多分辨批量古典建筑图像深度学习检索算法

针对传统的模糊BP分类识别方法进行多分辨建筑图像检索误分率较高的问题,提出了一种基于深度学习神经网络分类和多特征融合的多分辨古典建筑图像检索算法。采用小波降噪方法对模糊图像进行降噪处理,对降噪后的图像采用LGB向量量化算法进行特征分解,采用颜色分量融合方法进行图像的信息增强处理,提取图像的灰度不变矩特征量。将提取的特征量输入BP神经网络分类器中,在检索器的隐含层采用深度学习算法进行图像特征聚类的自适应寻优,进行多特征融合处理,避免聚类中心扰动,实现了对批量多分辨古典建筑图像检索的优化。仿真结果表明,采用该算法进行多分辨古典建筑图像检索的准确性较好,抗类间属性扰动能力较强,图像输出的查全率较高,图像检索的时间开销较小。     

基于深度神经网络的车辆特征识别方法

提出了一种基于深度神经网络的车辆特征识别方法,通过车辆特征智能检测识别实现交通智能监控和管理.采用三维区域轮廓扫描方法进行车辆图像采集和几何形状判断,对采集的车辆图像进行边缘轮廓检测和信息增强处理,突出车辆的类别属性特征点,在仿射不变区域对车辆角点分布信息进行直方图均衡化处理,实现车辆像素特征点的提取.对提取的像素特征点采用深度神经网络进行分类训练,实现车辆特征的智能识别.选取大量交通视频图像进行实验,仿真结果表明采用该方法进行车辆特征识别的成功率较高,输出车辆特征点正确的像素总数较多,对目标车辆的准确检测定位性能较好.     

基于条件边界平衡生成对抗网络的河流表面流速估测

针对不同流速类类间差异小而造成的分类困难问题,提出条件边界平衡生成对抗网络和多特征融合的卷积分类网络,分别进行流速图像的生成和分类. 为了达到数据增强效果,引入标签机制和验证模块实现相应类别图像数据的拟合与生成;为了加强图像不同纹理特征信息对流速估测的影响,引入多特征融合机制对所有真实样本和生成伪样本进行特征提取和流速识别,实现对差异性较小的图像的分类. 将该方法应用于实际的河流表面流速估测,结果表明,在图像生成模块中,引入的标签信息和验证机制在一定程度上能强制引导模型的数据生成方向;在图像识别模块中,引入的多特征融合机制使所提出方法相较于其他方法,在差异性较小的水流图像的识别上更具鲁棒性.     

一种基于多视图协同学习的App分类方法

App分类是App检索、App推荐和用户偏好挖掘等智能服务的前提。现有App下载平台已提供了App的类别信息,但这些信息存在无法被第三方使用、无法满足定制的类别体系等问题,因此需要设计一种不依赖App下载平台的App分类方法,而要实现这一目标的挑战包括能利用的描述信息太少(通常仅有App的名称)和有标注样本的数量太少(特别是需要定制类别体系的时候)。针对这些挑战,提出了一种基于多视图协同学习的App分类方法:首先,基于互联网知识对App名称进行信息扩充;然后,从词频和主题两个视图描述App分类问题,并抽取词频分布特征和主题分布特征;最后,采用协同学习方法充分利用无标注样本来训练和融合基于这两个视图的分类器。基于大量真实App数据的实验表明:相比现有方法,提出的方法在分类准确度方面有一定优势。     

基于频繁项自适应学习的分类算法

为了提高大数据在存在类间闭频繁项干扰下的分类提取能力,提出了一种基于频繁项自适应学习的大数据优化分类算法.采用离散高斯随机序列分析方法构建大数据信息流模型,对大数据分布式时间序列进行奇异值分解和特征空间重组,将大规模的数据问题变为一系列小规模特征分解运算.采用分段预白化匹配滤波算法进行类间闭频繁项干扰抑制处理,提高大数据分类的局部平稳性和泛化性.在重组的特征空间中提取大数据信息流的高阶累积量特征,采用模糊K均值聚类方法对提取的特征量进行分类处理,实现了大数据分类算法的改进.仿真结果表明,采用该算进行大数据分类的准确性较好,抗干扰能力较强,可实现海量大数据的快速聚类,具有较好的自适应学习能力,全局收敛性较好.     

基于统计分析的分享型数据库需求无约束估计模型

为了提高分享型数据库的检索和信息查询能力,需要进行分享型数据库的量化控制和估计,提出基于统计分析的分享型数据库需求无约束估计模型。构建分享型数据库的分布式检测模型,采用物联网分布组网方案进行分享型数据库需求无约束估计过程中的特征提取和模糊信息聚类处理,提取分享型数据库检索对象的关联特征量,采用自相关统计特征分析方法进行分享型数据库的需求变量分析和无约束估计,构建分享型数据库的需求无约束估计的控制模型,对提取的分享型数据库需求数据特征量进行需求无约束估计融合处理,采用模糊聚类方法实现对分享型数据库的需求无约束估计。仿真结果表明,采用该方法进行需求无约束估计的精度较高,时间消耗较短,自适应性较好,提高了数据库的访问和检索能力。     

