排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
广义零样本图像分类中常使用生成模型重构视觉信息或语义信息用于再进一步学习.然而,基于变分自编码器的方法对重构样本利用不够充分,表示性能欠缺.因此,文中提出基于重构对比的广义零样本图像分类模型.首先,使用两个变分自编码器将视觉信息和语义信息编码为同维度的低维隐向量,再将隐向量分别解码到两种模态.然后,使用投影模块投影视觉信息与语义模态的隐向量重构的视觉模态信息.最后,对投影后的特征进行重构对比学习.在保持变分自编码器重构性能的基础上增强编码器重构的判别性能,提高预训练特征在广义零样本图像分类任务上的应用能力.在4个标准数据集上的实验证实文中模型的有效性. 相似文献
2.
3.
4.
基于Hessian正则化支持向量机的多视角协同识别抽油机井工况方法 总被引:1,自引:0,他引:1
为了更好地了解抽油机井工作状况以提高抽油机井生产工况识别率,目前在抽油机井采油生产过程中采集了大量数据。传统的工况识别方法,主要是利用示功图或电参数单独进行训练建立学习模型,参数之间缺乏关联,影响了识别效果;此外,常用的传统识别方法,如基于支持向量机(SVM)学习的方法,需要对所有的采集样本进行类别标注,耗费大量的人力和物力,影响了工程应用。针对大数据下抽油机井生产特点,为实现在仅有少量已标注工况数据下能同时利用大量未知工况数据信息,且有效利用示功图和电参数两种测量参数,进一步提高抽油机井工况识别的精准率和实用性,提出一种基于Hessian正则化支持向量机(Hessian正则化SVM)的多视角协同识别抽油机井工况方法。通过分析目前工况识别研究中存在的局限性,结合先验知识和专家经验,选择实测地面示功图和实测电功率信号作为特征视角并进行特征提取,然后利用Hessian正则化SVM多视角协同训练算法建立抽油机井工况识别模型并进行分类识别。应用该方法对胜利油田X区块60口抽油机井的11种典型工况进行识别。以SVM方法为基准,该方法识别效果比基于实测地面示功图、实测电功率及传统特征连接多源识别方法分别提高了约3.2%、4.3%和7.4%,而在少量工况样本下该方法识别效果更优,从而验证了该方法的有效性。 相似文献
5.
叙述了消失模铸造用振动台设计和应用中应考虑和注意的一些问题 ,并对振动电机、弹簧、振动台的结构形式等作了简要讨论。认为振动电机的紧固、台面框架结构的强度和刚度等是影响振动台干砂充填、紧实效果的重要因素。 相似文献
6.
不同变质剂对ZL101合金共晶硅粒状化的影响 总被引:10,自引:2,他引:8
利用IBAS-1型图像分析仪,研究了不同变质剂处理的ZL101合金在热处理时共晶硅的粒状化效果,结果表明:变质可有效地促进共晶硅的粒状化,不同的变质剂对ZL101合金共晶硅粒状化的作用是不同的,按促进共晶硅粒状化能力的大小顺序排列为:复合变质〉Na或Sr变质≥Sb变质。 相似文献
7.
传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型。利用该模型,可以自动预测储层类别,进而建立测井解释规则库。胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率。研究区老井复查结果表明:与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率。 相似文献
1