多特征融合的关键词语义功能识别研究

[目的/意义]关键词作为一种能够揭示学术文本主题及核心内容的词汇或术语,对其进行功能识别可为知识和文献的快速、精确获取提供底层索引支持.[方法/过程]针对现有研究在关键词上下文建模中多局限于文本层面的符号语义表征,在深入挖掘文献行书规律的基础上,提出一种基于多特征融合的词汇功能识别模型.模型在采用BERT模型捕获关键词...     

基于机器学习的老人活动识别方法实验研究

全球人口老龄化的日益严重使得如何更好地提供养老服务变得越来越重要。新一代信息技术的快速发展为智慧养老研究提供了良好的技术基础,基于机器学习的老人活动识别成为智慧养老的一项重要研究。文章使用决策树、随机森林、XGBoost和朴素贝叶斯四种机器学习算法,以采集老人居家活动传感器数据为对象,分别使用传感器触发状态、传感器触发数、传感器与活动距离加权的三种特征提取方法对老人的居家数据进行识别研究。实验结果表明,随机森林在三种特征提取方法上达到了最好的活动识别效果,识别准确率分别为93.1%、93.6%和94.6%。在三种特征提取方法中,文章提出的活动距离加权提取方法在四种机器学习算法上识别准确率均相对较高,分别达到了65.9%、87.2%、83.9%和94.6%。     

基于多源数据的邯郸城市空间结构识别

城市空间结构识别是城市研究展开的基础,但传统识别方法存在耗时长、成本高、精度低等不足。城市空间结构是多维度的特征集合,主要存在人、地、业三种表征。使用多源数据和空间辅助分析探究人地业三种要素的空间分布和聚集情况,构建基于多源数据的城市空间结构识别理论和技术模型,得到人群活力分布、地块开发、区域核心等特征,能够准确识别城市空间结构实际状态。以邯郸市为例,识别并分析城市空间结构,提出优化策略。     

面向手写体识别的DCNN抗噪性能研究

深度卷积神经网络(DCNN)是人工智能研究领域前沿方向.DCNN结构复杂、参数非常多、可解释性与鲁棒性不强,对图像数据集的清晰度要求很高,而目前关于DCNN抗噪性能研究还较欠缺.通过给手写体数据集DigitDataset的测试集添加4种不同幅度噪声,深入研究DCNN在手写体识别上的抗噪性能.研究结果表明:①噪声对DCN...     

时评何必另类

作为“旗帜”、“灵魂”,评论对一张报纸,对社会发展的重要意义不言而喻。在一个充分信息化的时代,有生命力的新闻时评,意在反思社会转型时代的信鼠加速对社会生产和社会存在所产生的强大影响。这一影响不仅仅是不断扩大信息流量,同时也在扩大传播主体的社会范畴。     

短视频在社交平台上引爆流量的高效推广策略研究

短视频具有强大的流量属性,因此当创作者转发爆款短视频时,也会获得该爆款短视频所属账号“粉丝”的关注,从而实现借势“涨粉”的目的。需要注意,当创作者转发爆款短视频时,不能单纯地转发,而应在转发时彰显出自身的个性和特点,说出自己的独特见解,这样才会让用户对创作者的账号产生深刻的印象,并产生关注的欲望。     

基于多维动力指纹异常点识别的高桩码头损伤检测研究

准确、高效的高桩码头损伤检测方法是目前研究热点。构建了高桩码头桩基动力损伤识别模型,通过有限元分析软件Abaqus模拟计算和物理模型试验,研究多维动力指纹在高桩码头损伤识别中的适用性。研究结果表明:1)在有限元模拟中,多维动力指纹可用阈值判断取代目视检查法,准确识别码头桩基损伤位置,实现在高噪声复杂工况条件下损伤识别的自动化。2)基于动力损伤试验亦可准确识别桩基损伤位置,损伤特征在多维融合中得到加强,无损处的干扰经过融合之后,损伤位置更容易被识别,展现方法的强鲁棒性。     

基于深度学习的指关节纹识别算法实验研究

针对传统机器学习算法特征提取烦琐且普遍存在特征单一、识别准确率低的问题,采用能够自行提取图像特征的卷积神经网络模型,对指关节纹识别分类的任务进行实验研究.首先对指关节纹图像进行预处理;其次,设计并搭建了一个9层卷积神经网络模型,对网络模型进行编译、训练后,发现网络的过拟合现象严重,并针对过拟合,提出了优化网络结构方案,...