基于全局与局部形状特征融合的形状识别算法

经典的全局形状识别算法虽然高效,但在处理形变方面存在不足。局部形状识别算法拥有良好的检索率,但在辨别力方面的效果却有待提高。为解决上述问题,本文提出一种基于特征点分类的融合框架,该框架不仅融合了全局与局部算法的优势,还弥补了二者的不足。一些经典的形状识别算法采用提取特征点的方式来构建形状特征直方图,本文在此基础上,将提取到的特征点进一步分类,针对不同类别的特征点集合采用不同的形状识别算法进行描述,并将匹配结果进行融合,充分发挥了全局与局部算法的优势。实验结果表明,本文提出的框架能够有效结合不同算法实现形状的识别并获得更好的效果。     

基于融合型深度学习的人体动态特征提取

为了提高对不同运动状态下人体动态特征的分析能力,提出了一种基于融合型深度学习的人体动态特征提取算法。采用图像亮点流形标注方法进行人体图像的动态特征采样,对动态图像采用RGB颜色特征分解方法进行灰度像素二值化拟合处理,采用多尺度小波分解方法实现行人的差异性特征提取,对所提取的人体动态特征量采用深度学习方法进行自适应分类处理,使用融合型卷积神经网络对分类后的动态特征量进行超分辨融合,实现了人体动态特征的优化提取。仿真结果表明,采用该方法进行人体动态特征提取的超分辨性较好,在时间开销和图像识别精度方面具有优越性。     

基于多特征融合的交通标志分类

为有效提高交通标志分类的准确度,提出一种融合全局特征和局部特征的多特征交通标志分类方法。首先提取能够描述标志图像内部纹理信息的局部二值模式(local binary pattern, LBP)特征,再提取能够表示标志图像形状信息的方向梯度直方图(histogram of oriented gradient, HOG)特征和描述图像粗略轮廓信息的全局Gist特征,然后采用线性组合方式,实现特征融合互补,并通过主成分分析(principal components analysis, PCA)法进行数据降维,最后采用支持向量机(support vector machine, SVM)分类器进行交通标志训练与识别。试验结果表明:相对于单一特征的交通标志分类方法,基于多特征融合的算法获得了更高的分类精确度,同时也满足实时性要求。     

一种面向连续型属性的特征选取方法

特征选取是数据约简方法之一,其对提高机器学习的效率和效果具有重要影响。根据对象在特征空间中的分布,划分连续特征空间为类别单一、边界清晰的多个子空间。依统计学意义,把各个子空间分别投影到所有特征上,获取所有不同类别子空间对当前子空间特征区分能力的评估。通过构造区分能力评估矩阵,实现特征分类能力的排序。引入特征集区分能力信息增益,结合特征分类能力排序,逐一优选特征,最终完成特征子集的求解。采用UCI(University of California Irvine)数据集进行实验,获取特征子集,利用该特征子集,提高了机器学习效率和分类精度,表明了特征选取的可行性。     

基于显著性检测的害虫图像分类

针对病虫害分类时害虫种类多样,且类间与类内差异大等问题,提出了一种害虫分类模型PestNet.模型主要由目标定位模块OPM和多特征融合模块MFFM组成,OPM通过U型网络结构整合害虫图像浅层细节信息和深层空间信息,初步划定显著区域并输出空间语义特征.MFFM通过对空间语义特征和抽象语义特征进行双线性池化操作,弱化背景信息,增加细节特征.此外,通过目标区域裁剪和掩膜等方式辅助训练模型,提高模型分类精度.将该模型在病虫害数据集IP102上进行实验,分类准确率可达77.40％,能够实现复杂背景下大规模害虫图像的分类识别.     

眼底病变OCT图像的轻量化识别算法

为了准确、方便地识别多类型眼底病变，提出光学相干断层扫描技术（OCT）图像的轻量化分类模型MB-CNN.降低卷积核的使用个数，调节每个阶段卷积块的使用比例，设计轻量化主干网络L-Resnet，通过加深网络深度增强对深层语义信息的提取.使用深度可分离卷积设计多尺度卷积块MultiBlock，利用MultiBloc深度挖掘病灶区域的特征，使用不同的卷积核提取不同尺寸病变的特征，提高网络对病变OCT图像的识别能力.构建特征融合模块FFM，融合浅层信息和深层信息，充分提取病变特征的纹理和语义信息，提高对小目标病变的识别能力.实验结果显示，MB-CNN在UCSD、 Duke和NEH3个数据集上的总体分类精度分别达到97.2%、 99.92%和94.37%，模型参数量明显降低，所提模型能够针对眼底的多种病变进行分类.     

