针对交通标志识别的三种模型的对比与融合

在实验室环境下首先对有43个种类的交通标志数据集The German Traffic Sign Recognition Benchmark进行灰度化,色彩归一化去均值处理后,在保证选出的数据种类分布均衡的前提下,选出训练集中的20000张图片作为最终的训练集,选出验证集中的2000张,并对这些原本像素大小不一(15x15-250x250)的进行统一图片大小(resize)的处理,将用于测试和验证的图片均调整为像素值:224x224的大小。在原有神经网络的基础上,并辅以控制变量法的使用,对ResNet-50,VGG-16,MobileNet三种网络模型进行更改,在测试集上分别达到:95.38%,95.92%,93.46%的准确率(Accuracy)。同时,建立混淆矩阵,以机器学习中常见的评估模型所用的指标:精确率(Precision)来分析三种模型对于43个种类的不同侧重。最后根据三种模型的侧重,融合模型,在测试集上达到了:95.93%的准确率。     

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RBF神经网络的汽轮机故障诊断

本文提出了基于RBF神经网络进行汽轮机故障诊断的方法.首先建立了神经网络的诊断模型,然后利用某汽轮机的样本集对一个单隐层的RBF网络进行训练.最后,通过测试网络,验证该网络对于故障模式的识别准率较高.     

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。     

融合领域知识与深度学习的机器翻译领域自适应研究

【目的/意义】无论是统计机器翻译,还是神经机器翻译,训练数据通常来源复杂,主题多样,文体不一,与待 翻译目标文本的领域不能保证完全一致,导致领域自适应问题。目前机器翻译的领域自适应方法大多用主题模型 得到主题信息,将数据粗略划分为领域内(in-domain)和领域外(out-domain),缺乏更为明确的领域标签。【方法/过 程】本研究采用中图分类号作为领域标签,采用两种方法对汉语句子进行自动领域标注领域: 利用论文关键词和科 技词系统等知识组织构建领域知识库的领域标注方法;训练卷积神经网络的深度学习的领域标注方法,通过神经 网络深度融合模型将这两种方法融合起来得到效果更佳的领域标注器,利用机器翻译的测试集获取领域标签集合 筛选其训练数据。【结果/结论】经过在神经机器翻译系统上进行测试,针对两个特定领域测试集,仅利用部分训练 数据就获取了比原始训练数据高约1.3BLEU得分（相对5.4%）的翻译结果,证明了本研究方法的有效性和可行性。     

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SOM的图书馆用户个性化数字信息服务需求分类研究

针对目前图书馆个性化数字信息服务中用户需求模型构建存在的问题,将SOM人工神经网络算法引入模型构建过程,利用其动态适应能力提高模型分类的准确性。根据用户对个性化服务内容的需求程度进行打分,挖掘用户的偏好,以网络调查问卷数据作为训练和测试样本,对用户需求进行学习分类,并验证其准确性。     

BP神经网络在中医胃病病型诊断中的实现

目的:本文通过matlab构建BP神经网络模型,用于实现人工神经网络诊断中医胃病的病型,方法:将真实的中医胃病临床数据通过数据清洗、数据编码、BP神经网络模型配置、模型训练,构建出BP网络模型。结果:通过整理数据,反复地训练学习,最终使每种病型的平均预测率达到90%以上,结论:利用BP人工神经网络成功实现了中医胃病病型的辅助诊断。     

人工神经网络在电力系统短期负荷预测中的应用

本文基于多层前馈神经网络误差反传（BP）模型的电力系统短期负荷预测的方法。根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。实例表明ANN应用于电力系统短期负荷预测是可行的,其预报结果比传统的负荷预测方法更准确。     

运动与饮食综合干预对中重度肥胖儿童注意认知研究

目的:应用ANT对比评估中重度肥胖儿童在运动与饮食干预前后注意认知网络(警觉、执行控制和定向)的变化,探讨运动与饮食联合干预对肥胖儿童注意认知网络改变机制。方法:以体重与BMI指数作为肥胖判断标准,在吕梁市廷亮中学初一、二年级中选取16例中重度肥胖儿童为研究对象,随机抽取8例为实验组接受15周运动与饮食干预训练,8例为对照组不进行干预。干预训练结束1周内应用ANT测试两组注意网络成绩。结果:干预训练后实验组肥胖儿童执行控制网络成绩显着提高(P0.05),警觉网络与反应时尤为显著(P0.01)。结论:通过运动与饮食联合干预能有效改善肥胖儿童的注意网络认知。干预训练对中重度肥胖儿童警觉、执行网络及反应时的改变主要与改善肥胖儿童注意网络相关的脑区功能与神经导电指数有关。     

