非接触式水位计校准装置的研制与应用

为解决我国水利行业大量使用的超声波、雷达式等非接触式水位计的测量准确度问题,研制开发出一种非接触式水位计实验室校准装置。通过分析非接触式水位计的测量误差源,介绍非接触式水位计校准装置数据采集与控制、数据测量、升降、人机界面等子系统的设计,并对装置的计量误差进行测试分析,对实现的功能进行阐述。经过应用测试,验证该装置校准精度在1 mm以内,适应波束角15°,能很好地满足非接触式水位计的实验室校准工作,为行业内大量应用的非接触式水位计的校准提供新的手段,为水位测量仪器的数据准确性提供技术保障。     

非接触式静电电压表校准装置研究

在静电测量中,非接触式静电电压表是一种广泛使用的仪器。目前,由于国内还没有标准的校准装置,因此,有必要设计建立一套非接触式静电电压表校准装置。本文给出了设计方案,经验证完全满足使用要求,并得到实际应用。     

基于机器学习的图像压缩算法研究

爆炸式的图像增长对图像传输和存储能力提出了巨大挑战,图像压缩成为解决这类问题的重要技术之一。利用机器学习的方法来实现对图像的压缩,将图像压缩定义为一个降维问题;利用基于聚类的方法 (K-Means)和基于降维的方法 (PCA)对图像的矩阵值进行降维。实验表明,K-Means相对于PCA算法对图像压缩效果更好。实验还将压缩前后的图像进行了可视化对比,能更直观地对压缩前后的性能做对比。     

基于深度图像的非接触式呼吸检测算法研究

呼吸是人的基本生命活动,监测呼吸可以得知呼吸道和胸廓运动的生理、病理学状态,对某些呼吸系统疾病的诊断有重要的参考价值;提出了一种非接触式呼吸监测方法:对红外视频流中的每帧胸腹部区域数据进行降维,计算所有胸腹部区域数据的方差,将一定时间段内的方差序列进行低通滤波;最后根据方差序列可以获得该段时间内的呼吸频率和呼吸暂停时间;提出的非接触式呼吸检测算法在不影响被监测者正常睡眠活动的情况下,可以准确获取呼吸频率与其他相关参数,为健康监测和相关疾病的诊断提供了数据支持;日常家居场景的实验中,检测到的呼吸次数与实际完全一致,并且与实际胸腹部起伏变化基本同步,较好的保证了结果的准确性。     

基于机器学习的目标跟踪算法研究综述

在视频目标跟踪研究中,基于机器学习的理论和算法成为了一个重要的发展方向。在线学习通过对样本持续的学习和更新从而适应背景环境以及目标的变化,能够获得更好的目标跟踪效果。根据算法的特点,将在线学习方法分为集成学习方法、判别式学习方法和核函数学习方法3类。重点对每类中具有代表性的几种方法进行详细描述,并分析其优缺点。最后还分析了机器学习方法在目标跟踪研究中面临的问题和未来的研究趋势。     

Kinect平台上使用机器学习的非接触式GUI操控方式

触摸屏的出现使人们逐渐摒弃鼠标和键盘,而触摸操作的不便和局限性也随之显现,非接触式操作凭借其独特的优势正逐渐成为未来人机交互方式的新潮流。针对现有的非接触式操作方式存在的手势定义不合理,方法复杂难解,识别精度低等许多问题,提出了使用“抓”和“放”这两个手势的非接触式操控方式RemoteControl,用户可在三维空间中做出操控动作来完成大部分基础图形用户界面（graphical user interface,GUI）操作。RemoteControl使用支持向量机（support vector machine,SVM）和随机森林来从手部图像中识别出手的形状。实验结果表明RemoteControl的操控动作识别取得了较高的精确度。     

机器学习分类问题及算法研究

机器学习是一门综合性较强的学科,对该学科的研究多集中在分类问题和算法方面。基于此点,文章从机器学习的内涵及发展历程介绍入手,分析了机器学习中的分类问题及学习步骤,在此基础上对机器学习的算法分类进行论述。     

基于机器学习的自适应预测式外呼算法研究

预测式外呼是一种高效的触达客户的方式.但如何在尽可能提高坐席利用率的目标下又同时要控制住呼损率,一直是企业亟待解决的问题,尤其是在话务接通率波动较大的情况下.设计了一种基于机器学习技术的预测和自适应控制算法,能够精确地预测给定拨打速度下的坐席利用率和呼损率,能够自适应各类话务接通率来实时调整拨打速度.基于数值分析发现,...     

基于大数据分析的机器学习算法探讨

大数据重视数据的加工处理,以保障数据有效增值。随着云时代的快速发展,大数据覆盖范围逐步扩大,受到社会各界的广泛关注。现代社会发展过程中,大数据分析逐步应用于企业未来发展规划、风险评价和市场发展现状整合等方面。随着社会诸多领域的快速发展,信息流通量逐步扩大,互联网发展更加迅速,促使大数据逐步应用于各个领域。     

基于深度学习算法的水位识别方法研究

为了提高国家水资源管控能力灌区计量监控点运行质量,提出一种基于深度学习算法的实时水位识别方法,该方法主要由YOLO-v3对象检测和ResNet刻度识别2种模型构成。通过算法设计、训练和集成,实现与浙江省水资源监控信息平台的集成应用。算法测试结果显示,该方法的测试识别、实际运行准确率和识别响应速度基本达到实际使用需求。随着模型训练数量增加,该方法水位识别进度将继续提高,并具备向检测断面现场环境识别拓展的应用空间。     

