改进Faster R-CNN算法及其在车辆检测中的应用

为了更准确地得到符合车辆形态学特征的初始候选框,提出一种基于改进的Faster R-CNN模型的车辆检测算法.首先提取目标框的人工标注坐标值,得到标注框的宽度和高度,然后利用K-means算法对所有框的宽高值进行聚类,得出聚类中心点坐标值后,重新设置RPN的锚盒尺寸及比例,对Faster R-CNN算法的3种尺寸和3种比例加以改进.最后选择轿车、SUV、客车和货车4种车型车辆数据,对改进前后的Faster R-CNN模型进行训练,比较改进前后的模型在车辆检测及车型识别任务中的表现.实验结果表明,使用改进的Faster R-CNN模型达到86.54%的检测准确率,较原始模型提高3.12%.并且该模型有效解决了漏检和误检问题,在恶劣天气和复杂背景下均表现出较高的鲁棒性.     

基于深度置信网络和生成模型的驾驶疲劳识别

驾驶疲劳识别研究对预防交通事故提高交通安全具有重要意义.提出了一种基于深度置信网络和生成模型的驾驶疲劳识别方法.为了有效地表示疲劳,采用深度置信网络从人脸图像中提取疲劳特征;结合已标注样本和未标注样本,提出了一种基于生成模型的半监督学习的疲劳识别方法,解决了疲劳识别中的小样本问题.在自建疲劳数据库上,采用该方法进行了驾驶疲劳识别的仿真实验,同时和其他几种方法进行了对比,结果表明该方法具有更高的识别精度.     

基于大数据的动态出行管理平台研究

随着居民生活水平的提高,近几年我国城市私家车的数量大幅度增加,但与此同时也产生了许多社会问题,如严重的大气污染、大面积的交通拥堵、日益加剧的能源消耗等。针对以上问题,本项目组设计了基于大数据的动态出行管理平台。该平台通过路线匹配算法、自动撮合算法和云计算模型等技术手段,结合实时的路网流量数据,为出行者智能地规划最优路径,并将起讫点相同或相近的出行者匹配在同一次出行当中,建议其共享出行,进而在满足人们出行需求的同时降低私家车的出行数量,也为城市居民普及一种绿色出行理念。本文将从设计思路及技术路线对系统的构建进行相关阐述。     

基于GPS浮动车的路径优化方法研究

由于城市路径具有大规模路网等特点,传统的路径优化算法难以解决具有实际情况的城市交通路网问题.考虑城市实际道路路网信息,结合动态GPS浮动车数据,将实际道路长度和道路拟合成虚拟路径,提出了一种基于粒子群蚁群算法的混合算法.研究表明,混合算法在时间和精度上优于蚁群算法和粒子群算法,在提高高效性和准确性上具有较好的效果,为城市道路优化和城市出行提供可靠依据.     

基于残差块的遥感图像目标识别自编码网络

实现遥感图像目标识别的智能化是一个亟待解决的问题.由此建立了黑龙江地区地表高清遥感图像数据集,以深度学习为基本工具,设计了基于残差块的遥感图像目标识别自编码网络,并使用优化算法对学习过程进行了优化提升.搭建了实验平台,完成了对神经网络的训练和测试实验,验证了该文所提算法的有效性,为实现遥感图像目标识别的智能化提供了有效方案.     

基于MAP算法的无教师讲者自适应的研究

提出了一种基于MAP算法的连续语音识别无教师讲者自适应方法,给出了简单有效的渐进自适应公式.通过识别实验结果表明,提出的方法能利用少量的自适应数据达到满意的学习效果,是一种实用和有效的讲者自适应方法.     

改进卷积神经网络的语音情感识别方法

研究了基于卷积神经网络的语音情感识别算法,改进了传统卷积神经网络训练过程中的卷积核权值的更新算法,使卷积核权值的更新算法与迭代次数有关联;同时为了增加情感语音之间的特征差异性,将语音信号经过预处理后得到的梅尔频率倒谱系数特征数据矩阵进行变换,提高卷积神经网络的表达能力.实验表明,改进后的语音情感识别算法的错误识别率比传统算法的错误识别率约减少7%.     

一种基于因果网络的支持向量回归特征选择算法

为了提高支持向量回归算法的学习能力,提出了一种基于因果网络的特征选择算法.该方法假设目标变量和特征候选集之间符合一个因果网络模型,然后利用基于条件独立性测试的方法对目标变量的直接影响特征进行识别,从候选特征集之中获取与目标变量有着直接因果关系的特征子集.虚拟和真实数据集上的实验结果表明,该特征选择算法适用于支持向量回归算法,优于目前其他算法.     

采用分数低阶循环谱相干系数的调制识别

摘要： Alpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化. 针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法. 文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数. 用BP神经网络为分类器,实现了通信信号调制方法识别. 仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法. 在高斯噪声条件下,两种识别算法性能相当.     

