基于深度卷积网络的糖尿病并发症分类

本文针对现有糖尿病并发症分类研究以统计为主,缺乏有效数学模型的问题,提出了基于深度卷积神经网络的糖尿病并发症分类模型。首先进行数据预处理,将糖尿病数据进行降维和向量化;其次采用深度卷积神经网络对并发症进行分类,并与SVM、决策树、BP神经网络等经典方法进行了对比。实验结果表明,本文提出的基于深度卷积网络的糖尿病并发症分类模型准确性高于其它模型,能够为糖尿病并发症提供有效地辅助诊断。     

公路隧道围岩的区间数组合分类法

公路隧道围岩的分类方法较多,每一种分类方法的结果都是对真实围岩状况的一种估计,通过一定的算法将这些分类结果进行合成,可以使各分类法取长补短,围岩信息得到充分利用。基于上述思路,并考虑到分类标准和被分类隧道围岩物理力学指标均为区间数的实际情况,提出了一种基于区间数的公路隧道围岩组合分类法。为充分利用区间数携带的信息,定义了一种新的区间数距离计算方法,选择能够兼顾各单一分类法之间功能性和协调性要求的加乘混合函数作为围岩分类函数,计算被分类围岩与分类标准各级别之间的分类函数值,最小值对应的类别即为被分类围岩的类别。针对某工程隧道2个典型段围岩的分类问题,在隧道围岩常用的岩芯质量指标ROD法、《公路隧道设计规范》(JTGD70-2004)BQ值法和弹性波速vp法进行分类的基础上,采用本文方法进行组合分类,结果表明:本文方法物理意义明确,计算过程简捷,分类指标稳定,分类结果与单一分类法相比能够更好地反映实际围岩状况,可供公路隧道勘察、设计、施工时参考。     

基于深度学习的水体生境图像分类与质量评价——以长三角一体化先行启动区为例

【目的】面对长三角一体化地区生态高质量修复与智能化监测的更高诉求，开展基于深度学习的水体生境质量评价，旨在探索风景园林数字技术的前沿领域，为长三角一体化地区的水体生态修复与生态绿色发展提供信息化与智能化的技术支撑。【方法】采用基于深度学习的图像分类方法，通过卷积神经网络（convolutional neural networks, CNN）训练，实现大范围、大批量的水体生境卫星图像智能识别、分类与评价。【结果】构建了长三角一体化先行启动区水体生境卫星图像数据集，训练了水体生境质量评价深度学习模型，对研究范围内全域的水体生境进行了高精度、自动化的生境质量评价。【结论】深度学习模型能够长时序、大范围地对水体生境进行质量评价，为水体生境的修复实践提供技术支撑，未来可实现对长三角一体化示范区水体生境质量的跟踪监测。     

英语区公路勘察设计流程与深度分析

在英语区的公路施工中,做好勘察设计工作是保证公路工程能顺利施工的关键。基于对英语区公路施工特点的了解,以及英语区公路施工的实际难度,应结合英语区的特点,对英语区公路勘察设计流程与深度进行全面探析,保证英语区公路勘察设计流程能更加科学合理,满足公路工程施工要求,达到提高英语区公路施工质量的目的,解决英语区公路勘察设计工作中的问题,为英语区公路勘察设计提供有力的帮助和支持。     

集成卷积神经网络的图像分类

本文针对环境监控视频图像分类,文章从集成卷积神经网络的角度,探析了其在图像分类中的有效应用,以卷积神经网络实现图像处理,建立不同计算神经节点,评估图像并进行分类。实验结果表明,深度神经网络拥有最大间隔和最小分类误差,是对交叉熵准则的有效补充,对图像的分类处理结果良好,值得进一步的研究和推广。     

基于半监督的SVM迁移学习文本分类算法

随着互联网的快速发展,文本信息量巨大,大规模的文本处理已经成为一个挑战。文本处理的一个重要技术便是分类,基于SVM的传统文本分类算法已经无法满足快速的文本增长分类。于是如何利用过时的历史文本数据(源任务数据)进行迁移来帮助新产生文本数据进行分类显得异常重要。文章提出了基于半监督的SVM迁移学习算法(Semi-supervised TL_SVM)来对文本进行分类。首先,在半监督SVM的模型中引入迁移学习,构建分类模型。其次,采用交互迭代的方法对目标方程求解,最终得到面向目标领域的分类器。实验验证了基于半监督的SVM迁移学习分类器具有比传统分类器更高的精确度。     

