排序方式: 共有6条查询结果,搜索用时 187 毫秒
1
1.
报道了ICP-AES法测定高纯碲锭(Te-1)中杂质的方法。试样用王水溶解后,不分离基体直接进行ICP-AES测定。所选分析线经共存元素在分析线附近波长扫描。检验是否受到光谱干扰。发现了在经典谱线表中未栽明的Te182.2nm线翼对Pb182.203nm的干扰。除硫外,方法测定限(以15σ计)、精密度、回收率满足高纯碲锭的分析要求。 相似文献
2.
卷积神经网络因其对图像识别准确率高而在图像检索领域备受青睐,但处理大规模数据集时,基于卷积神经网络提取的深度特征维度高,容易引发"维度灾难".针对图像检索中深度特征维度高的问题,提出一种基于自适应融合网络特征提取与哈希特征降维的图像检索算法.由于传统哈希处理高维特征复杂度高,因此本文在卷积神经网络中加入自适应融合模块对特征进行重新整合,增强特征表征能力的同时降低特征维度;然后应用稀疏化优化算法对深度特征进行第2次降维,并通过映射获得精简的哈希码;最后,实验以Inception网络作为基础模型,在数据集CIFAR-10和ImageNet上进行了丰富的实验.实验结果表明,该算法能有效提高图像检索效率. 相似文献
3.
4.
5.
目前,卷积神经网络已成为视觉对象识别的主流机器学习方法。有研究表明,网络层数越深,所提取的深度特征表征能力越强。然而,当数据集规模不足时,过深的网络往往容易过拟合,深度特征的分类性能将受到制约。因此,提出了一种新的卷积神经网络分类算法:并行融合网FD-Net。以网络融合的方式提高特征的表达能力,并行融合网首先组织2个相同的子网并行提取图像特征,然后使用精心设计的特征融合器将子网特征进行多尺度融合,提取出更丰富、更精确的融合特征用于分类。此外,
采用了随机失活和批量规范化等方法协助特征融合器去除冗余特征,并提出了相应的训练策略控制计算开销。最后,分别以经典的ResNet、InceptionV3、DenseNet和MobileNetV2作为基础模型,在UECFOOD-100和Caltech101等数据集上进行了深入的研究和评估。实验结果表明,并行融合网能在有限的训练样本上训练出识别能力更强的分类模型,有效提高图像的分类准确率。 相似文献
6.
微波密闭消解感耦等离子体光谱法测定大气颗粒物中铍和铅 总被引:9,自引:0,他引:9
微波密闭消解感耦等离子体光谱法测定大气颗粒物中铍和铅史庭安(上海二轻环境保护监测站200081)陈蓉玉(上海进出口商品检验局200092)吴锦霞,邱德仁(复旦大学化学系200433)大气颗粒物中有害成分通过呼吸影响人体健康,其中铍和铅具有显著致突变性... 相似文献
1