基于多特征提取的识别算法数学建模优化研究

数据建模优化在多特征提取领域应用广泛,基于统计特征和基于结构特征的识别算法需要在数学建模优化下实施,可以改变图像的输入结构,从而能够对图形的统计特征进行提取,采取网格划分方法,对图像进行划分,然后对网格内文字像素进行比对,保证文字图像能够通过细分类模式进行识别.     

基于高斯相似度分析的最大后验非线性变换HMM自适应算法

由于训练环境和识别环境的失配,识别系统的性能会严重下降,为此提出了基于高斯相似度分析的最大后验概率非线性变换的环境自适应算法,它可以减小由于环境的失配所引起的系统性能的下降.在该算法中,首先将HMM模型中的高斯分量进行相似度分析并建立二叉树,然后根据数据自适应调整变换类数,在每一类内利用分段线性回归近似非线性变换将训练环境下的HMM变换到识别环境,减小环境的失配,变换参数的估计采用了最大后验概率估计(MAP).数字语音识别实验证明:该环境自适应算法的识别性能优于带有高斯相似度分析的MLST、MAPLR和MLLR等算法.     

基于Schema.org词表的医学类网页语义标注

对网页进行有效的标注,有助于搜索引擎、浏览器等应用程序从中抽取结构化的数据。本文首先介绍Schema.org词表的基本情况,然后讨论将UMLS语义网络转换为Schema.org词表扩展成分的5个关键步骤,最后通过实例探讨基于Schema.org词表的医学类网页语义标注方法。     

引入图片相似性的PatchMatchGraph方法

随着人工标注的在线图像数据越来越多,数据驱动的相关算法日益受到人们的关注.图像语义分割是图像分割领域的一项重要任务,S.Gould等人提出了PatchMatchGraph算法,该算法通过对图片集合建立图片之间像素块的映射,使得PatchMatch算法在图片语义分割应用上有着很好的效果,但是由于PatchMatchGraph算法对于计算机内存的消耗太大,限制了其进一步的应用.我们提出了一个新的算法框架,通过引入图片相似性,对训练集做预筛选,保持允许范围内准确度的同时,降低了内存的消耗,为算法应用提供了新的指导思路.     

一种基于星体特征值的全天星图识别法

为了解决全天三角形星图识别法运行时间较长的问题,提高星敏感器测量飞行器姿态的实时性,提出了一种基于星体特征值的全天星图识别法。该算法根据星敏感器捕获星体的原理,分析了星体附近区域的特征信息,采用星体特征值作为星体的匹配因素,并建立了基于星体特征值的全天星图识别法模型。仿真过程选择标准天文星表来提供星体数据,并从中抽取13332颗星体构成候选星表,来对算法进行仿真。仿真结果显示:与传统的全天三角形星图识别法相比,该算法具有更短的运行时间和更高的星图识别率。     

时序数据故障点检测方法分析比较及应用

比较了3种不同的时序数据故障点检测算法.基于引力的孤立点检测算法考虑了数据对象周围的密度及数据之间的距离等因素.基于均值变点的检测算法则侧重于考察故障点周围统计量的变化,而非故障点的局部范围内统计量保持未定.第三种基于均值方差变点估计的检测算法则研究了时序数据中均值和方差两个统计量都存在变点且变点时刻不相同时的变点估计问题.试验表明基于引力的算法比其他两种效果要差,而基于均值变点检测算法的计算效率要比基于均值方差估计检测算法要高.     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.     

基于CATIA V6的电缆组件三维标注方法研究

传统的电缆组件标注采用二维工程图示意的方式,所有标注信息没有结构化和数字化,标注信息与对象无关联,依靠设计人员手工标注,标注效率低,错误率高。本文通过分析电缆组件三维标注的相关要素,提出了一种电缆组件的三维标注方法,基于CATIA V6平台进行二次开发,实现电缆组件自动快速标注,支持标注批量编辑和更新,并自动输出包含工艺余量的全套制造物料数据。     

基于运动历史图像与卷积神经网络的行为识别

针对人体行为识别难于兼顾速度与精度的问题,提出了一种结合运动历史图像(MHI)与卷积神经网络的行为识别算法.该算法首先从原始视频序列中计算MHI,不仅减少了待处理的信息量,还提取了行为识别中的关键时空信息;接着以MHI作为输入,搭建了深度卷积神经网络,可以更好地表达时空信息;最后利用随机梯度下降法与dropout策略训练网络,实现行为类别分类.对比不同卷积神经网络训练与测试实验,该算法在Weizmann行为识别数据集上取得了95%的平均识别率,相较于未改进的网络结构提升了1.2%;对于持续时间为1.6s的行为动作,该算法的识别时间为1.56s.实验结果表明,所提算法在维持较高识别准确率的同时,实现了人体行为的在线实时识别与分类.     

基于特征模板提取及SVM的观点句识别

为了有效识别中文微博的观点句,提出了基于Hownet词典及模板的特征提取方法,并使用SVM 算法对微博中的观点句进行识别.运用新设计的一个模板匹配的方法来进行特征提取,并通过计算其信息增益筛选出最后的特征模板.实验结果表明：算法具有优越性和有效性.     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.