基于深度学习的物体实时检测模块设计与在安卓系统上的实现

由于深度学习需要海量的数据和计算资源,对于移动设备有限的储存和计算能力来说,存在一定的技术局限性。然而利用服务端的海量数据和计算资源将模型训练完成,将训练好的模型部署到移动端,只利用移动端的计算能力是可行的。本文设计了一种基于深度学习的物体实时检测模块,并且成功将训练模型部署在移动设备的安卓系统上。该方法可以实现深度学习网络在移动设备上的快速部署。     

基于长短期记忆神经网络的短期负荷预测方法

为了能够挖掘出海量数据中蕴含的有效信息,提高短期负荷预测精度,本文提出了具有深度学习能力的长短期记忆神经网络(Long Short-Term Memory,LSTM)模型进行短期负荷预测,深度学习顺应了大数据的趋势,对海量数据学习、泛化能力强。利用主成分分析方法对样本进行选择,进而建立LSTM预测模型。仿真结果表明,采用LSTM预测模型相对于BP神经网络模型提高了预测精度。     

基于深度学习的电商评论信息多刻面情感分类研究

【目的/意义】文本情感分类是近年来情报学领域的研究热点之一。已有研究大多关注针对目标文本的单 一情感分类。本文旨在探索基于深度学习的电商评论信息多刻面情感分类方法。【方法/过程】提出一种基于Atten⁃ tion-BiGRU-CNN的多刻面情感分类模型,通过BiGRU和CNN获取上下文信息和局部特征,利用Attention机制 优化隐层权重,以深度挖掘文本内隐语义和有效刻画多刻面情感。【结果/结论】在中文电商评论信息语料上的实验 表明,相较于其他神经网络模型,本文方法可有效提高多刻面情感分类的准确度。【创新/局限】进一步丰富多刻面 情感分类的方法途径,为深度挖掘电商评论信息以及优化产品和营销策略提供参考。本文语料主要基于单一类别 电商评论信息,聚焦可归纳刻面的情感分类,进一步的研究可面向类别多元化、需通过深度学习提取刻面信息的更 大规模语料展开。     

基于深度信念网络的音乐情绪分类算法研究

随着娱乐媒体行业的发展,音乐已成为了人们生活中必不可少的一部分,但是面对海量的音乐数据,如何根据不同环境以及用户的不同心情推荐出合适的音乐已成为近些年研究的热点问题。在此背景下,基于情绪的音乐分类任务受到了越来越多的关注。音乐是抒发人类生活情感的一种艺术,因此可以通过计算机技术提取音乐特征识别音乐包含的情绪。本技术基于深度信念网络,结合卷积神经网络提出了一种音乐情绪分类算法。实验证明,该方法在音乐情绪分类任务上较传统机器学习方法和原始深度信念网络都有较好的效果提升。     

基于深度学习的"教育公平"网络舆情分析

[目的/意义]旨在构建一个网络舆情系统,及时准确地挖掘海量网络数据,分析社会热点事件的网络舆情。[方法/过程]结合深度学习技术,构建了一个基于内容与结构的舆情分析模型,其中利用Bi LSTM-CNN深度模型对舆情内容进行情感分析,利用社会网络分析法对舆情网络进行结构分析。[结果/结论]实证分析表明了该模型在公共事件舆情分析上的有效性和优越性。从结构和内容两方面分析,能为公共事件网络舆情分析提供新思路。     

改进的图神经网络文本分类模型应用研究 ——以NSTL科技期刊文献分类为例

[目的/意义]随着互联网数字资源的剧增,如何从海量数据中挖掘出有价值的信息成为数据挖掘领域研究的热点问题。文本大数据分类是这一领域的关键问题之一。随着深度学习的发展,使得基于深度学习的文本大数据分类成为可能。[方法/过程]针对近年来出现的图神经网络文本分类效率低的问题,提出改进的方法。利用文本、句子及关键词构建拓扑关系图和拓扑关系矩阵,利用马尔科夫链采样算法对每一层的节点进行采样,再利用多级降维方法实现特征降维,最后采用归纳式推理的方式实现文本分类。[结果/结论]为了测试该文所提方法的性能,利用常用的公用语料库和自行构建的NSTL科技期刊文献语料库对本文提出的方法进行实验,与当前常用的文本分类模型进行准确率和推理时间的比较。实验结果表明,所提出的方法可在保证文本及文献大数据分类准确率的前提下,有效提高分类的效率。     

