注意力增强特征模块对两种模态特征进行融合以挖掘显著物的共性与互补特征.接着将提出的相邻多尺度特征增强模块嵌入编码器深层,以获得丰富的全局上下文特征信息,更精准地定位显著物的位置.然后通过构建一个边界特征提取解码器(U-Net架构)生成显著物的边界线索图,并重复采用跨模态融合特征确保生成显著物边界的完整性.最后,本文设计了一个边界可变形卷积引导模块,使用边界线索图与可变形卷积引导跨模态融合特征进行解码以得到更加准确的显著图.通过在6个公开基准数据集上与25种主流方法相比较,本文所提模型在多个指标上均有较明显的提升,从而证明了本文方法的有效性.
- 孟令兵袁梦雅时雪涵张乐吴锦华程菲
