基于图像识别的农林自动化巡检管理研究

为提高农林巡检的自动化水平,结合相关的硬软件技术和深度学习算法,提出一种基于改进Alexnet网络的农林自动化巡检与识别系统。在该系统中,以STM32为主控芯片,实现巡检小车队农林图像的采集;通过对Alexnet网络的改进,实现病虫害的自动识别。最后,对上述方案进行验证。结果表明,以上方法对病虫害的识别准确率高达80%以上,且通过网页端可清晰显示识别到病虫害。由此得出以上设计方案可行。     

基于DBN的软件可靠性预测模型的研究

安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域,对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心,因此对它的可靠性预测精度必须达到很高的要求。本文将深度置信网络(DBN)应用于软件可靠性增长预测模型(SRPM)的研究。针对DBN中核心模块RBM的无监督学习,采用了动态模式跳转算法(DMH)。该算法通过动态地维护一个模式集,然后借助模式集中模式的跳转来完成RBM中状态的跳转,使RBM的无监督学习具有很高的学习效率。通过与参数动态调整的动态模糊神经网络(SA-DFNN)、BP神经网络(BPN)以及基于萤火虫算法的BP神经网络(FABP)建立的SRPM进行预测能力的比较,实验结果表明基于DBN建立的SRGM的预测结果精度最高且最稳定。     

DBN网络的深度确定方法

针对DBN网络隐含层层数难以选择的问题,首先从数学生物学角度分析了随机初始化的梯度下降法导致网络训练失败的原因,并进行验证,证明了RBM重构误差与网络能量的正相关定理;然后根据隐含层和误差的关系,提出一种基于重构误差的网络深度判断方法,在训练过程中自组织地训练网络,使其能够以一种接近人类处理问题的方式解决AI问题。手写数字识别的实验表明,该方法能够有效提高运算效率,降低运算成本。     

基于DBN的立体车库故障诊断系统研究与设计

随着汽车的使用量的增加,传统的平面停车场地已经不能满足人们的停车需求。立体车库通过使用垂直空间多层停放的立体解决方案,能够最大限度利用土地空间资源,它的研发与使用受到越来越多人的关注。设计了立体车库云端可视化故障诊断系统,采集底层立体车库智能控制机无线发送过来的车库运行历史和实时数据,存入相应的数据库中通过对车库运行的历史和实时数据进行研究。提出使用深度置信网络算法对数据进行故障诊断,介绍了该算法的原理及实现,并且通过Python验证了深度置信网络的有效性。     

批量正则化DBN分类方法研究

针对深度置信网络（DBN）在微调过程中易受训练参数影响的问题,提出一种批量正则化DBN分类方法（BNDBN）。该方法首先利用DBN进行无监督学习以获得原始数据的高层次表达;然后通过引入尺度变换和平移变换参数对网络中间层的输出特征每一维进行批量正则化处理;并将处理后的特征输入到非线性变换激活层中;最后使用随机梯度下降法对仿射变换参数以及原始网络的参数进行训练学习。BNDBN方法减少了梯度对参数规模的依赖性,有效解决了因网络参数变化而造成的激活函数值分布变化的问题,提高了训练效率。为了检验所提出方法的有效性,选取MNIST手写体数据库和USPS手写数字识别库进行测试,通过与Dropout-DBN、DBN、ANN、SVM、KNN对比,结果表明,提出的方法分类准确率明显提高,具有更强的特征提取能力。     

基于无人机遥感技术的配电网巡检系统设计

目前我国电网巡检以人工为主,由于相关监管体系并不到位,存在电力支线丢失等问题,现提出基于无人机遥感技术的配电网巡检系统设计。系统硬件设计方面包括客户端、服务器、无人机遥感终端三部分,根据硬件配置设计无人机遥感终端,确定终端操控方式。系统软件设计方面包括获取遥感巡检图像,采用自适应滤波设计系统导航算法巡检配电网,建立配电网数据模型,检测配电网线路的运行情况,让图像与实际数据紧密结合,实现配电网巡检。实验结果表明,与选取的其余系统相比,本系统与实际配电网电力线路具有较高的拟合度。     

基于B/S结构的机房预约系统设计

利用面向对象开发方法,采用B/S结构、以ASP.NET为开发环境,为高校公共机房设计了机房预约管理系统,以满足教师、学生和管理员进行机房状态的查询,教师的机房预定以及管理员的预定管理.     

基于DBN的多特征融合音乐情感分类方法

本文在音乐情感分类中的两个重要的环节：特征选择和分类器上进行了探索.在特征选择方面基于传统算法中单一特征无法全面表达音乐情感的问题,本文提出了多特征融合的方法,具体操作方式是用音色特征与韵律特征相结合作为音乐情感的符号表达;在分类器选择中,本文采用了在音频检索领域表现较好的深度置信网络进行音乐情感训练和分类.实验结果表明,该算法对音乐情感分类的表现较好,高于单一特征的分类方法和SVM分类的方法.     