融合全文信息的科学数据正式引用识别方法研究

[目的/意义]科学数据已经成为数据驱动型科研的重要资料和产出成果,研究科学数据引用可以帮助追踪数据的使用状况、开展数据计量和评价、加速科研进程。[方法/过程]以生物信息学领域学术论文全文信息作为研究对象,利用规则抽取和人工标注形成了生物信息学引文分类数据集,对比评估6种深度学习模型与3种传统机器学习模型在数据集上的分类和识别效果。[结果/结论]实证研究效果显示,采用考虑语义和上下文特征的深度学习方法在科学数据正式引用识别任务中具有更优效果。[局限]未充分考虑数据类别不均衡问题。     

融合全文信息的科学数据正式引用识别方法研究

[目的/意义]科学数据已经成为数据驱动型科研的重要资料和产出成果,研究科学数据引用可以帮助追踪数据的使用状况、开展数据计量和评价、加速科研进程。[方法/过程]以生物信息学领域学术论文全文信息作为研究对象,利用规则抽取和人工标注形成了生物信息学引文分类数据集,对比评估6种深度学习模型与3种传统机器学习模型在数据集上的分类和识别效果。[结果/结论]实证研究效果显示,采用考虑语义和上下文特征的深度学习方法在科学数据正式引用识别任务中具有更优效果。[局限]未充分考虑数据类别不均衡问题。     

在线评论中离散情感的分布研究

【目的/意义】基于离散情感理论,对电商平台在线评论中所含不同离散情感的分布规律进行探究,发掘其 对于营销管理的实践意义。【方法/过程】以手机这一搜索型产品的海量中文评论为研究对象,以情感认知模型OCC 模型为情感分类依据,通过深度学习的方法构建离散情感语料库,并在此基础上对不同评论星级、不同的商品购买 和评论发布的时间间隔中,评论所包含离散情感的分布特征进行了深入的研究。【结果/结论】研究发现：包含不同 离散情感的评论在不同评论星级中的分布情况差别较大,在不同时间间隔中的分布曲线却大致相同,虽都与“长尾 分布”非常类似,但仍有细微差别。     

基于Faster-RCNN的物流包裹图像识别研究

针对物流输送线上包裹需要分类识别输送的问题,进行物流包裹图像识别实现方法研究.利用Faster-RCNN深度学习模型对物流输送线上常见的纸盒、软包和蛇皮袋三类包装的包裹进行图像识别研究,优化调整模型的训练学习参数并进行交叉验证.实验确定Faster-RCNN深度学习模型用于包裹图像识别的最佳训练学习参数为学习率0.00...     

大数据环境下网络主动入侵海量数据的检测方法研究

提出基于半监督混合模型的海量入侵数据检测方法。利用蚁群算法进行入侵数据的特征选择,在结合半监督的混合模型分类方法进行入侵数据的分类,利用混合模型对数据样本空间的聚类分布进行描述,利用数据函数将聚类的信息与分类算法相结合,进行数据分类时对没有标示的数据样本进行考虑,对入侵数据进行检测。克服传统方法存在的弊端,提高了分类器的泛化能力,保证数据分类的效果,提高了入侵数据检测的准确性,完成对大数据环境下网络主动入侵海量数据检测的研究。实验的结果表明,利用本文方法能有效地提高入侵数据检测的准确性。     

