基于坡变换的表面测量中的形态学操作理论探究（英文）

目的:通过引入坡变换,揭示表面测量中形态学操作的本质。创新点:引入坡变换,将空间域的形态学膨胀操作转换为坡域的加法操作,揭示结构元素对表面轮廓坡度和曲率的改变。方法:1.基于坡变换理论,空间域的切膨胀操作对应于坡域的加法操作(图9);2.分析圆结构元素作用于正弦波和圆的理论解;3.用不同半径的圆结构元素作用于正弦波,分析切膨胀和经典膨胀的相同和不同之处。结论:1.坡变换将形态学操作从空间域转换到坡域,可获取类似于傅立叶变换将卷积操作从空间域转换到频域的分析能力;2.切膨胀操作为经典膨胀操作的上确界,但会产生重叠区域。     

基于MATLAB的连续时间信号的卷积计算

卷积积分是信号与系统的时域分析的重要方法之一,为了对其计算进行一定的简化,本文介绍了基于MATLAB的符号运算法、数值计算法以及自编通用函数ctsconv函数,通过实例计算,验证了函数的有效性,并且展示了MATLAB在卷积积分方面的优越性。     

在线课程思政资源智能推荐系统设计

为了解决在传统教学中难以实现三全育人理念下的全程育人问题,设计一个在线课程思政资源智能推荐系统,有助于在课余时间进行线上思政育人。系统由下往上分为数据采集层、数据分析层和资源推荐层,将数据采集层中的学生基本属性及行为数据输入至数据分析层中的卷积神经网络（CNN）,预测学生偏好课程,然后从My SQL数据库中提取相应的课程思政资源,形成推荐列表至资源推荐层,实现对学生的智能推荐。基于学校教学平台的数据实验,结果表明,该系统具有较高的F1值和AUC值,对推动高校三全育人建设具有一定的工程价值。     

基于VMD和CNN的滚动轴承故障定量诊断方法

针对滚动轴承故障尺寸难以定量诊断的问题,提出了变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural networks,CNN)相结合的诊断方法。首先对带有不同故障尺寸滚动轴承的运行进行监测,得到1个与滚动轴承故障尺寸有关的数据库;然后对数据进行VMD,提取有效的训练模式分量,并去除噪声等的干扰;最后将训练模式分量置入CNN进行训练,得到能对滚动轴承故障尺寸进行预测的网络模型。实验结果表明,所提方法可有效实现对滚动轴承的定量诊断。     

深度学习中的图像多风格迁移算法

绘画风格的多样性为构建艺术形象提供了丰富的视觉信息.为解决风格迁移的色彩单一性和色彩溢出问题,提出一种基于深度学习的图像多风格融合算法.该算法利用预训练的VGG19Net提取网络各层特征,将内容图与多个风格图进行分离重组,构建了新的风格损失函数,并将多个风格特点融合,得到新的艺术风格图片.实验结果表明,多风格融合的新图...     

用于高光谱图像分类的轻量级空间注意力网络

卷积神经网络可自动提取高光谱图像中的光谱空间特征,因此被广泛用于高光谱图像分类.但是,由于缺乏足够的标记样本,限制了分类性能进一步提高.针对该问题,提出一种新颖的轻量级空间注意力网络(LSANet)用于高光谱图像分类.首先,设计分割核主成分分析(SPCA)方法用于降低高光谱图像维数;然后提出LSANet,它主要由3个轻...     

小波变换低频信息与Xception网络的静态手势识别

轮廓对于提高手势识别的准确率与缩短响应时间具有重要作用.经过小波变换得到的低频信息能准确反映手势轮廓.Xception卷积神经网络能减少模型参数并获得更高的分类准确率.因此,提出一种小波变换低频信息与Xception网络的静态手势识别方法.首先,将原始ASL的8000张手势图像经二维小波变换批量处理后得到低频、水平高频...     

一种在线医疗社区问答文本实体识别方法——基于卷积神经网络和双向长短期记忆神经网络

针对在线医疗社区问答文本复杂程度高、结构化程度低的特点,结合卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)两种深度学习模型以及条件随机场(CRF)模型,提出一套适用于在线医疗问答文本的实体识别方法并进行验证.将问答文本进行清洗和BIO标注后,分别用CNN和BiLSTM进行字级别的特征抽取,将通过两种模型...     

基于深度学习的电商用户评论情感极性分析

为对电商平台中的用户评论进行情感极性分析,先对这些电商评论文本进行预处理,再利用经过训练优化了参数的BERT-CNN模型进行分析。结果表明,BERT-CNN模型虽然用时较长,但准确率、召回率和F都优于其他模型,而且BERT-CNN模型训练过程稳定,收敛后损失较小,因此,在情感分析中BERT-CNN模型效果最好。