基于EDA和回译的导游投诉文本混合增强方法

近年来,使用机器学习算法从导游投诉文本数据中识别出导游违规行为,辅助旅游监管人员工作,为旅游监管提供依据,成为一个必然趋势。然而导游投诉文本存在着语料单一、难以获取等困难,如何对这些导游投诉文本进行文本增强以满足导游违规行为识别需要,是一个迫切需要解决的问题。针对这一问题,提出了一种基于EDA(easy data augmentation)和回译的导游投诉文本混合增强方法。从EDA和回译两个角度对导游投诉文本进行增强,将两种方法返回的增强投诉语料进行混合,得到最终的增强文本;并将该方法在实际的导游违规行为识别系统中进行了应用与验证。通过大量实验对该方法与传统的EDA文本增强方法、回译文本增强方法进行了分析与对比,实验数据表明,基于EDA和回译的导游投诉文本混合增强方法相对于其他两种传统文本增强方法具有更高的准确率和更优秀的文本增强效果,应用在实际的导游违规行为识别系统中得到了87.54%的准确率,相比原始数据集准确率提升了7.4%。     

基于KCCA的煤矿人员特征融合识别

煤矿井下险情时有发生,为险情下方便救援,需要监控各区域人员签到,准确掌握人员身份及分布情况。在煤矿井下由于光线不足、黑尘干扰等原因,影响人员的识别和管理。传统的识别由于单独依赖人脸识别来辨别井下人员数量和身份,易受到矿井下恶劣的环境影响而导致出现无法识别和识别效率低等问题,所以可靠程度较低。为解决上述问题,提出了一种基于KCCA算法的人脸特征和虹膜特征融合的煤矿井下人员签到识别方法。首先提取出人脸特征和虹膜特征,然后采用KCCA算法对采集到的人脸特征和虹膜特征进行融合,去除图片中无效的信息,降低算法复杂度,最后利用TAN分类完成人员认证,准确识别人员身份。实验表明,该算法降低了计算复杂度,提高了身份识别的准确度,增强了工作人员的安全监控。     

改进胶囊网络优化分层卷积的亚健康识别算法

针对传统卷积神经网络(CNN)为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题,提出改进胶囊网络优化分层卷积的亚健康识别算法。首先,对原始振动数据进行小波降噪和小波包降噪两种数据处理,更好地保留原始信号中对亚健康识别有用的信息;其次,CNN采用分层卷积的思想,并行3个不同尺度的卷积核,多角度地进行特征提取;最后,将卷积核提取的特征输入到剪枝策略的胶囊网络中进行亚健康识别,改进的胶囊网络在保证准确率的同时加快亚健康识别时间,解决CNN结构过于复杂以及识别效果不佳的问题。实验结果表明,提出算法识别准确率高且识别时间较少。     

基于USRP的无线射频识别平台设计与实现

目前射频识别技术(RFID)有着广泛的应用,但由于RFID的标准众多,不同标准的标签需要不同的阅读器进行识别,这给RFID的应用开发带来了不便。首先,介绍了RFID技术和软件无线电技术的发展状况;其次,介绍了软件无线电技术的基本原理和关键技术,分析了GNU Radio开放软件无线电平台的软件体系结构和开发模式,包括软件GNU Radio的组成要素和运行流程,并且介绍连接的硬件设备USRP的母板和子板的基本知识。将软件无线电外设USRP和软件GNU Radio相结合,设计并实现了RFID读写器与标签之间的无线通信信息采集。搭建了GU-RFID平台,对相关功能进行了测试。最后,利用GU-RFID平台完成了超高频RFID系统的ASK数字调制,为进行RFID通信的MAC层研究和安全隐私保护技术研究提供了平台基础。     