应用DBN深度学习算法的电能计量反窃电技术研究

针对窃电问题严重阻碍建立公平、合理的用户秩序的问题,基于云计算的智能电网大数据处理平台SP-PPP(smart power system big data processing platform in cloud environment,SP-DPP),提出了融合自适应加权融合算法和深度置信网络DBN(Deep Belief Networks,DBN)学习算法的反窃电系统,采用DBN逐层贪婪训练算法对大数据进行处理,并利用双层RBM结构,构建出DBN深度学习算法,对获取的电能计量窃电信息进行归一化处理,将获取的宏观高纬度数据信息转换为容易识别和计算的低纬度数据.实验表明,本研究的算法识别率高,稳定性能好.     

基于保护卡的机房自主维护系统的设计

随着计算机机房规模和功能的扩展,计算机机房设备的维护和管理难度越来越大。本文根据机房维护和管理的实际,对机房自主维护系统的功能进行了分析和设计,结合硬盘保护卡的功能,提出了由单系统多频道、虚拟系统、差异拷贝、资产监管、系统保护、课堂行为管理、远程管理和计费扩展等模块组成的机房自主维护系统方案。     

基于TPLBP/HOG特征与DBN深度模型的人脸识别研究

针对传统人脸识别方法所提取的人脸信息特征较为单一,且分类算法存在局限性的问题,在多特征信息融合的基础上结合深度信念网络(DBN)对人脸进行深度训练并进行识别。首先采取对比度受限自适应均衡化对人脸图像进行预处理,从而削弱光照对人脸识别的影响;然后,将提取到的人脸图像的TPLBP纹理特征和HOG结构特征进行特征融合,得到信息互补的融合特征;最后,将降维后的融合特征作为DBN的输入,通过对DBN深度模型的参数的动态搜索确定最佳值后,基于训练好的深度信念网络实现人脸图像样本的识别。以ORL、AR和Yale-B人脸数据库为基础进行试验,试验结果表明本文方法相较于传统的SVM、KNN和DBN算法准确率有很大提高,鲁棒性强。     

基于C/S的课表式机房管理系统设计

针对学校环境现有计算机机房,设计了课表数据库、TCP/IP网络通信、远程开机等,并给出了程序的主要执行代码,系统经调试运行正常。该系统对提高管理效率,降低劳动强度,更好地服务教学,具有重要的现实意义。     

基于IC卡机房管理系统的设计与实现

本文阐述了基于IC卡的管理系统在学院计算机机房的应用,对管理系统的功能,软件和硬件结构进行了分析,建立了一套可行的实施方案。系统经过浙江师范大学杭州幼儿师范学院的使用运行,证明此管理系统对于提高计算机机房的管理具有良好的价值。     

基于IC卡机房管理系统的设计与实现

本文阐述了基于IC卡的管理系统在学院计算机机房的应用，对管理系统的功能，软件和硬件结构进行了分析．建立了一套可行的实施方案。系统经过浙江师范大学杭州幼儿师范学院的使用运行，证明此管理系统对于提高计算机机房的管理具有良好的价值。     

开放式机房管理系统的设计

详细介绍了开放式机房管理系统的开发背景,系统总体设计与构成以及管理系统各模块的功能.     

基于VR技术的电力系统异常情况巡检系统设计

为有效提高电力异常情况巡检系统的数据读取效率和系统稳定性,提出了基于VR技术的电力系统异常情况巡检系统。在硬件部分,设计服务器端口模块和数据通信接口模块,实现对电力系统异常情况的检验、采集和传输;在软件部分,制定异常数据巡检流程,输入VR全景巡视信息,通过系统分析实现对异常情况的读取。仿真测试结果显示,相比于其它巡检系统,所提系统对异常数据的读取效率大大提高,巡检过程受外界干扰较小、输出结果有效性更强、系统运行过程稳定性较高。     

学校机房上机管理系统的设计与实现

讨论了学校机房在保证上课用机的前提下开放自费上机而带来的一系列管理问题。为了解决这些问题，本文设计了学校机房上机管理系统，介绍了该管理系统的设计思想与部分关键技术。     

信息机房综合报警系统的设计和实践

近年来,煤炭企业信息化不断建设,各种主机长时间运行会出现软、硬件异常。但由于目前监控主机数量多,存放场所不集中,机房监控员不能实时实地进行综合监管,导致被监控系统的实时信息不能及时获取,对安全生产造成了严重影响。基于此,将各种监控主机进行联网,对监控主机进行异常状态监控,实现信息化机房综合报警系统的建设开发是保障煤炭企业信息监控机房安全新的课题。实现方法是利用高级语言编程,如利用.net编程与数据库技术,通过网络技术对各种监控主机进行实时的软硬件异常监测,形成机房综合预警系统,达到机房"一人监管,多点监测"的机房新型管理模式。     

基于灰狼算法优化DBN的医院网络异常流量识别

为了提高医院网络异常流量识别的精度,提出一种基于灰狼算法优化DBN的医院网络异常流量识别方法。针对DBN模型性能受权值和偏置参数的影响,运用灰狼算法对DBN模型的权值和偏置进行优化选择,将医院网络流量特征数据作为DBN模型的输入向量,网络异常流量的类型作为DBN模型的输出向量,建立GWO-DBN的医院网络异常流量识别模型。研究结果表明,GWO-DBN进行医院网络异常流量识别具有更高的准确率、检测率和更低的误报率。