基于DS的电子战多信息PCA融合方案

该文提出一种新型主成份分析（PCA）电子战信息一体化融合方案。该方案基于信息融合DS理论,采用PCA分析法对数据进行收集和降维处理;再对特征层数据建立基本信任分配函数,实现基于特征的数据融合;最后对电子战系统信息进行智能诊断和挖掘等,有效实现电子战系统中故障检测和分离。进一步,通过大数据挖掘对设备状态进行评估,及时发送给控制系统,实现作战过程中对作战战略的合理指导、预警管控,从而对多系统协同工作提供有力保障。     

一种改进卷积神经网络的教学图像检索方法

针对卷积神经网络在提取图像特征时所造成的特征信息损失以及降低高维度图像特征数据等问题,提出了一种改进卷积神经网络的图像检索优化方法。该方法首先利用融合的卷积层提取图像特征,并在融合的卷积层之间添加全连接层以减少特征信息的丢失;然后采用主成分分析法对高维的特征数据进行有效的降维处理;最后采用余弦相似度的方法进行相似度匹配,以实现相似图像的检索。采用当前经典的LeNet-L、LeNet-5等方法同文中方法在图像检索性能评价指标上进行对比实验。实验结果表明,所提出的检索方法比文中其他检索方法在查全率和平均查准率方面提高了3%27.3%。     

基于F直方图的形状全方向顺序特征描述

为提高二维对象的形状描述识别精度,本文提出基于F直方图的形状全方向顺序特征描述方法。该方法在全方向上通过方向线对形状进行分割,计算各方向线上对象分割段之间的顺序特征描述量,构建形状的全方向顺序特征描述量,计算形状间的相似度。通过地物形状数据集、MPEG-7 CE-1 Part B形状数据集和瑞典叶子数据集对本方法进行了检索识别性能测试,并和其他形状相似性描述方法进行了对比。实验结果表明,本方法具有更高的检索准确率。形状全方向顺序特征描述方法将形状的边界和区域信息融合,可以准确描述形状的全局特征与局部特征,具有平移、旋转、尺度不变性,具有较强的形状描述识别能力。     

乡村居住环境生态绿植景观智能规划系统设计

为了提高乡村居住环境中生态绿植景观的规划能力,提出基于视觉特征重构的乡村居住环境中生态绿植景观智能规划设计方法,先对生态绿植景观智能规划的原理进行分析,再采用视觉特征重构方法进行绿植景观图像采集,对采集后的图像进行边缘轮廓特征提取,采用颜色分量融合方法进行绿植景观图像的信息增强处理,给出多分辨景观图像的直觉模糊度集,采用模糊信息聚类方法计算景观的智能规划结果。结合嵌入式ARM技术开发景观智能规划软件,实现景观的智能规划。仿真结果表明,该系统对生态绿植景观进行规划设计较为智能,自动规划能力较强。     

基于卷积神经网络视觉融合的动态手势识别

为了提高多帧视频序列中动态手势的识别效果,结合计算机视觉分析,提出了基于卷积神经网络视觉融合的动态手势识别方法.采用模糊数据多频谱方法进行多帧视频序列中动态手势视觉图像采集,对采集的图像用Harris角点检测和多传感识别方法进行多模状态分层特征点标定,用卷积神经网络视觉融合方法提取多帧视频序列中动态手势动作的边界轮廓特征点信息,分析多帧视频序列中动态手势的层次化分割特征,用图像分割和边缘信息增强方法,提高动态手势图像的分辨能力,结合角点优化检测技术,用视觉动态跟踪分析实现对手势动作特征点的自动化标定,根据动态手势的帧点分布规则实现多帧视频序列中动态手势动作图像的自适应特征检测和识别.仿真结果表明,采用该方法进行多帧视频序列中动态手势识别的准确性较高、实时性较好.     

大型复杂电力系统的多传感器信息融合智能技术

研究大型复杂电力工业系统的现场数据检测与信息融合、控制、管理与决策及运行状态等特征,提出了实现复杂电力系统的多传感器信息融合处理的智能方法和技术,给出了复杂电力系统融合处理的应用实例．     

基于局部特征融合Transformer的牛身识别算法

目前，牛身识别技术大多采用卷积神经网络(Convolutional Neural Networks, CNN),CNN只能处理局部邻域信息，容易丢失细节信息。为此，提出一种基于局部特征融合Transformer的牛身识别算法。首先，运用卷积将相邻空间内的牛身局部信息进行融合，增强融合后局部特征信息在不同姿态下的辨别力和鲁棒性；其次，将融合后的局部信息和全局分类信息通过数个多层感知机模块进行分类训练，损失函数采用三元组和标签平滑交叉熵损失，有效提高了牛只多姿态场景下特征的提取。仿真实验结果表明，在复杂场景下，与基于CNN的牛身识别算法相比，提出的算法有效降低了拒识率，提高了Top1排序性能和AUC值。     

基于证据聚类的水声目标识别算法研究

针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种证据聚类识别算法。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并采用证据近邻分类优化算法为各目标数据构造一组合理的初始基本置信指派。然后对算法的目标函数进行循环迭代优化,计算出目标数据最终的全局基本置信指派。最后根据融合结果和所设立的分类规则即可判断目标的类别属性。通过水声目标实测数据的实验,将新算法与其他几种常用的水声目标识别算法进行了对比分析,结果表明其能有效提高识别准确率。