基于CNN和LSTM的智能文本分类

针对文本分类领域的应用,在利用卷积神经网络(CNN)与长短时记忆网络(LSTM)基础上提出一种改进的卷积层技术,将改进后的卷积层技术用于对文本这种一维数据结构的处理,并联合LSTM的区域嵌入技术实现文本的分类。实验结果表明,与传统方法比较,该方法在执行性能和分类精确度方面都有明显的提升。     

N-DenseNet的城市声音事件分类模型

针对城市声音事件分类领域中现有模型分类准确率不高、泛化能力不强的问题,提出了一种N阶密集卷积神经网络的城市声音事件分类模型。首先,介绍了密集卷积神经网络的结构;其次,基于N阶马尔可夫模型将密集连接改进为N阶有关连接;然后,结合两者提出了一种更适合音频分类的模型——N阶密集卷积神经网络。该模型在避免梯度消失的前提下, 有针对性、规律性减少了特征图层之间的连接,更高效地融合了前N特征图层的信息,使得模型的收敛速度更快;最后,为了验证该模型,采用N阶密集卷积神经网络的一阶、二阶子模型,基于UrbanSound8K和Dcase2016数据集开展了城市声音事件分类研究。研究结果表明,其模型准确率分别为83.63%、81.03%,验证了该模型具有良好的分类准确率和泛化能力。     

基于深度神经网络的城市声音分类模型研究

为充分利用城市生态环境中各种声音包含的信息,提取Mel频率倒谱系数、Mel图谱、频谱质心、色度图谱(Chromagram)和光谱对比度等5种特征,通过深度神经网络模型进行城市环境声音的分类,该模型分类精度达88.6%,优于基于Mel频率倒谱系数的基本分类方法,并提出一种基于卷积神经网络的声音分类模型来评估连续小卷积核卷积神经网络在对短音频城市环境声音进行分类的潜力,与目前其他同类声音分类方法的结果进行对比。     

Levy-CPSO-GA算法在空调冷负荷预测模型LSTM中的应用

针对单一算法优化空调冷负荷模型参数存在的局限性及对预测精度的需求,本文提出了基于遗传算法(genetic algorithm, GA)进化、莱维飞行(Levy)及粒子群(particle swarm optimization, PSO)优化算法的协同并行混合算法Levy-CPSO-GA。将初始种群初始化为2个同规模种群,分别按照合作机制和竞争机制并行更新,种群1采用Levy飞行产生随机新巢方式自适应初始化PSO,同时引入迭代极值,记录粒子群的信息交换;种群2按照GA更新,种群间通过适应度交流,以最优适应度更新群体,将混合算法应用于优化长短期预测模型(long short-term memory, LSTM),并将结果与各预测算法进行比较。研究结果表明,优化后的预测模型,预测精度大幅提高,与ELM相比,RMSE降低了81.1%;与LSTM模型相比,误差显著降低,RMSE降低了26.4%,在第105个预测点处,该预测模型的绝对误差为-0.682 9,相比于ELM的绝对误差值-7.313 5,其精度提高了90.66%,预测性能优于其他算法。该研究对准确预测冷负荷具有重要意义。     

生物技术在昆虫分类中的应用

现代生物技术在昆虫分类研究中具有快速、准确等特点,综述了近年来生物技术(如同工酶电泳、PCR、RFLP、RAPD、核酸序列分析、探针杂交等)在昆虫分类学领域的应用情况。     

基于改进GRU的城市供水管网流量预测研究

城市供水管网随着城市规模的扩大和人口的增加等因素的变化而越来越复杂,供水管网的流量预测在管网的优化调度工作中发挥了有效作用。本文通过分析某城市供水管网系统的多个监测节点的流量数据,以类似局部加权线性回归的方法优化GRU算法,构建了基于多监测节点的流量预测模型,提高了模型的泛化能力。利用该市供水管网监测平台采集的监测节点流量数据进行验证,实验的结果表明,基于改进的GRU流量预测模型有着较好的预测精度。     

模糊数学在粉煤灰科学分类中的应用

根据模糊数学的聚类分析原理 ,运用 MATLAB程序研究了粉煤灰科学分类的问题 .选择与粉煤灰品质有关的化学成分和物理性质为模糊聚类分析的特征指标 ,以活性特征为目标 ,通过计算获得了较科学的分类结果 ,并用美国 TC FAB-67标准中灰渣火山灰活性指数测定方法对分类结果进行了验证 .结果表明模糊分类法克服了以往分类法的片面性 ,能较全面地反映粉煤灰产品品质性能 .从而可为粉煤灰综合利用的优化配置奠定基础     

模糊数学在航空情报资料分类中的应用

模糊数学自诞生以来就对各门行业产生了长足的影响,尤其是在计算机领域更是促进了整个行业的发展.本文就模糊数学理论的基本工作方式应用在航空情报领域并结合有关航空情报资料的分类技术展开讨论.     

