基于灰色关联分析的SOM神经网络在葡萄分类中的应用

随着葡萄酒需求的大量增加,葡萄酒的质量受到了越来越多的关注.一般地,葡萄酒质量采用感官品尝的结果来评定,但是却经常受到多种因素的影响,同时葡萄酒的质量又没有统一的标准,因此葡萄酒的质量评价体系的建立亟待解决,而酿酒葡萄的质量直接决定了葡萄酒的品级.为了得到较好的葡萄酒先要对葡萄进行筛选.基于葡萄的理化指标较多,用灰色关联分析对数据进行初步处理,提取出影响葡萄质量的数个主要理化指标,再运用数据挖掘中的SOM神经网络技术对葡萄进行聚类分析.仿真结果表明:SOM神经网络能够直观准确地将原27类葡萄样品分为7类,且每一类中的葡萄样品均有一定的相似性.     

有关配电线路故障指示器选型技术的分析

本文所描述配电线路故障指示器均具备配电线路相间短路故障检测和单相接地故障检测的能力,本文从几个角度对配电线路故障指示器选型技术进行分析,旨在实现配网故障的准确检测和快速定位.     

浅谈低压电力线的信道噪声特性

低压电力线通信信道中存在噪声,其形式与普通信道中的噪声有一定的差异,对通信有严重的影响.本文将分析低压电力线信道的噪声特征.     

MEMS传感器技术在人体摔倒检测中的应用

以多通道融合为指导思想,综合利用多种信号处理技术针对老年人的摔倒姿态进行检测.首先介绍了九轴传感器MPU9150和脉搏血氧传感器AFE4400,然后分析了人体在不同状态下合加速度的相关特征,并由此得出人体的摔倒过程有4个不同的状态组成,分别是行走状态、自由落体状态、碰撞状态和静止状态.基于该分析,给出了用于摔倒检测的方案.先通过加速计,初步判断是否有摔倒发生,在此基础上,利用了陀螺仪和磁力计,判断人体姿态是否出现了明显的改变,由此辅助判断摔倒,降低虚警率.最后,由于老年人在摔倒时,往往会伴随短时间的脉搏的突变,给出了利用脉搏进一步的摔倒检测,从而可大大提升摔倒检测的准确率.     

基于提取稳定特征的遥感影像变化检测优化

为了达到减少误检图斑的目的,提出了一种基于提取稳定特征的遥感影像变化检测优化的方法。首先通过多尺度融合进行遥感变化检测?然后通过SURF算法对两次影像的检测结果进行融合提取稳定特征点,最后将两个检测结果进行重叠剔除稳定特征点,从而提高遥感影像变化结果的精确度,实验结果证明了提取稳定特征点的可行性,且表明稳定特征点的 引入可以降低遥感影像变化检测结果的误检率,提高检测的正确率,并优化遥感影像变化检测结果。     

基于优化ORB算法的遥感图像精确配准技术

对于遥感图像精准配准技术的问题,提出基于优化ORB算法的遥感图像精准配准技术。首先,实现特征匹配,通过改进ORB算法将特征点进行提取,并且实现描述符的创建及匹配,得到初始控制点;然后,使用随机采样一致性方法和变换参数估计相结合,将可能错误的匹配进行剔除;最后,通过最小二乘法对变换参数进行估计,实现图像的几何纠正。对算法配准技术进行实验,实验结果表明此方法得到的配准精度较高,能够进一步提高配准效率。     

基于大数据的教育智慧平台的设计与实现

传统教学方式中教师与学生的活动受教案约束,教学方式老化,不具备通过大数据拓展学生学习的能力,导致学生课后自主学习和课外交流能力低。为此设计基于大数据的教育智慧平台,其总体结构包括物理层、虚拟资源层、逻辑层、展现层、应用层、网络层和用户层;平台中大数据中心模块通过网络和传感器等设备采集所有业务数据,并将业务数据保存在海量数据存储设备中;软件设计部分使用多特征融合采集算法采集学生数据后,通过基于关联分析技术的成绩预警算法完成学生成绩的预警。实验结果表明,所设计平台不能提升课后自主学习和课外交流能力的学生仅占比5.15%,4.49%,95%以上的学生使用该平台后反馈较好,说明该设计平台可有效提高学生课后自主学习与课外交流能力,应用效率较高。     

基于最大特征根的相对效率的下界估计

定义了广义线性模型中参数的最小二乘估计（LSE）与最佳线性无偏估计（BLUE）的一种新的相对效率,这种相对效率定义为参数估计量的协方差阵的最大相对特征根之比。给出了当设计矩阵满秩,协方差阵非负定时这种新的相对效率的下界,研究了新的相对效率与广义相关系数之间的关系,由本文的而占可见,当广义线性模型与主成分分析、典型相关分析方法结合应用时,这种相对效率具有很强的实用价值。     

基于PCB特征加权的行人重识别算法

为充分挖掘行人重识别特征,最近流行的PCB算法给出了一种特征均匀分块并通过RPP网络对齐特征的方法。PCB算法充分发挥了局部特征的作用,有效提高了行人重识别的准确率。为进一步提高行人重识别的性能,本文基于全局特征与局部特征对网络性能的影响差异提出了一种特征加权的PCB行人重识别算法。在典型的行人识别数据库Market1501、DukeMTMC-Reid上的实验结果表明:所提算法具有更好的首中准确率（Rank1）和平均准确率（mAP）;相比与经典的PCB+RPP算法,所提算法在Market1501数据集上Rank1提高了0.8%,mAP提高了4.5%;在DukeMTMC-Reid数据集上Rank1提高了5.5%,mAP提高了约7%。