多传感器图像的二次匹配算法

针对光学图像的多光谱、多传感器图像的自动配准,提出了一种基于边缘重心的多传感器图像二次匹配算法.首先,通过边缘检测和相应的后期链接处理,提取出较为完整的图像边缘;然后,根据图像边缘的链码相关以及区域不变矩策略,寻找匹配边缘,并对已匹配边缘的重心进行一致性检验获得控制点对;最后,采用最小二乘法估计图像粗匹配变换参数.在粗匹配的基础上,根据匹配后图像共有区域内边缘的主要方向和重心,再次对图像进行细匹配,修正匹配参数以提高匹配精度.多种遥感图像数据的配准实验和对比试验证实了该自动算法具有较高的可靠性和配准精度.     

融合对抗训练及全局指针的实体关系联合抽取

实体关系联合抽取旨在从文本中抽取出实体关系三元组, 是构建知识图谱十分重要的步骤之一. 针对实体关系抽取中存在的信息表达能力不强、泛化能力较差、实体重叠和关系冗余等问题, 提出了一种实体关系联合抽取模型RGPNRE. 使用RoBERTa预训练模型作为编码器, 提高了模型的表达信息能力. 在训练过程中引入了对抗训练, 提升了模型的泛化能力. 使用全局指针, 解决了实体重叠的问题. 使用关系预测, 排除不可能的关系, 减少了冗余的关系. 在基于schema的中文医学信息抽取数据集CMeIE上进行的实体关系抽取实验表明, 模型的F1值比基准模型提升了约2个百分点, 在实体对重叠的情况下, 模型的F1值提升了近10个百分点, 在单一实体重叠情况下, 模型的F1值提升了大约1个百分点, 说明该模型能够更准确地提取实体关系三元组, 从而有效提升知识图谱构建的准确度. 在含有1–5个三元组的对比实验中, 在拥有4个三元组的句子中, 模型的F1值提升了约2个百分点, 而在拥有5个及以上三元组的复杂句子中, F1值提升了约1个百分点, 说明该模型能够较好地处理复杂句子场景.     

基于最优小波包的水轮发电机组振动信号特征提取方法

水轮发电机组振动信号的在线监测是实现机组状态检修方法的关键。在分析了水轮发电机的机组振动信号特征后,提出采用db1小波进行振动信号的特征提取,在信号分析中主要应用shannon熵。小波包的构造是基于函数空间的正交剖分;最佳小波包基的选择就是应用最优的分解方法和有效的算法寻找出最小熵标准;给出了机组振动信号特征提取的步骤。根据所构造的最优小波包对机组振动信号进行分解并运用能量特征提取分析方法对机组振动信号进行特征提取。     

基于肤色模型和梯度算子的正面人脸轮廓提取

文章提出了一种新的正面人脸封闭轮廓提取方法,首先采用肤色模型对肤色区域进行初定位,然后经过筛选去除非人脸区域,最后提取人脸初步轮廓,并结合梯度算子提取下巴轮廓,进而得到一个连续、封闭的人脸轮廓.该算法基本克服了下巴轮廓难以从颈部提取的问题,满足了人脸轮廓特征提取的要求,同时具有较高的时效性.     

空调电机振声信号的盲源分离故障特征提取

电机振声信号蕴涵着丰富的电机状态信息,文中提出利用电机振声信号对电机进行故障诊断,实现噪声出厂检测.由于观测信号信噪比较小,难于提取电机振声信号故障特征.应用肓分离技术从观测信号提取独立的声源信号,提出了基于峭度的盲源分离开关算法,可以在源信号概率密度函数未知时提取独立分量,消除相邻部件辐射噪声的干扰.实验证明该算法成功分离电机振声信号,有效提取故障特征.     

跨层协同注意和通道分组注意的细粒度图像分类

细粒度图像分类的主要挑战在于类间的高度相似性和类内的差异性. 现有的研究多数基于深层的特征而忽略了浅层细节信息, 然而深层的语义特征由于多次卷积和池化操作往往会丢失大量的细节信息. 为了更好地整合浅层和深层的信息, 提出了基于跨层协同注意和通道分组注意的细粒度图像分类方法. 首先, 通过ResNet50加载预训练模型作为骨干网络提取特征, 由最后3个阶段提取的特征以3个分支的形式输出, 每一个分支的特征通过跨层的方式与其余两个分支的特征计算协同注意并交互融合, 其中最后一个阶段的特征经过通道分组注意模块以增强语义特征的学习能力. 模型训练可以高效地以端到端的方式在没有边界框和注释的情况下进行训练, 实验结果表明, 该算法在3个常用细粒度图像数据集CUB-200-2011、Stanford Cars和FGVC-Aircraft上的准确率分别达到了89.5%、94.8%和94.7%.     

基于多块信息提取的AUV资源勘查系统故障检测

针对"潜龙二号"AUV在实际航行过程中,资源勘查系统传感器数据具有多重变量相关性、故障类型多样、受运行状态和环境变化影响数值变化大以及噪声强等问题,提出一种新的基于多块信息提取的主元分析(PCA)故障检测方法.首先,针对变量之间的多重相关性,通过滑窗和相关系数的方法提取变量间相关性信息;然后,根据变化率在不同运行状态和...     

基于导向滤波的分频高精度相干断层自动提取技术及应用

在诸多断裂刻画的案例中,往往是利用相干体对断裂进行刻画与描述,但是相干体在一定程度上对断裂的识别不够精细准确。因此本文提出了基于导向滤波的分频相干体的断层自动提取技术(Auto Fault Extraction, AFE),并针对特定工区改进了断裂识别的技术流程。首先在原始地震记录的基础上使用频谱分解技术生成多个分频数据体,再对分频数据体进行构造导向滤波,之后采用高精度相干算法对每个分频数据体求取相应的分频相干体,通过对比不同分频相干体选择出刻画工区内断裂带的优势频段,并使用带通滤波技术进行切除,最后在带通滤波的数据体上再次计算相干体数据,并在该相干体数据上做AFE属性提取。应用此技术在实际地震资料断裂刻画中,与常规相干体技术相比,对断裂带的刻画更加精细准确,与地质认识以及实际钻井勘探结果吻合度更高。     

竞争层结构可调SOM网络在中药模式识别中的应用

针对经典SOM算法无法准确反映原始数据的特征信息,提出了竞争层结构可调的SOM算法——CSA—SOM算法。该算法增加了竞争层神经元动态调节的步骤,调节的依据是不断比较原数据的位置信息和映射后低雏空间的位置信息,使两者最终能趋于一致。因此降维后的数据能够较好地保持原数据的特征,包括距离信息、角度信息以及分布信息。该算法有效地实现了红景天药材的准确清晰分类。算法理论分析和实验结果均表明,CSA—SOM算法是一种快速、准确的数据内在规律映射可视化算法,与SOM算法相比,CSA—SOM算法的特征映射效果比较好,解决了SOM算法会使映射后数据结构发生扭曲的问题。     

玫瑰雪菊混合浓缩液在预调理牛肉片中的保鲜研究

以玫瑰和雪菊为原材料,采用超声波水提法制备天然玫瑰雪菊混合浓缩液,分别与山梨酸钾(1.0g/kg)和Vc(0.1 mg/mL)进行抗氧化与防腐效果比较,并将混合浓缩液应用于预调理牛肉片的贮藏保鲜实验.结果表明:玫瑰雪菊混合浓缩液的DPPH·自由基清除率和羟基自由基清除率分别可以达到82.50±0.06％和80.26±0...