信息分类编码标准化作用及方法探讨

信息化是一个广泛的类别,它包括采集信息、传递信息和通讯,以及计算机信息的应用,信息化成为当代技术革命中最活跃的一个领域。对于企业而言,信息资源是指在生产和管理中所涉及的一切信息,如文件、资料、图表和数据,它涉及企业的生产和运营过程并在企业生产和运营过程中产生、获取、处理和传输。信息分类与编码标准化是利用标准化的思路与方法,对这些常见的重要数据资源进行分类代码。信息分类是根据信息内容的性质和特点,将信息区分、归类,并建立一定的划分系统和排序;信息编码就是将一定规律的编码对象赋予有一定规律、易于计算机和人的识别处理,形成一个代码元素的集合;标准化工作使信息化工作更为规范、科学,是系统集成与信息共享的前提和基础。     

面向RFID动态帧时隙ALOHA协议的帧长优化

近年来,国家电网积极推动泛在电力物联网的建设,以实现电力系统的万物互联与优化管理.其中,射频识别技术(RFID)作为泛在电力物联网建设的核心技术,凭其价格低廉、无需电源、非视距通信、远距离通信等特点,被广泛应用于电力仓储物资管理、电力巡检等应用场景.为了盘点电力设备仓库中的物品,需要快速识别粘贴在物品上的标签,然而由于仓库中存在大量标签,在通信过程中容易产生标签信号冲突.针对当前商用RFID系统普遍采用的符合EPC C1G2标准的动态帧时隙ALOHA协议,提出了一种新型的基于Q-learning与神经网络的帧长优化算法(记作QN-leaming).通过将动态帧长选择问题转化为马尔可夫决策过程(MDP),即观察到的状态为不同种类时隙的个数(空时隙数、单时隙数、冲突时隙数),执行的动作为设置合理的帧长,从而利用Q-learning与神经网络来自主学习帧长选择策略,基于学习到的策略可以指导系统根据最新观察选择能够实现全局最优的帧长.仿真实验结果表明,基于QN-learning算法在动态调整帧长方面表现优异,能够实现标签的有效识别,在保障高吞吐率的同时控制阅读器的询问次数,减少数据传输量.     

基于BiLSTM的智能语音餐厅推荐方法

为了方便人们在就餐前选择餐厅,提高就餐效率,文中提出一种基于双向长短时记忆网络的智能语音餐厅推荐方法。首先利用长短时记忆网络进行意图识别,再利用BiLSTM实现餐厅推荐系统中的实体提取,便于系统根据用户所提供的实体信息结合用户意图做出相应反馈。根据意图识别在餐厅推荐系统中的实际应用情况,准备充分的意图识别数据,确定意图识别方案。同时,文中采用基于Rasa_Core的对话管理机制制定对话场景来训练对话管理模型,在用户意图的指引下利用训练好的模型可以选择最优的反馈动作,达到机器与人的有效沟通。     

台区智能监测系统相位识别技术的研究与实现

针对我国配电网设备数量大、分布广,且运行环境复杂,对线路故障类型、故障停电范围缺少行之有效的监测和预判手段等问题,文中重点开展了基于LoRa无线通信的相位识别技术研究,从LoRa无线通信技术,过零检测电路的可靠性、灵敏度,以及相位识别技术的准确性等方面进行分析,设计出准确灵活的相位识别方法,并搭建智能监测系统,实现低压配电台区用户所在相位的准确识别,提高配电运维管理水平,为停电故障及异常准确定位、三相负载不平衡治理、降低线损等业务提供支撑,可有效抑制三相不平衡,正确分析三相不平衡与线损的关系,实现线损精确计算与精益化管理。     

基于神经网络的汽车侧面造型评价方法

利用反向传播(BP)神经网络,在 MATLAB 中搭建汽车造型轮廓与意象语义之间的关系模型,快 速判断汽车侧面造型风格。随后利用卷积神经网络(CNN)搭建的表情识别模型建立汽车造型评价系统,分析并 识别用户对于新设计的喜好程度,以得到符合用户情感需求的汽车侧面造型方案。最后通过实例验证方法的可 行性,并推断出流线型汽车的最佳曲率范围。实验结果表明,基于神经网络的汽车造型量化评价方法可以较准 确地对产品造型设计进行评价并以数据形式得到具体意象的侧面造型。