结合蜂群算法与RBF神经网络的软件错误定位方法

软件错误是软件开发过程中经常出现的问题,有效地定位错误能够提高软件开发的效率。通过对软件运行时信息的收集与分析,从机器学习的角度提出了一种将蜂群算法与RBF神经网络结合的软件错误定位模型。首先,利用蜂群算法克服RBF神经网络由于隐层节点中心值随机化而导致的网络性能较差的问题,对RBF神经网络模型进行优化与改进。然后,对程序运行过程中的相关信息进行编码,将此编码作为蜂群神经网络模型的训练数据集。最后,根据虚拟测试集进行软件错误定位,实验过程中选用Siemens Suite套件进行了仿真实验。实验结果表明,结合蜂群算法优化与RBF神经网络的软件错误定位方法在软件错误定位方面能够表现出较好的性能。     

基于情境的突发事件演化网络约简研究

突发事件的发生、演化与事件所处的情境密切相关,情境决定了事件的演化行为和演化过程。以突发事件演化网络为研究对象,充分考虑事件演化对情境的依赖,分析了演化网络的组成要素,构建了基于情境的突发事件演化网络模型,该模型包括突发事件集、承灾载体集、关联关系集和情境四个变量。以该模型为基础,提出了突发事件演化网络的约简流程和方法,将事件之间的潜在关联转化为基于情境的实际关联,并以地震事件为例,对本文提出的演化网络模型和约简方法的可行性、有效性进行验证。研究结果表明基于情境的突发事件演化网络模型和约简方法能够根据事件发生时的情境,将事件演化网络中与情境不相关的事件约去,简化事件演化网络,科学预测事件的演化方向。     

RS-BP神经网络在C2C电子商务顾客满意度评价中的应用

通过RS-BP神经网络模型的构建,对影响顾客满意度评价的因素用属性约简算法约简,将降维后的数据送入网络学习和训练,最后用训练好的的网络对测试样本进行检验。该模型使学习训练的速度和识别率提高了,为C2C电子商务顾客满意度评价提供了一种更为有效和实用的新方法。     

多光谱辐射测温数据处理技术研究

分别用BP神经网络和支持向量机(SVM)两种方法建立相应的网络模型对多光谱辐射测温的测量数据进行处理以得到真实温度。用合适的训练样本分别对两种方法建立的模型进行训练,收敛之后用验证样本测试其精度。结果表明用支持向量机处理多光谱辐射测温数据是可以满足实际要求的,与BP神经网络相比精度更高,而且由于支持向量机对训练样本需求较小,进一步增加了工程可行性。     

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。     

基于贝叶斯网络的网络舆情案例匹配模型

[目的]通过研究当下网络环境的具体情境,利用概率分析的方式判断具体舆情所属的案例类型,从而为网络舆情危机响应决策提供依据。[方法]使用贝叶斯网络模型作为分析方法,构建网络舆情案例匹配的指标体系和案例匹配模型。[结果]通过48个网络舆情危机中的随机43个事件作为训练数据,构建贝叶斯网络模型,使用剩余5个网络舆情危机事件作为测试组,经检验测试样本案例匹配结果与事实相符。[结论]本文通过构建网络舆情案例匹配的相关指标体系和贝叶斯网络模型,为对网络舆情进行分型,从而为舆情危机响应提供了决策依据。     

基于支持向量机的煤灰结渣特性判别

在研究燃煤煤灰成分与其结渣特性之间相关关系的基础上,提出了基于支持向量机算法的煤灰结渣特性判别模型。该模型将煤灰成分作为输入量,煤灰结渣特性作为输出量。并用离子群优化算法对支持向量机参数进行优化。最后用实测数据时模型进行校验,结果表明,尽于支持向量机的煤灰结渣特性判别模型的判别准确率高于采用相同训练集和测试集的其他算法。     

改进的LDA行人再识别算法

行人再识别是计算机视觉研究领域的一个研究热点。现有度量模型存在过拟合现象,本文建立了基于正态性重采样的线性判别分析算法,通过局部相似性约束,训练行人再识别的度量模型。该模型通过半监督学习提升算法的泛化能力。最后,通过VIPeR和CUHK01数据集的测试对本文算法的鲁棒性和有效性进行了验证。     

冬泳对甲状腺能量代谢反馈调节功能临床分析

目的:研究冬泳锻炼对甲状腺能量代谢的反馈调节功能,分析冬泳对单纯性甲状腺肿的预防和治疗作用。方法:研究对象20例患有甲状腺疾病的冬泳爱好者,采集受测对象的血液制作甲状腺测试标本,对甲状腺患者的血液含量进行Agr C蛋白脂质体的自我磷酸化活性检测,测定冬泳训练过程中产生的甲状腺能量代谢激素对甲状腺功能亢进增强的抑制模型的显著差异性。结果:测试组1经过为期1个月的冬泳锻炼,每天不少于15 min的冬泳运动,PCWP均值上升为21.2,CI值上升为39;测试组2经过为期1个月,每天不少于15 min的冬泳运动,PCWP均值上升为22.7,CI值上升为41。结论:采用冬泳锻炼方法,对甲状腺疾病具有显著的改善作用,在冬泳锻炼过程中,皮肤血管急剧收缩,大量血液被吸入内脏器官及深部组织,增强了甲状腺血管的弹性。