灰色模式识别在场地分类中的应用

介绍了灰色关联模式识别理论,对灰色模式识别结果的可信度定义进行了完善和补充.在此基础上,以场地的等效剪切波速和覆盖层厚度为分类指标,建立了场地分类的二级灰色模式识别模型,不仅合理解决了场地类别的跳跃问题,而且也为处理工程中存在的灰色不确定信息提供了新的思路.     

模式分类在病理诊断中的应用

模式分类是模式识别及故障诊断中的关键技术,应用于医学领域是一项大胆的尝试。重点采用BP神经网络模式分类方法,利用MATLAB对UCI数据库里的Pima Indians Diabetes数据集进行分类测试。根据测试结果分析BP神经网络模式分类方法用于糖尿病诊断的准确率及运行时间。结果显示BP神经网络对于大数据集的分类准确率高,在医疗诊断方向发展具有广阔的应用前景。由于网络隐含层中层数的选择尚无理论上的指导,一般是根据经验或者通过反复实验确定。因此,在一定程度上也增加了网络学习的负担。     

基于注意力机制的LSTM和ARIMA集成方法在土壤温度中应用

为准确分析土壤温度特性问题,提出了基于注意力机制的多通道长短期记忆网络（LSTM）融合ARIMA算法的预测模型。通过提取长短期不同时刻重要时间特征,并利用ARIMA时间序列模型提取线性特征优势更准确预测土壤温度。为验证该模型,本文在瑞士两个气象站（Laegern和Fluehli气象站）测试了未来6、12和24 h内,同时间土壤深度5、10和15 cm下土壤温度的均方根误差、平均绝对误差、均方误差和决定系数,并以4个评价指标进行验证。与自回归综合移动平均模型、LSTM和全连接网络相比,本文模型具有最优性能,尤其在未来6 h内对Fluehli站（10 cm土壤深度）土壤温度模型中改善最为显著;取得了最高的相对决定系数值0.9965,最低的均方根误差为0.3414,平均绝对误差为0.2310,均方误差为0.1165。因此,本文模型可以作为备选土壤温度估计的替代方法。     

MapInfo在城市地理信息系统中的应用

通过对一个GIS应用系统实现过程的深入全面的描述,提供了一个通用的城市地理信息系统应用解决方案.     

RTK在城市测量中的应用

随着GPS技术的快速发展,RTK测量技术的日益成熟,RTK测量技术的高精度、实时性和高效性,使得在测绘工作中的应用越来越广。简述了RTK技术在城市测量中的应用。     

生态科学在城市景观设计中的应用

从生态学的角度,论述了城市景观的特性和结构,并探讨了城市景观的生态设计模式,希望能够对我国的城市景观设计提供一定的参考。     

注意力卷积GRU自编码器及其在工业过程监控的应用

针对现有故障检测算法难以深入并准确地提取数据内在信息的问题,提出注意力卷积门控循环单元自编码器（CGRUA-AE）深度神经网络和基于CGRUA-AE的过程故障检测方法. 采用卷积门控循环单元（ConvGRU）有效地提取输入数据的空间和时间特征;建立基于ConvGRU的自编码器,采用无监督学习对时间序列数据进行特征提取,引入注意力机制对相应的特征进行加权计算,实现对关键特征的有效选择;分别在特征空间与残差空间上建立基于T ²、SPE统计量的过程监控模型,实现对多元数据有效的特征提取和故障检测. 数值案例和田纳西?伊士曼过程故障检测结果表明,CGRUA-AE具有良好的特征提取能力和故障检测能力,性能优于常用的过程故障检测方法.     

粗糙集在数据挖掘分类规则中的应用研究

数据集中的冗余性会降低数据挖掘结果的解释能力和精度，介绍了数据集中挖掘分类规则的基本原则，并利用粗糙集理论中核及决策类覆盖的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，并简化带有不同相容规则的决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则。