人工神经网络在几种疾病诊断中的应用

目的:运用人工神经网络(ANN)模型,对四种疾病进行辅助诊断。方法:从100例四种疾病的病例中随机抽取70例作为训练集,15例作为验证集,15例作为测试集,通过对网络进行训练,用训练好的网络对验证集和测试集进行仿真诊断试验。结果:ANN诊断消化道系统疾病的准确率达到93.7%以上。结论:ANN模型基本上可以用来在临床上作辅助诊断。     

KNN分类器在新疆哈萨克族食管癌分型中的应用

目的:探讨KNN(k-Nearest Neighbor algorithm,K近邻结点算法)分类器在新疆哈萨克族食管癌分型中的应用。方法:采用KNN分类器,依据食管癌的灰度-梯度共生矩阵和灰度共生矩阵特征值,对其分型。选取样本量的40%、50%、60%作为三个训练集,K取1-29,训练并得到最优K值;选取样本量的10%到100%(以10%递增率)10个测试集,验证结果;获得最佳KNN分类模型,对模型进行评估。结果:训练结果:当K=1时,三种食管癌都能获得最高分类准确率。测试结果:改变测试集大小,当验证数据量增大时,分类准确率随之增加。最佳KNN分类模型评估:该KNN分类模型有一定的准确度,可以得到可靠的分类结果。结论:KNN分类器为新疆哈萨克族食管癌分型提供一定的依据,也为新疆哈萨克族食管癌的计算机辅助诊断系统的研发奠定基础。     

基于迁移学习的可回收垃圾识别分类研究

经济高速的发展,导致垃圾产量急速增大,如何通过智能方法实现垃圾分类成为人类生存环境可持续发展的关键因素。本文提出一种针对图像数据集训练的Res Net152模型实现迁移学习。从华为垃圾分类挑战赛数据集中进行筛选形成新数据集,该数据集通过随机旋转、随机平移等预处理后形成。将图像数据集的80%作为训练集,另外20%作为测试集。基于Res Net152预训练模型进行迁移学习,以此形成适合本次实验数据集的Res Net152模型。实验结果表明:在经过迁移学习后的Res Net152模型中训练,不仅提高了训练速度,而且准确率高达85%。     

基于改进Faster R-CNN的绝缘子检测方法研究

近年来,我国的电力系统发展迅速,其稳定运行至关重要~([1])。因此对于输电系统中绝缘子的检测方法成为电力相关人员乃至社会各界的研究热点。本文结合现有检测方法的不足提出一种基于Faster R-CNN(Faster Region-based Convolution Neural Networks)改进算法~([2])。通过改进特征提取网络框架和多尺度特征融合,最终使用800张绝缘子图片进行数据扩充至8000张再训练目标检测网络模型,在绝缘子测试集上均值平均精度mAP(Mean Average Precision)达到98.5%左右,满足准确性的要求。     

基于半监督学习的客户信用评估集成模型研究

将半监督学习技术与多分类器集成模型Bagging相结合,构建类别分布不平衡环境下基于Bagging的半监督集成模型(SSEBI),综合利用有、无类别标签的样本来提高模型的性能.该模型主要包括三个阶段:(1)从无类别标签数据集中选择性标记一部分样本并训练若干个基本分类器;(2)使用训练好的基本分类器对测试集样本进行分类;(3)对分类结果进行集成得到最终分类结果.在五个客户信用评估数据集上进行实证分析,结果表明本研究提出的SSEBI模型的有效性.     

C2D-CNN模型下的人脸识别方法研究

为解决人脸识别工作中测试数据与训练数据的差异带来的精度损失问题,提出一种C2D-CNN模型下的人脸识别方法。该模型将彩色2DPCA算法提取的原始图像像素特征与CNN(Convolutional Neural Network)学习的图像表示相融合,能显著提高人脸识别性能。进一步的,提出一种新的CNN模型,在CNN中引入归一化层,以加速网络收敛,此外还加入了分层激活函数,使得激活函数对归一化后的数据有自适应性。选取复杂环境下的FRGC人脸库以及自采集人脸库进行实验。实验结果表明,对于FRGC人脸库,相比Alex Net网络,本算法的预训练时间缩短了69. 4%,识别率提高了9. 72%～22. 99%,相比微调后的AlexNet网络,识别率提高了6. 07%～15. 28%,解决了测试集与训练集之间的差异带来的识别率低的问题。     

基于支持向量机的图片验证码识别研究

从产品角度来看,图片验证码识别增加了时间成本和精力,因此有必要开发一个验证码图片识别系统改善工作效率。考虑到目前各种机器学习算法的优点,本文提出了基于v-支持向量分类的验证码图片识别算法,它不仅运用快速独立成分分析算法提取特征,并且利用文化算法最优化v-支持向量算法的模型核宽度和参数v。实验结果表明,数字验证码图片经过预处理后,每组图片的训练集的数字识别率为100%,而测试集的识别精度大约为99.8%。     