一种基于结构化学习的排序算法

传统排序算法将排序问题转换成分类或回归问题来求解,这样得到的模型不够精确。对此提出一种新的排序算法,该算法把排序问题看成一个结构化学习过程,即通过训练集来学习一个排序结构。算法首先定义了一个查询级的目标函数,针对算法约束条件太多,难以直接优化,提出使用割平面算法进行求解。对于算法中的“寻找最违约排列”子问题,将其变换成为一个简单的降序排列问题。基于基准数据集的实验表明,相比起传统的排序算法,所提算法更为有效。     

改进的概率选择主动支持向量机算法

针对大多数主动学习支持向量机（ASVM）的主动学习策略只注重考察超平面附近的样本,忽略了有些距离超平面远但是支持向量的样本,而且没有考虑当前超平面是否接近实际的超平面。提出一种基于概率的主动支持向量机算法,采用一个置信因子来衡量当前的超平面接近实际的超平面的程度。实验结果都验证了该算法在分类精度与计算量方面都有了较大改进。     

IADF算法在双色水位计液位图像测量中的应用

为了代替值守人员目测水位计液位值,研究基于工控机（ IPC）的智能遥视系统和数字图像处理算法,给出了水位计图像识别流程。分析了传统P-M模型各向异性扩散滤波算法,给出了一种改进各向异性扩散滤波（ IADF）算法,结合给出的图像畸变校正和亮化算法,实现了水位计液位值的智能读数。实验结果表明：该算法及其实现系统智能化程度高,具有良好实时性和较高识别率。     

基于多层学习克隆选择的改进式增量型超限学习机算法

针对增量型超限学习机(incremental extreme learning machine,I-ELM)中大量冗余节点可导致算法学习效率降低,网络结构复杂化等问题,提出基于多层学习(multi-learning)优化克隆选择算法(clone selection algorithm,CSA)的改进式I-ELM.利用Baldwinian learning操作改变抗体信息的搜索范围,结合Lamarckian learning操作提高CSA的搜索能力.改进后的算法能够有效控制I-ELM的隐含层节点数,使网络结构更加紧凑,提高算法精度.仿真结果表明,所提出的基于多层学习克隆选择的增量型核超限学习机(multi-learning clonal selection I-ELMK,MLCSIELMK)算法能够有效简化网络结构,并保持较好的泛化能力,较强的学习能力和在线预测能力.     

使用机器学习算法分类P2P流量的方法研究

随着时间的推移﹐P2P的应用数量、范围开始快速增长,这在促进社会经济发展和社会大众日常生活水平提升的同时,也带来了较多的问题,而传统的网络流量分类方式存在着较多的缺陷,难以满足时代的发展和社会大众的需求。文章主要提出基于ReliefF-CFS的方法,进而实现流量的特征子集的选择,依据具体的实验研究结果来看,文章所提出的方法取得了较高的分类准确率,比较适合在后续进行推广应用。因此,文章针对使用机器学习算法分类P2P流量的方法进行系统的研究和分析,其主要目的在于高效率处理协议加密的网络流量分类问题,这对于国内的计算机网络技术的发展也具有促进作用。     

基于相关向量机的机器学习算法的研究与应用

机器学习的重要理论之一是统计学。在传统的统计学理论中,只有在样本数量足够多的情况下才能取得近乎理想的成果。文章主要提出了一种新型机器学习方法——相关向量机。与传统机器学习项目相比,相关向量机具有较多的优势,包含概率型输出的实现、核函数选择更加自由等,能够显著提升机器学习算法的科学性和合理性。     

基于免疫算法的应用层组播路由算法

分析了应用层组播路由问题,并在应用层组播模型ALMI的基础上,改进了LRRB模型的负载均衡策略,建立了一种新的满足多约束条件的应用层组播路由模型;提出了该模型中求解应用层组播树的免疫算法,并对该算法进行了分析。分析和仿真实验表明,该算法有良好的效果。     

基于机器学习的PM2.5短期浓度动态预报模型

针对目前现有的PM2.5模式预报系统的预报值偏离实际浓度较大的问题,从上海市浦东气象局获得2015年2月至7月的PM2.5实况观测浓度、PM2.5模式预报（WRF-Chem）浓度和5个主要气象因子的模式预报数据资料,联合应用支持向量机（SVM）和粒子群优化（PSO）算法建立滚动预报模型,对PM2.5未来24小时浓度进行预报,同时对未来一天的昼、夜均值及日均值浓度进行预报,并与径向基函数神经网络（RBFNN）、多元线性回归法（MLR）、模式预报（WRF-Chem）作对比。实验结果表明,相比其他预报方法,所提出的SVM模型较大提高了PM2.5未来1小时浓度预报精度,这与此前的研究结论相符;所提模型能对PM2.5未来24小时浓度进行较好的预报,能对未来一天的昼均值、夜均值及日均值进行有效预报,并且对未来12小时的逐时浓度及未来一天的夜均值浓度的预报准确度较高。     

一种基于图像的水位自动测量新方法

河流的水位是非常重要的水文数据。提出了一种新的基于图像的水位自动测量算法,能够精确的检测和定位出水位线。该算法合理运用了形状校正、边缘检测、轮廓跟踪与分析、数字形态学、图像投影等图像处理技术,具有抗噪、抗光照不均、稳定可靠,实时性强、实现简单等优点。该算法实现的水位自动检测系统已经在工程上应用,长期实践表明它是稳定可靠的。