基于人脸几何结构的表情识别

介绍一种利用人脸部几何结构进行表情识别的方法。在对眼睛和嘴巴的12个特征点进行准确提取的基础上,把已经得到的特征点连接起来并以向量的形式表示,称之为特征向量,把欲识别的表情图像的特征向量与已知的中性表情的特征向量进行长度和方向的比较,根据人脸表情在生理结构上的先验知识通过局部表情识别和数据融合来识别表情。     

改进的支持向量机分类算法

在研究了标准SVM分类算法后,本文提出了一种快速的支持向量机分类方法.该方法通过解决两类相关的SVM问题,找到两个非平行的平面,其中每个平面靠近其相应的类样本点,远离另一类样本点,最后通过这两个平面找到一个将两类样本分开的最优平面.在处理非线性情况下,引入一种快速核函数分类方法.使用该算法可以使分类的速度得到很大提高,针对实际数据集的实验表明了该算法的有效性.     

基于多特征向量的语音情感识别

同一组特征向量对不同的情感,其识别能力不同.以HMM作为语音情感分类器模型,对不同情感状态选择不同的特征向量进行识别.系统分两个阶段完成:首先基于漏识率和误识率最小的决策原则,采用优先选择(PFS)算法分别为每种情感状态选择最优的特征向量,然后用这些特征向量分别建立对应情感状态的HMM模型.利用北航情感语音库(BHUDES)对算法进行验证,将所有实验样本分为训练样本集、特征选择样本集和测试样本集3组,采用交叉实验的方法对本算法进行验证,结果表明,与单特征向量HMM相比,多特征向量HMM可达到更高的识别精度.     

基于统计信息的未登录词的扩展识别方法

该文提出一种基于网络资源的未登录词的扩展识别方法。该方法以左右邻信息判断未登录词边界为基础对已识别出的二元候选未登录词种子进行扩展,从而得到不限长度的语义更完整的未登录词。实验证明该文方法可行有效。     

基于虚拟多传感器信息融合的粮情预警系统

在粮食仓储过程中,通过温湿度传感器、图像传感器采集到的温湿度、图像的实时数据,经过信息处理算法的变换和特征提取,得到具有不同特征信息的虚拟多传感器数据,采用D-S证据理论对数据进行信息融合,对粮食在仓储过程中的霉变、虫害等粮情进行动态预测分析,当发现有不良变化时,该系统能够及时发出预警信息,以保证粮食的储藏安全。     

基于transformer自适应特征向量融合的图像分类

针对目前基于transformer的图像分类模型直接应用在小数据集上性能较差的问题,本文提出了transformer自适应特征向量融合网络,该网络在特征提取器中将不同阶段的特征进行融合,减少特征信息丢失的同时获得更多不同感受野下的信息,同时利用最大池化来去除特征中的冗余信息,从而使提取的特征更具有判别性。此外,为了充分利用图像的各级特征信息来进行分类预测,本文将网络各阶段产生的特征向量进行融合,使融合后的特征向量更具有表征能力,从而减少网络对大数据集的依赖,使网络在小数据集中也能获得很好的性能。实验表明,本文提出的 算法在数据集Mini-ImageNet-100、CIFAR-100和ImageNet-1k上的TOP-1准确率分别达到了74.22%、85.86%和81.4%。在没有增加计算量的情况下,在baseline上分别提高了6.0%、3.0%和0.1%,且参数量减少了18.3%。本文代码开源在“https://github.com/xhutongxue/afvf”。     

PointPCA:一种三维空间点云的特征提取算法

点云是一个庞大的点的集合而且拥有重要的几何结构。由于其庞大的数据量,不可避免地就会在某些区域内出现一些相似点,这就使得在进行特征提取时提取到一些重复的信息,造成计算冗余,降低训练的准确率。针对上述问题,提出了一种新的神经网络——PointPCA,可以有效地解决上述问题;在PointPCA中,总共分为三个模块：a）采样模块：提出了一种average point samping（APS）采样方法,可以有效地规避一些相似的点,得到一组近似代表这组点云的新的点集;b）特征提取模块：采用分组中的思想,对这组新的点的集合进行多尺度空间特征提取;c）拼接模块：将每一尺度提取的特征向量拼接到一起组合为一个特征向量。经过实验表明,PointPCA比PointNet在准确率方面提升了4.6%,比PointNet++提升了1.1%;而且在mIoU评估测试中也有不错的效果。     

燃煤机组辅机设备运行健康状态在线评估方法及应用

加强辅机设备健康状态实时评估与预警对宽负荷调峰火电机组的安全运行具有重要意义。基于火电机组主要辅机设备如送、引风机以及汽动给水泵的运行特性分析,提出设备运行健康状态在线评估方法。采用参数异常变化监控法对独立影响设备的参数进行趋势预判,采用特征向量类比分析法从系统的角度实时评估设备各运行参数是否失配,进而综合评价设备健康状态。在某630MW机组上的应用结果显示,参数异常变化监控法成功识别了送风机轴承温度大幅度跳变的工况,并预警相关人员采取防御措施,避免了设备跳闸。采用该机组某次深调工况下引风机失速的历史数据进行的测试结果显示,特征向量类比分析法可以在设备运行异常的瞬间发出参数失配预警,为操盘人员在事故工况下赢得黄金抢救时间,避免事故恶化。     

特征增强和双线性特征向量融合的移动端工业货箱文本检测

在实际工业环境下,光线昏暗、文本不规整、设备有限等因素,使得文本检测成为一项具有挑战性的任务。针对此问题,设计了一种基于双线性操作的特征向量融合模块,并联合特征增强与半卷积组成轻量级文本检测网络RGFFD（ResNet18+GhostModule+特征金字塔增强模块（feature pyramid enhancement module, FPEM）+ 特征融合模块（feature fusion module,FFM）+可微分二值化（differenttiable binarization,DB））。其中,Ghost模块内嵌特征增强模块,提升特征提取能力,双线性特征向量融合模块融合多尺度信息,添加自适应阈值分割算法提高DB模块分割能力。在实际工厂环境下,采用嵌入式设备UP2 board对货箱编号进行文本检测,RGFFD检测速度达到6.5 f/s。同时在公共数据集ICDAR2015、Total-text上检测速度分别达到39.6 f/s和49.6 f/s,在自定义数据集上准确率达到88.9%,检测速度为30.7 f/s。     

基于因子分析的模拟电路故障特征提取技术研究

针对LS-SVM算法中小波提取特征存在小波基函数选择和小波分解层次、系数选取的问题,提出了一种基于因子分析技术的故障特征识别方法;该方法通过构建采样数据的相关矩阵求出因子载荷和因子得分,按照累计贡献率自动提取出1~3个因子组成特征向量,从而降低了输入维度,提高了算法训练诊断效率,降低了收敛难度;四运放典型电路的仿真实验结果表明:文中算法的诊断正确率超过了同类方法,同时提高了训练时间和诊断效率。