基于深度学习的疑似违法图斑快速检测研究

无人机监测是当前城市违法建设和违法用地问题治理的重要手段,但传统人工识别的方法费时费力,越来越难以满足治理需求.本文针对这一问题,研究了基于深度学习卷积神经网络模型的城市违法建设和违法用地快速检测方法:首先,分析了违法建设和违法用地的主要类型和特点,构建训练样本集;然后,构建卷积神经网络深度学习模型并对模型进行训练;最后,对两期影像分别分类并通过分类结果对比的方式快速筛查违法建设图斑.利用0.1 m分辨率的城市无人机正射影像进行的检测实验结果表明,本文方法对于违法建设问题能够快速有效地检测,对城市违法建设问题治理具有良好的支持作用.     

结合迁移学习和Inception-v3模型的路面干湿状态识别方法

针对传统方法对路面干湿状态识别分类正确率较低的情况,提出了基于迁移学习的路面干湿状态识别方法。利用深度卷积神经网络强大的特征学习和表达能力,自动学习干湿路面的特征,并采用迁移学习的方法将Inception-v3模型在ImageNet图像数据集上学习得到的知识深度迁移至路面干湿状态识别任务。实验结果表明,所提算法在测试集上测得的分类准确率约为94.5%,与非迁移学习算法和基于底层视觉特征识别学习的算法相比,具有更高的准确性和良好的鲁棒性,以及较强的泛化能力。     

刍议路基快速施工管理与质量评价

在公路修建过程中，路基工程一般占总工期70%左右，与路面工程不同，路基工程的施工受地形、地质影响较大。因此项目通过对山区公路改扩建及抢修工程路基快速施工的项目管理模式、施工组织，交通管理与疏导等进行调查、分析、研究，建立山区改扩建及抢修工程路基快速施工管理体系。同时对适宜山区公路快速施工的一些路基防护与加固结构的适宜性进行分析与评价，以在路基快速施工中充分运用新技术、新结构、新工艺。     

人工智能在建科标准系统中标准分类的应用

为了提高建科标准系统标准分类的效率和准确性,本文分别采用朴素贝叶斯分类方法和多种深度神经网络分类方法,对30多万个中文标准进行分类训练和分类测试,结果显示采用深度神经网络Kmaxcnn模型分类准确率最高达到81.2%,实验结果表明,利用该模型可以对建科标准进行高质量的分类,节约了人力成本,大幅提高了效率。     

基于深度学习的高光谱遥感影像分类

从传统高光谱遥感影像分类的不足出发,提出一种空-谱信息与深度学习相结合的影像分类方法。利用深度学习的常用模型—深度置信网络(DBN)对高光谱影像进行了基于空-谱特征的分类。首先利用主成分分析(PCA)对原始影像进行降维,再对主成分图影像块内的所有像素按照窗口大小进行重组,并用排序的方法堆栈融合为空-谱特征。最后利用得到的空-谱特征作为DBN的输入对高光谱影像进行分类。通过在2组高光谱数据上进行试验,并与传统的分类算法进行比较,发现本文方法能较好地提高分类精度。     

公路桥梁状态评估方法研究

由于使用、超载、环境作用以及功能退化等人为或自然因素,导致公路桥梁在服役期间发生各种结构损伤,如何对其进行评估已成为桥梁工程界研究的热点问题之一。本文从基于外观调查、设计规范、荷载试验的三种评估方法对公路桥梁评估的研究现状及方法进行了综述,讨论了各种公路桥梁状态评估方法的优点及存在的问题。     