融合母评论文本信息的评论短文本情感分析研究——以短视频评论文本为例

[目的/意义]提出融合母评论文本信息的评论短文本情感分类模型以提高互联网环境下短文本评论情感分析效果,适应舆情工作中的实际应用需求。[方法/过程]以短视频平台舆情事件的评论数据为实验对象,利用GRU提取母评论文本特征和直接提取评论区特征,分别将这些特征与CNN提取原评论文本特征并行融合进行情感分类。[结果/结论]相较于传统深度学习方法,引入的母评论文本特征使两个数据集的情感分类效果都获得了一定提升,F1值等均分别提升了2%和1%,说明本文提出的特征引入方案能够提升评论短文本的分类效果,为舆情工作中的情感监测实际应用提供了思路,验证了舆情相关理论研究对实际技术应用有借鉴和指导意义。     

深度学习在多标签遥感影像分类中应用的研究现状

在遥感领域中,影像分类是一个非常重要的应用。大部分的影像分类任务着重于研究单标签影像的分类问题。然而在现实中,一张遥感影像往往与多个标签有联系,例如影像中所包含的全部地物类别标签可以详细的描述对应影像的内容。此外,随着计算机性能与深度学习技术的发展,深度学习算法正被广泛应用在各项视觉任务中并取得了鲜明的进步。因此,本文将对现有的深度学习算法在多标签遥感影像分类任务中的应用以及常用的模型训练数据进行介绍与分析。     

基于集成学习的在线评论情感倾向分析

【目的/意义】准确挖掘消费者在线评论情感倾向,对于改善商家服务具有重要意义,而情感倾向预测的准 确性仍需提高。【方法/过程】文中设计基于集成学习的在线评论情感分类算法,即以N-gram算法分析在线评论词 语特征,结合情感词典构造文本特征,利用逻辑回归、Light GBM等机器学习方法为基础的集成学习进行训练,实现 在线评论情感分类。【结果/结论】实现了评论的情感倾向预测,在电脑评论数据集,较之于经典的SVM算法和无监 督类算法,该模型的分类衡量指标F1值分别提高了10%到30%不等。同时,在酒店、图书等不同领域的数据集上显 示,该方法的分类准确性仍具有上述效果,证明了该方法具有领域移植性。     

基于改进深度强化学习算法的电网缺陷文本挖掘模型研究

为提高电网缺陷文本的感知深度与泛在性,改善典型仿生智能算法处理低价值密度、多维波动非线性、动态迭代更新属性下的电网海量文本缺陷特征感知问题时存在的异构泛在性较差、动态感知策略同步效能滞后、缺陷文本划分密集且生成困难、样本效率与迭代次数失衡、异构数据输入下的模型性能下降严重等固有弊端,提出了一种基于改进深度强化学习算法的电网缺陷文本挖掘模型。借助国家电网公司全局数据中心,构建非结构化的电网缺陷文本数据池,引入深度学习多维感知电网缺陷文本特征,实现缺陷文本的语义框架自构建,引入强化学习实现缺陷文本自主识别决策,并把当前收益(语义槽)和未来收益反馈给环境(隐性知识)模拟策略网络,在有限马尔科夫决策过程中引入多重Q网络机制实现知识地图的自生成,进而实现本体字典自动完善。以南方电网贵州电网有限责任公司数据管控中心为效能评价载体,基于谷歌的Tensorflow 1.2. 1和Open AI的Gym 0.9. 2环境开发了可视化验证环境并对模型进行了实证分析,仿真验证结果表明本文所提模型可以在较短的时间内处理低价值密度、多维波动非线性、动态迭代更新属性下的电网海量文本缺陷特征感知问题,在深度泛在性、感知自主性、决策准确性、异构数据输入下的模型容错性等方面具有明显优势。     

