高斯颜色模型在瓷片图像分类中的应用

由于RGB颜色空间不能很好贴近人的视觉感知,同时也缺少对空间结构的描述,因此采用兼顾颜色信息和空间信息的高斯颜色模型以获取更全面的特征,提出了一种基于高斯颜色模型和多尺度滤波器组的彩色纹理图像分类法,用于瓷器碎片图像的分类。首先将原始图像的RGB颜色空间转换到高斯颜色模型;再用正规化多尺度LM滤波器组对高斯颜色模型的3个通道构造滤波图像,并借助主成分分析寻找主特征图,接着选取各通道的最大高斯拉普拉斯和最大高斯响应图像,与特征图联合构成特征图像组用以进行参数提取;最后以支持向量机作为分类器进行学习和分类。实验结果表明,与基于灰度的、基于RGB模型的和基于RGB_bior 4.4小波的方法相比,本文方法具有更好的分类结果,其中在Outex纹理图像库上获得的分类准确率为96.7%,在瓷片图像集上获得的分类准确率为94.2%。此方法可推广应用到其他彩色纹理分类任务。     

探析印刷行业中的相关企业分类

自宋代我国毕昇发明活字版印刷术至德国人谷登堡创造铅合金活字版印刷术,时至今天数码印刷技术的出现,印刷行业经历了几世纪的演变积累。从报纸、杂志、地图、海报、广告、信封、信笺、商标到名片、请柬、信用卡、钞票、贺卡、台历、挂历、包装纸盒、装饰壁纸等等都是通过印刷技术呈现的。久而久之,不同的需求就产生了不同的印刷客户。     

基于检索决策树的螨种分类鉴定专家系统

应用传统的分类检索方法进行粉螨亚目螨种的分类鉴定是一个复杂、繁琐的过程。随着人工智能技术的发展,采用专家系统技术编制螨种分类鉴定软件将改变传统的分类鉴定方式。通过学习粉螨亚目的分类学和专家系统的相关知识,将螨种的分类鉴定与专家系统有机地结合起来,采用面向对象方法,设计并实现了基于决策树的螨种分类鉴定专家系统。通过构建基于面向对象的决策树知识表示模型,提炼出螨种知识库的记录结构,根据节点对象的逻辑关系,设计了基于决策树的推理机制,并按照一定的推理控制策略实现了螨种的分类鉴定。结果证明,满足了用户的需要,具有重要的实践价值。     

影响大用户产业接入的电网关键因素研究

从电力公司角度构建了全方面、多维度的电网影响因素体系,由此对地区四大典型新兴产业的电网接入情况进行研究。结合改进的主成分分析法与基于时间效应改进的灰色关联度模型计算各影响因素与四类典型大用户产业落户情况之间的信息量值以及关联度大小。综合模型计算所得到的结果确定不同产业中各指标的影响权重和影响比例。从而根据影响指标等级划分表确定不同类型产业的主要电力影响因素,在大用户电网接入规划中能够对主要影响指标采取针对性措施,实现在改善电网以加强大用户接入适应程度的同时,保证电网投资收益的正常运行。     

基于随机森林的多站融合项目优先业务筛选机制

在“双循环”新发展格局和“电力数字化”战略中顺势发展“多站融合”项目。基于多站融合布局,提出了一个多站融合项目区域性优先业务筛选的技术方法,从经济发展与能源产业视角,依据各区域属性特征将中国31个省市划分为四类区域,并结合多站融合项目业务清单所梳理的三大类业务范畴,利用随机森林算法的大数据分析法,通过选择区域数据样本,形成了多站融合项目区域性优先业务筛选机制,进而依据优先业务匹配组合预测,实现了各区域优先发展业务的精准甄别和科学选择。实证分析验证了基于随机森林算法的多站融合项目区域性优先业务筛选模型的科学合理性以及有效可靠性,以期为多站融合推进提供有益参考。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。     

Improved ionospheric clutter classification method based on fuzzy C-means clustering

The ionospheric clutter is a time-varying,non-stationary and non-Gaussian complex clutter in the high-frequency surface-wave radar(HFSWR) system and its suppression is a daunting task.Due to the complexity of the ionospheric clutter,the single clutter suppression algorithm cannot suppress the clutter effectively.Classification of the complex ionospheric clutter according to different characteristics can improve the performance of ionospheric clutter suppression significantly.After a complete analysis of the characteristics of ionospheric clutter,this paper proposes an improved ionospheric clutter classification method based on fuzzy C-means clustering.Experimental results show that the proposed method has a better performance than the traditional algorithm in clustering the ionospheric clutter.     

Multi-Scale Dilated Convolutional Neural Network for Hyperspectral Image Classification

基于多尺度空洞卷积神经网络的高光谱图像分类

郑姗姗¹,刘文¹,单锐¹,赵静一²,江国乾³,张智⁴

（1. 燕山大学理学院,河北 秦皇岛 066004;2. 燕山大学机械工程学院,河北 秦皇岛 066004;3. 燕山大学电气工程学院,河北 秦皇岛 066004;4. 北京航天研究所,北京 100094）

创新点说明：

1）将图像分割方法——空洞卷积用于卷积神经网络进行高光谱图像分类,提取更加广泛、抽象的图像特征。

2）构建基于多尺度空洞卷积神经网络的高光谱图像分类方法。搭建多尺度聚合结构,在每个通道中使用快捷连接和空洞卷积结构,有效提取图像特征,避免信息丢失。

研究目的：

针对图像信息丢失问题,得到高精度的高光谱图像分类方法。

研究方法：

在Indian Pines和Pavia University数据集上,与4个已有的高光谱图像分类方法进行对比实验,比较OA, AA和Kappa值。

研究结果：

多尺度空洞卷积神经网络在Indian Pines和Pavia University数据集上OA值分别达到了99.58%,99.92%。AA值分别达到了99.57%,99.90%。Kappa分别达到了99.52%,99.89%。

结论：

1）在卷积神经网络中引入空洞卷积,可以有效避免图像信息丢失。

2）多尺度空洞卷积神经网络能提取更佳的判别性特征,实现高分类性能。

关键词：多尺度聚合;空洞卷积;高光谱图像分类;快捷连接

     

基于相对熵的KNN文本分类方法的研究

摘要:为提高处理文本相似度的效果,提出了一种基于相对熵度量文本差异的KNN算法.该算法首先对文本进行预处理(分字与删去停用字)和构建特征字字典; 然后计算训练集中所有文本特征字的概率,并组成训练集(特征字概率矩阵); 最后计算预测文本的特征字概率向量,并通过计算和统计K个预测文本与训练集文本间相对熵最小的文本类别个数后将数目最多的类别作为测试样本的类别.实验结果表明,该算法的分类效果不仅显著优于传统KNN、SVM、Decision Tree、朴素Bayes算法的分类效果,且在小样本数据情况下     

地裂缝分类及地面沉降区构造地裂缝防治对策

地裂缝类型多样,灾害严重。根据主导因素及动力类型,将地裂缝分为构造地裂缝和非构造地裂缝两大类和16个类别; 基于地裂缝的工程地质特征、水文地质特征和活动特征,认为地面沉降区构造地裂缝发生超常活动的本质原因是地裂缝错断了含水层,在过量抽取地下水时地裂缝两侧形成明显的水头差,产生不均匀压缩,从而导致地表发生较大的差异沉降; 提出了采用定向钻井打通被错断含水层以实现地裂缝两侧水位自然平衡的地面沉降区构造地裂缝防控方法——通水调压控裂法(CABHP),该方法可以有效控制地面沉降区的构造地裂缝活动,避免大量土地资源浪费和灾害损失。