基于联合分类器过滤噪声的微博主题发现

伴随着互联网的广泛流行,以微博为代表的社交网络产生了大量的数据. 从这些数据中挖掘到有用的信息成为当今研究的一项重要方向. 根据微博文本的特点,本文提出来一种基于联合分类器过滤掉噪声微博,然后利用LDA模型进行主题发现. 联合分类器模型是由朴素贝叶斯、支持向量机和决策树三种模型通过简单投票机制结合构成的,实验结果联合分类器的准确度达到87%,显然这种分类方法是可行的,也是有效的.     

混合卷积神经网络的人脸验证

人脸验证对于个人身份认证很重要, 它在系统安全和犯罪识别中具有重要意义. 人脸验证的任务是给定一对人脸图像判断是否为相同的身份(即二进制分类). 传统的验证方法包括两个步骤: 特征提取和人脸验证. 本文提出了一个混合卷积神经网络, 用于进行人脸验证, 主要过程分为三个步骤: 特征提取, 特征选择和人脸验证. 这个模型关键点是直接使用混合卷积神经网络从原始像素直接学习相关的视觉特征, 并通过单变量特征选择和主成分分析(PCA)进一步处理特征. 这样可以实现从原始像素提取到具有较好鲁棒性和表达性的特征. 在顶层使用支持向量机(SVM)判读是否为同一个人. 通过实验可以发现混合卷积神经网络模型与传统方法相比在人脸验证得准确率上有着较好的表现.     

基于多面部特征融合的驾驶员疲劳检测算法

本文将卷积神经网络（Convolutional Neural Network,CNN）应用到视频理解中,提出一种基于多面部特征融合的驾驶员疲劳检测算法.本文使用多任务级联卷积网络（Multi-Task Cascaded Convolutional Networks,MTCNN）定位驾驶员的嘴部、左眼,使用CNN从驾驶员嘴部、左眼图像中提取静态特征,结合CNN从嘴部、左眼光流图中提取动态特征进行训练分类.实验结果表明,该算法比只使用静态图像进行驾驶员疲劳检测效果更好,准确率达到87.4%,而且可以很好地区别在静态图像中很相似的打哈欠和讲话动作.     

基于X射线的盒装水饺异物自动检测与分类

针对盒装水饺中的异物严重危害消费者身心健康,以及传统金属检测机只能检测金属、检测结果无法直观可视的现状,提出使用X射线成像技术和图像处理技术对水饺中的金属钢球、细铁丝、螺钉、石头和玻璃5种异物进行自动检测与分类方法.首先提取图像的LBP, HOG, Gabor纹理特征构建特征向量,使用支持向量机对异物水饺图像进行识别;在图像分割阶段,提出一种附加偏移量的最大熵算法与线性递减权重的粒子群算法结合的阈值分割算法,把图像目标区域的熵附加一个偏移函数,将图像总熵作为粒子群算法的适应度函数来获取图像的最佳分割阈值,实现对异物水饺图像的分割;在异物分类阶段,提取水饺二值图像中异物的圆度、长宽比、偏心率和灰度图像中异物最小外接矩形区域的灰度均值、方差、熵、三阶矩、7个灰度不变矩、LBP等76个特征构建特征向量,使用BP神经网络、支持向量机、K邻近、AdaBoost和朴素贝叶斯分类器对5种异物进行分类.实验结果表明,文中提出的识别方法对异物水饺图像的识别率达到99.52%;与Otsu分割算法、K-means分割算法、基于最大熵与遗传算法的分割算法(KSW-GA)、基于遗传神经网络的图像分割算法(GA-BP)相比,文中的分割算法分割结果更加精确; BP神经网络分类结果优于其他分类器,总体识别率达到98.90%.文中方法为食品中的异物在线自动检测提供了新的思路,对保证食品安全具有重要的现实意义.     

结合受限玻尔兹曼机的递归神经网络电力系统短期负荷预测

短期负荷预测的重要性随着电力企业的发展不断提高。传统的负荷预测虽然已经发展相对成熟,但现阶段对负荷预测的准确性要求逐渐提高。为满足发展需要,则要对现有的方法进行改进或建立新的预测方法。通过分析负荷预测数据周期性及周期内的特征,结合递归神经网络在分析时间序列数据的独特优势和受限玻尔兹曼机的强大的无监督学习能力,对结合受限玻尔兹曼机的递归神经网络的工作原理及训练过程进行了阐述。利用该网络进行了电力负荷数据预测实验验证并与其他神经网络进行了比较性实验。结果表明,所提出的神经网络较其他网络在电力短期负荷预测实验中有更高的准确性。     

基于调峰及网架约束的新疆电网风电接纳能力研究

以新疆电网实际运行中遇到的调峰与新能源出力之间的矛盾为出发点,通过基于极端学习机的预测方法,以调峰能力和电力平衡约束为主要手段,确定新疆电网满足调峰要求的最小开机方式与最大新能源出力的最优解,实现经济调度、智能调度。     

文丘里型减温器在机外涂布机蒸汽冷凝水系统中的应用

介绍了文丘里型减温器的结构、工作原理、安装要求及其在机外涂布机蒸汽冷凝水系统中的应用和相关计算。     

基于支持向量机的造纸废水处理过程故障诊断

故障检测和故障诊断是工业过程监控的主要内容。针对造纸废水处理过程的多变量、非线性、大时变等特点,本课题首先采用主成分分析（PCA）对故障进行检测,然后分别采用马氏距离判别分析和支持向量机(SVM)对偏移、漂移和精度下降3种故障类型进行故障诊断。计算结果表明,基于主成分分析的故障检测率达97.50%;基于支持向量机故障诊断方法的故障分离能力为90.00%,而基于马氏距离判别分析方法的故障分离能力为73.75%。相比基于马氏距离判别分析的故障诊断方法,基于支持向量机的故障诊断方法更适合于非线性时变的造纸废水处理过程。     

基于蚁群算法的高大平房仓装仓工艺研究

为了解决目前高大平房仓机械化粮食入库存在的装仓机移动困难、装仓效率低、装仓量不高的难题,提供了一种适用于高大平房仓的机械化装仓工艺。通过在中储粮直属库实地调研,分析了装仓工艺优化的相关参数,考虑装仓体积、粮面平整度和仓内作业工位数提出了装仓工艺的多目标优化数学模型,基于蚁群算法确定了装仓工艺的优化算法流程及其相关参数,最后针对30×24 m^2高大平房仓,利用MATLAB编程进行装仓工艺仿真,得到了采用移动式装仓机的最优装仓工艺,仿真结果表明该工艺符合人工装仓习惯,装仓量、粮面平整度与利用该工艺的实际装仓结果基本相同,减少了装仓工位数和装仓机搬动次数,有利于提高作业效率和减少人工劳动强度。     

涂层疲劳寿命预测中的红外热像技术应用现状

红外热像技术是一种重要的无损检测技术,与传统的无损检测技术相比优势明显。本文从热喷涂层接触疲劳失效形式出发,综述了传统无损检测技术在涂层疲劳寿命预测研究中的应用现状,以及红外热像技术在涂层服役状态、厚度、缺陷检测等领域的应用实例。同时,综述了融合红外热像技术的信息融合技术在复合材料疲劳极限确定、材料结构健康诊断、裂纹监测等领域中的应用现状。指出了这种技术存在的问题及面临的困难,并对信息融合技术在热喷涂层接触疲劳寿命预测中的应用与研究进行了展望。