公路隧道施工期围岩快速分类极限学习机模型研究

针对以往智能优化算法学习速度慢、对参数选择敏感等问题,引入极限学习机(ELM)方法用于围岩分类。在分类指标方面,结合快速性与准确性,制定快速分级参数标准,以公路隧道设计规范中的BQ法为基准,从以往及正在施工的隧道中收集对应的样本,从而建立了公路隧道施工期围岩快速分类的极限学习机模型。之后将正在开挖隧道工作面的快速分级参数,提供给模型进行判别,达到快速、精确分级目的。通过抚松隧道实际验证,该模型判断结果与实际施工情况吻合,可用于指导施工阶段的隧道围岩快速分级。     

基于RS的汶川震后地质灾害信息提取方法对比分析

汶川地震诱发了大量的地质灾害,掌握震后地质灾害信息对民生经济至关重要。遥感手段能快速获取地质灾害信息。本文在ENVI平台下对汶川地区的影像数据进行了预处理,利用监督分类、支持向量机和基于专家知识的决策树分类三种方法提取了该地区震后地质灾害信息,采用混淆矩阵对三种分类结果进行了精度评定。实验结果表明:在当前数据源基础上,监督分类的精度最高,支持向量机分类次之,基于专家知识的决策树分类精度最低。     

基于风险事件状态的项目风险分类

本文首先回顾了国外文献中按风险大小对项目风险进行分类的方法,并对这些方法进行了此较分析;然后通过对风险事件状态进行描述,提出了基于风险事件状态的项目风险分类方法;最后给出应用实例.     

基于CPT的近海地层土性分类浅析及应用研究

静力触探是原位测试中常用且有效的技术之一,常常用来进行场地地层土性分类。而国内分类评判方法一般偏于定性分析,不同经验程度的工程师据此判定结果可能会有较大的差别。为了深化静力触探测试成果在土体分类方面的定量应用,本文对欧美发达国家常用的Robertson土性分类图表法进行了简介,并针对黄海潮间带某一工程场地地层原位静力触探测试成果进行了数据的优化处理和土性分类研究。通过应用研究发现,采用地层土性指数分类方法,可以把握地层土性分布特性随深度连续渐进变化的规律,是一种快速、可复验式、精度高的定量分析判定方法,值得推广应用。     

公路隧道围岩模糊信息分类的专家系统

符合实际的围岩分类是公路隧道设计和施工的重要依据，是准确进行施工地质超前预报的指南。目前的公路隧道围岩分类规范中，围岩类别与各评定指标间尚未建立起精确的本构关系，在具体应用时受人为因素影响较大。针对围岩分类中存在的这类“模糊性”问题，引入模糊信息分析模型，借助专家丰富经验和既有隧道围岩分类信息，创建了公路隧道围岩模糊信息分类的专家系统，在围岩定量分类方面取得新的进展。     

基于深度学习的VGG16 图像型火灾探测方法研究

为了快速、有效地检测不同场景下的火灾信息,基于深度迁移学习设计了一种改进VGG16 的图像型火灾检测方法。搜集不同场景下的照片,使用离线数据增强技术增加样本数量,对VGG16 进行改进,并使用迁移学习的方法训练火灾识别模型。结果表明：改进的VGG16 网络对于火灾现场的图片分类识别准确率为98.7%,优于Resnet50 网络和Densenet121 网络,可快速、准确地检测到火灾信息。     

斜拉桥施工控制方法的分类分析

城市化进程下,我国公路桥梁工程朝着规模化方向发展,为城市经济发展提供了极大的支持。桥梁工程施工具有复杂性、涉及范围较广,如果忽视对施工技术等方面的控制,在很大程度上会影响桥梁工程施工质量。本文初步了解斜拉桥后,从影响斜拉桥施工控制影响因素入手分析和研究控制方法的分类及应用,旨在为我国斜拉桥工程推广提供支持。     

隧道施工安全风险动态评估与隐患排查及数字化技术应用

针对当前公路隧道风险评估流程较复杂、隐患排查指标不明确的现状,在典型工法关键风险源分析的基础上,提出基于简易指标判据的公路隧道施工安全风险动态评估方法;制定施工安全隐患排查清单及分级标准,构建风险动态评估与隐患排查的公路隧道施工安全管控体系。借助移动终端和数字化平台,实现隧道施工安全风险源的快速采集和动态评估管理,且研究成果应用于江西井冈山隧道,对井冈山隧道施工安全管控提供一定技术支持。