基于CNN-Bayesian模型的冬小麦识别研究

针对利用传统方法高分辨率影像中冬小麦空间分布的提取精度较低的问题,本研究利用CNN-Bayesian(卷积-贝叶斯)模型逐像素分类模型,在高分2号影像上进行了训练和测试。以章丘县为研究区域,首先对下载的32景遥感影像进行预处理,然后根据实地调查获取的样点,进行人工标注制作样本数据,得到训练数据集。并对CNN-Bayesian模型进行构建,定义好初始函数,创建权重和偏置,输入训练集进行模型训练。然后输入测试集,通过CNN-Bayesian模型得到冬小麦的空间分布信息。最后选择经典的图像语义分割模型进行对比实验,以及通过准确度、精确度、查全率、Kappa系数四个指标进行精度定量评价。实验结果表明,与其他模型相比,CNN-Bayesian模型具有较好的识别率,其整体精度为0.946。因此,利用CNN-Bayesia模型可以获得较高的提取精度。     

基于keras的卷积神经网络的图像分类算法研究

当前卷积神经网络应用于图像识别已成为研究的热点之一。相比于Tensorflow,Keras使用最少的程序代码、花费最少的时间就可以建立深度学习模型,进行训练、评估准确率,并进行预测。在Python的环境下输入CIFAR-10数据集,对图片进行归一化、数据增强等预处理后,利用Keras构造改进的VGG16卷积神经网络结构对CIFAR-10图像数据集进行建模和预测,最后通过比较不同的Batch Size来比较不同模型的准确率和损失,实验结果表明当Batch Size为128,CIFAR-10数据集识别正确率达到89%,明显高于其他方法。     

基于DR-Transformer模型的多模态情感识别研究

【目的/意义】本文融合文本和图像的多模态信息进行情感识别,引入图片模态信息进行情感语义增强,旨在 解决单一文本模态信息无法准确判定情感极性的问题。【方法/过程】本文以网民在新浪微博发表的微博数据为实 验对象,提出了一种基于DR-Transformer模型的多模态情感识别算法,使用预训练的DenseNet和RoBERTa模型, 分别提取图片模态和文本模态的情感特征;通过引入Modal Embedding机制,达到标识不同模态特征来源的目的; 采用浅层Transformer Encoder对不同模态的情感特征进行融合,利用Self-Attention机制动态调整各模态信息特征 的权重。【结果/结论】在微博数据集上的实验表明：模型情感识别准确率为 79.84%;相较于基于单一文本、图片模 态的情感分类算法,本模型准确率分别提升了 4.74%、19.05%;相较于对不同模态特征向量进行直接拼接的特征融 合方法,本模型准确率提升了 1.12%。充分说明了本模型在情感识别的问题上具有科学性、合理性、有效性。【创 新/局限】利用 Modal Embedding 和 Self-Attention 机制能够有效的融合多模态信息。微博网络舆情数据集还需进 一步扩充。     

一种基于注意力机制的高分遥感影像场景分类的方法

针对高分遥感影像场景分类准确率低的问题,提出了一种改进的卷积神经网络模型AResNet。该模型将注意力机制引入到预置残差网络中,使用卷积注意力模块分别从通道和空间两个维度学习特征信息,增强了特征的可判别性,实现对遥感影像场景的有效分类。在此基础上,采用ImagNet预训练参数,在训练过程中,采用Adam算法不断优化参数。实验结果表明,在NWPU-RESISC45数据集上,AResNet模型分类准确率提升到了94.3%,验证了模型的有效性。     

一种大储量罐车紧急切断阀失灵检测方法研究

为了提高大储量液化石油气罐车紧急切断阀失灵检测的精度和效率,提出了基于增强模糊支持向量机的罐车紧急切断阀失灵检测方法。首先通过对大储量液化石油气罐车紧急切断阀的常见失灵类型进行分析,将其样本数据进行训练集和测试集的训练。其次利用模糊支持向量机算法进行罐车紧急切断阀失灵检测模型建立。然后利用粒子群进化算法进行该模型的最优参数、惩罚系数和隶属度的确定,最后利用优化的参数进行支持向量机的分类。通过训练集和测试集对该模型进行仿真实验,仿真实验结果表明,该方法的失灵检测准确率均在95%以上,具有较高的鲁棒性和可靠性。     

基于CNN的直升机智能交互系统设计

随着人工智能技术的不断发展,直升机的智能化程度越来越受到人们的重视。本文设计了直升机智能交互系统架构,并基于卷积神经网络训练了用户意图识别模型,在数据集上对模型进行了验证,平均准确率达到了94.6%,说明了所提架构的有效性。     

基于YOLOv3网络的高分光学遥感影像海上舰船分类检测

海上舰船目标分类检测技术可广泛用于海事监管、船只救援、打击非法犯罪等活动,具有重要应用价值。本文选取高分辨率光学遥感影像进行数据筛选及预处理,建立了含有2. 4万艘不同类型舰船的分类检测数据集。依据中华人民共和国海事局《船舶登记工作规程》中的舰船分类规则,结合遥感影像实际情况,建立了基于遥感影像的海上舰船分类体系。通过搭建深度学习训练平台,使用YOLOv3神经网络算法对舰船进行分类检测。在测试集上对训练完成的模型进行验证,舰船分类检测结果的召回率达到91%以上,准确率达到95%以上。在GPU加速的情况下,可达30 fps以上的检测速率,使得该模型在具备鲁棒性和准确性的同时也具备实时分类检测的能力。     