不同来源地旅游者对北京目的地形象感知差异——基于深度学习的Flickr图片分析

社交网络图片是旅游目的地形象传播的重要载体,基于图片表征内容的营销传播越来越受到旅游目的地营销组织重视,本文选取Flickr上中国港澳台（香港特别行政区、澳门特别行政区、台湾省）、英国和美国旅游者拍摄的北京图片作为研究素材,采用计算机深度学习算法分析图片表征内容,并从认知和情感2个层面分析、比较了不同来源地游客在北京旅游目的地形象感知方面的异同。研究表明,在认知形象方面,入境旅游者均对自然、建筑较为关注,但在文化艺术、人物、食物等具体维度上关注内容不尽相同。在情感形象方面,令人愉快（Pleasant）的、兴奋的（Exciting）是所有入境旅游者表现的主要情感,但中国港澳台和美国旅游者所拍摄图片隐含投射出困倦疲乏的（Sleepy）情感,而英国旅游者拍摄的图片则暗含不安苦恼（Distressing）的情感。本文利用计算机深度学习算法分析海量UGC图片表征内容为目的地形象研究提供了大数据的方法参考。     

融合预训练和深度学习的图书功用分类研究

[目的/意义]围绕图书功用分类问题,提出开展图书功用自动化分类研究,并融合预训练和深度学习方法进行实现方案设计,为图书功用属性揭示和信息组织提供参考。[方法/过程]文章基于功用视角进行图书分类体系调研与数据验证,构建图书功用分类体系框架。在此基础上,融合BERT预训练模型和BiLSTM模型构建图书功用分类模型,并基于大规模数据集进行实验验证。[结果/结论]实验结果显示,模型的准确率达到0.89以上,召回率达到0.87以上,总体效果相对较好,能够较为准确地实现图书功用特征的提取。     

不同来源地旅游者对北京目的地形象感知差异——基于深度学习的Flickr图片分析

社交网络图片是旅游目的地形象传播的重要载体,基于图片表征内容的营销传播越来越受到旅游目的地营销组织重视,本文选取Flickr上中国港澳台(香港特别行政区、澳门特别行政区、台湾省)、英国和美国旅游者拍摄的北京图片作为研究素材,采用计算机深度学习算法分析图片表征内容,并从认知和情感2个层面分析、比较了不同来源地游客在北京旅游目的地形象感知方面的异同。研究表明,在认知形象方面,入境旅游者均对自然、建筑较为关注,但在文化艺术、人物、食物等具体维度上关注内容不尽相同。在情感形象方面,令人愉快(Pleasant)的、兴奋的(Exciting)是所有入境旅游者表现的主要情感,但中国港澳台和美国旅游者所拍摄图片隐含投射出困倦疲乏的(Sleepy)情感,而英国旅游者拍摄的图片则暗含不安苦恼(Distressing)的情感。本文利用计算机深度学习算法分析海量UGC图片表征内容为目的地形象研究提供了大数据的方法参考。     

基于增量学习的图书文本分类方法

[目的/意义]旨在解决传统图书文本人工分类耗时耗力的问题,以及深度学习算法无法良好处理更新图书文本资源的分类问题.[方法/过程]提出了一种基于增量学习的图书文本分类方法,先利用现有图书资源创建标准文本分类模型,再采用增量学习方法修改模型,使其能够不断地帮助模型学习到新增的图书类别.[结果/结论]研究实验表明,增量式图书...     

基于卷积神经网络的人脸目标跟踪及表情检测

随着计算机技术和人工智能技术及其相关学科的迅猛发展,整个社会的自动化程度不断提高,人们对类似于人和人交流方式的人机交互的需求日益强烈。表情识别是情感理解的基础,是计算机理解人们情感的前提,也是人们探索和理解智能的有效途径。本文在深度学习的背景下,提出一种基于VGG-16网络基础上的迁移学习方法,以VGG-16网络作为基础网络,通过展平层将输入特征压平为一维,最后利用两层全连接层加上Softmax经典分类算法进行分类。然后在CK+数据集上进行实验。经实验,微调的VGG-16网络在CK+数据集上训练后,得到97.97%的验证精度。实验结果证明了提出方法具有更好的检测性能。