基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

水文时间序列周期分析的RICp准则

为准确识别与提取水文时间序列中的显著周期成分,本文借鉴AIC准则的思想,提出了一种以相关系数作为拟合精度指标、以信息熵形式的函数式作为不确定性度量指标的周期显著性评价准则——RIC_p.以包含多个周期成分的模拟序列进行统计实验,对比不加入RIC_p准则的MCCP（moving correlation coefficient-based method for periodicity）方法、仅基于假设检验的HAM（harmonic analysis method）方法与通过熵谱峰值点选取显著周期的MESA（maximum entropy spectral analysis method）方法,从周期规律的完整性以及周期结果的准确性两个方面进行评价.分析结果表明, HAM方法和MCCP方法会给出较多的伪周期成分, MESA方法的识别结果会忽略位于峰值附近的次显著周期,基于RIC_p准则的周期分析方法在4种方法中表现最好.基于RIC_p准则的周期分析方法的优势在于,可以同时满足显著周期判断、周期显著性分级与周期成分...     

基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

一对多交互式在线客户服务排队模型

以聊天工具为基础的在线客服大量取代了电话形式的传统客服。与电话客服不同，一个在线客服人员能同时为多个顾客提供交互式的服务，而传统的排队公式都是以一对一服务为基础推导的，无法直接用来计算在线客服的排队指标。分析了一对多交互模式下的排队特点，提出了该模式下的服务水平指标，构建了包含顾客层和消息层的双层排队模型，推导了系统平均客户数量、平均服务时间、平均等待回复时间等指标公式，最后进行了公式解析值的仿真验证。仿真结果表明，顾客平均服务时间和消息平均等待时间等指标能有效描述服务系统的排队状况，而本文提出的双层排队模型能准确计算一对多服务模式下的排队指标。     

负面在线评论及商家回复对顾客购买意愿的影响

从负面在线评论比例和失误严重性两个角度出发，通过引入归因理论、感知信任和商家回复等相关内容，探究负面在线评论对潜在顾客购买意愿影响机制和内部机理。对496份调查问卷所得数据进行统计分析，研究结果表明：负面在线评论比例和失误严重性都对潜在顾客购买意愿有显著的负向影响，且两者都通过影响失误的归属性归因、可控性归因、稳定性归因和感知信任影响潜在顾客购买意愿；在负面在线评论比例与失误严重性不同的情况下，商家应采取不同的回复策略实现节约成本与减小损失的目的。     

多维度深海鱼类识别算法

针对深海光线分布不均匀导致鱼类识别检测困难的问题,提出了符合视觉认知的多维度深海鱼类识别算法.该方法从时间维度优化传统的高斯混合模型(GMM)初步确定变化区域,从空间维度构建目标特征,完整提取运动目标,从时空关联维度建立深度学习的鱼类识别框架,试验结果表明:本算法可在多种复杂条件下准确提取运动目标,面积交迭度(AOM)达到80％以上,优于当前主流算法.     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。     

基于WebSocket的PK答题的设计与实现

互联网的发展给人们的生活和工作都带来了极大的方便,相应人们对互联网应用也产生了更多的需求.如何帮助学生通过互联网进行在线答题也越来越成为广大中小学以及各在线教育平台的现实需求.从这一现实需求出发,提出了一款基于线上的PK(Player Killing)答题功能.通过在线PK答题,可以提升学生学习的趣味性,提高学生对知识的掌握能力.     

同城即时配送问题基于多预测场景的在线调度

同城即时配送是随现代电子商务而产生的新问题,该问题呈现出极强的动态性与求解时间的紧迫性,并具有商户与顾客一对多的关系、车辆需要多次往返商户取货、货物取送有时效要求等诸多新特征,无法依赖现有研究而求解.针对这一问题,建立了基于多预测场景的在线优化调度方法,将带有预测订单的多个场景整合到路线规划过程,通过每个场景的方案计算,以及多场景方案的整合,得到了车辆赖以运行的集成方案,提高了调度方案面对未来不确定需求的适应性;所建立的调度系统在新订单进入时立即响应,在系统闲置时则采用大邻域搜索技术不断优化未完成的任务方案.最后,在具有200～300个日订单的大连市某同城即时配送公司的真实数据上,验证了在线调度方法的有效性和可行性.     

基于深度学习的建筑物识别

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90. 8%,通过与其他模型比较分析,该模型具有较好的识别效果。