基于FI-GA-NN融合的区域能源安全外生警源分级预警研究

区域能源安全预警研究对于解决中国现阶段区域能源安全突发事件频现问题,保障区域经济与区域安全协调发展具有重要现实意义。本文以区域能源安全外生警源为研究对象,通过对区域能源安全事件案例收集及整理,构建了能源安全外生警源预警指标和数据集。融合模糊积分(Fuzzy Integral)、遗传算法(Genetic Algorithm)和神经网络(Neural Network)等方法的基本原理,设计了区域能源安全外生警源分级预警的FI-GA-NN模型,该模型首先利用模糊积分方法评估出区域能源安全外生警源样本分级预警的期望值,然后利用训练样本对遗传神经网络进行训练,最后对外生警源测试样本进行分级预警。实验测试结果表明:(1)利用FI-GA-NN模型对外生警源训练样本(1999-2006年)进行拟合训练,模型收敛速度快,训练到第717步时,模型误差平方和小于期望值。经过大约60代的搜索后模型的拟合度趋于稳定,模型训练的实际输出值与期望输出值较接近;(2)利用FI-GA-NN模型对能源安全外生警源测试样本(2007-2015年)进行分级预警,预警准确率较高,能有效提高区域能源安全外生警源预警的正确性,降低预警风险,模型体现出了较强的应用价值。     

基于子块LBP和最优相关的素描人脸合成

提出一种素描人脸合成算法,其主要实现的功能是给出一幅光学脸,合成一幅素描脸。为了合成素描图片,对人脸区域进行分块,利用欧氏距离从训练集中提取与待合成目标相近的粗选块系列;使用子块切分的LBP纹理筛选对粗选块系列进行再提取,得到几个与待合成目标更加相近的精选块系列;提出基于最优相关的逐次定位法,即确定首行首块,依次计算相邻块间的相关系数,求得最优块,最终合成一副完整的素描人脸。通过对待合成目标进行性别过滤,以进一步提升合成精度。经实验验证,该算法在FERET数据库下多个训练集,测试集80幅人脸的情况下,合成精度达到92%左右,验证了素描人脸合成算法准确性和有效性。     

利用轻量化DeepLabV3+进行植被信息提取

针对利用DeepLabV3+网络进行植被提取参数量过大、计算效率低、空间尺度适应性差等问题，本文以2 m分辨率重庆GF-1D影像为数据源，自制植被样本数据集，提出一种轻量化DeepLabV3+网络模型进行植被提取。该模型以MobileNetV2作为主干网络架构，在保证模型基本性能的前提下通过深度可分离卷积和反向残差模块降低其参数量，优化设计ASPP膨胀系数以增强对于不同尺寸林地、草地的提取能力，最后融合scSE注意力机制模块来获取准确的植被及边缘特征信息。结果表明：(1)轻量化DeepLabV3+网络模型的参数大小从208.7 MB减少到25.28 MB,每批次平均训练时间从7.47 min缩减到1.92 min;(2)模型的均交并比(mean intersection over union, MIoU)、均像素精度(mean pixel accuracy, MPA)、准确率(accuracy, ACC)达到75.8%、86.49%、91.32%。     

别让验证码挡住回家的路

正随着春节临近,网络购票也日趋白热化。面对潜在的黄牛党恶意刷票,火车票购票网站12306近日升级了登录的图形验证码,不仅图片种类增加,有些关键词还从一个变成两个。"12306的验证码,已经击败了全国99%的购票者,我已经找不到回家的路了",类似的吐槽声频频出现。人们的吐槽不无原因,登陆12306网站订票时就会发现,验证显示的几幅图片像素比较低,     

基于迁移学习ResNet50的表情识别

<正>为提高人脸表情识别效果,提出基于迁移学习和数据增强技术的人脸表情识别方法。在ResNet50卷积神经网络的基础上,保留了愿网络的卷积层并设计了全新的全连接层。对数据集的训练集图片使用Keras中翻转、偏移、旋转等方式达到数据增强,在相同参数和实验环境下,对7种人脸表情的分类效果优于AlexNet、GoogleNet模型。实验结果：基于迁移学习的ResNet50模型在FER2013的测试集上对各类表情的平均识别率为68.7%,达到了主流识别效果。     

基于高光谱技术检测柿子表面农药种类鉴别

以柿子为研究对象,研究一种能够准确分辨柿子表面农药种类的方法。以不含农药残留的柿子、含有嘧霉胺残留的柿子、含有哒螨灵残留的柿子和含有毒死蜱残留的柿子为实验对象,利用波段范围在400-1000nm的高光谱成像仪进行图像采集,对采集图像进行主成分分析(PCA)提取五个特征波长(610nm、650nm、700nm、800nm、940nm),利用基于核函数(RBF)的支持向量机(SVM)建立模型,其分类验证正确率为66.67%,训练集预测正确率为90.18%。