改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

基于物联网的大数据量实时信息交换策略分析

大数据信息时代,人们在日常生活中开始广泛地使用起了物联网,这是现代信息技术飞速发展的体现,但在是实现实时信息数据交换存取方面的问题也随着需要处理的数据信息量越来越大而逐渐凸显了出来,这近一步增加了物联网数据处理工作的难度。基于此,本文探讨了基于物联网的大数据量实时信息交换存在着哪些需求,并且这种信息是如何交换的等问题,最后针对性的分析了大数据量实时信息交换的策略,旨在提高其工作效率,用完善的处理系统来吸引更多受众,扩大物联网在社会发展的各个领域的适用范围,促进我国社会经济科学的进一步发展。     

基于文本信息处理的深度网络推荐技术研究

网络信息时代,在使用系统的时候,首先应该要避免信息过载所导致的问题.然而这一问题目前已经在网络信息技术中起到了重要的作用.根据传统的模式进行推算,目前互联网想要构建模式,首先应该设计其模型训练,另外其数据不能过于单一,而信息量也不够充足,所以导致目前所出现的推荐效果并不是很好.所以文章中有很多辅助信息能够添加到模型中而获得额外的数据输入,对于文章所推荐的方式,有些用户往往忽视所具备的多样性,主要是由于用户的喜好会随着项目的改变而发生变化.     

主动雷达导引头海杂波回波信号计算与测试

采用复合制导体制的防空导弹,在其末制导阶段下视攻击低空目标时,主动雷达导引头会接收到较强的地/海杂波,此时进入接收机的杂波信号会严重影响导引头目标的检测和分析。因此,关于杂波的精确计算对评估导引头在杂波下的截获和跟踪能力具有至关重要的意义。本文将主动雷达导引头的试验数据与海杂波理论模型相结合,提出了一种实时计算海杂波回波信号强度的方法。该方法在杂波理论模型的基础上,通过引入试验数据为算法提供标定基准,能够保证海杂波计算结果更加符合实测结果。仿真结果验证了该方法的有效性和可行性。     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。