基于机器学习的铁路道岔故障识别

道岔的正常运转是保证列车正常运行的必备条件,传统的道岔故障检测方法主要来源于人的工作经验,根据电流的非正常变化来判别道岔是否发生故障,消耗较多的人力资源与物力资源.为了提升资源的有效利用率,本文运用概率主成分分析法提取数据的主要特征,分别采用支持向量机模型和k近邻模型作为道岔故障分类器,然后使用十折交叉验证法作为模型的...     

基于三轴加速度传感器人体姿态识别的特征选择

为解决人体运动模式识别中姿态分类问题,详细研究了人体姿态识别的特征选择.通过统计三轴加速度传感器的x轴、y轴、z轴等信号,获得标准差、偏度和峰度等117种特征.将Fisher score、relief-F和Chi square 3种算法与层次分类方法相结合选择出特征子集,采用支持向量机对动作进行分类.实验表明,利用3种特征选择算法所选择出的特征集有助于较高精度地识别站立、坐和躺3种静态动作以及走、上楼、下楼3种动态动作,且有利于后续进行低复杂度在线识别方法研究.     

基于多传感器数据融合技术的机器人运动姿态检测应用研究

本设计利用多传感器信息融合技术把采集到的数据进行融合,并把信息反馈给控制器,为实现实时控制和智能控制提供保障。最后,通过该算法在机器人运动姿态检测中的应用验证该算法的正确性。结果表明:此种方法无须传感器的任何先验知识,能客观显示各传感器的可靠程度,比其他方法具有更高的融合精度。     

基于DCT域纹理特征的多聚焦图像融合

现有的基于离散余弦变换(discrete cosine transform, DCT)的多聚焦图像融合算法容易使融合图像出现块效应和伪影,为此提出一种基于DCT域纹理特征的图像融合算法.该算法以8×8 DCT块中反映能量方向性的纹理区域作为图像融合单位,根据纹理区域的频谱相似度,选择能量较大的区域或以区域加权叠加的方式获得融合区域.实验结果表明,与现有基于DCT域的多聚焦图像融合算法相比,该算法获得的融合图像主观质量较好,能有效避免明显的块效应与伪影.     

基于关键帧和姿态描述语言的实时手势识别方案

针对现有人体动作识别方法的准确性和实时性不强等问题,提出一种基于关键帧和姿态描述语言(PDL)的实时手势识别方案.首先,利用Kinect摄像机获取手势视频帧,并通过NITE工具获得骨架关节点的三维坐标.然后,从视频序列中找出最能代表手势类型的关键帧.最后,提出一种姿态描述语言,根据关键帧中关节点的位置和角度信息,通过一系列规则对手势进行识别.实验结果表明,该方法具有较高的识别率和良好的实时性.     

基于多特征融合的平面旋转人脸的眼睛定位

针对平面旋转人脸的眼睛定位问题,提出基于灰度、梯度及几何特征的眼睛定位方法,在彩色图像中先确定候选人脸区域,分割出眉眼区域,再进行眼睛精确定位及人脸的旋转角度判断.该方法对人脸平面旋转、脸部表情变化等有较好的鲁棒性,且运算量较少,容易实现.     

基于多域联合特征的密封继电器多余物材质识别

提出了一种基于多域联合特征的密封继电器多余物材质识别方法,利用声音转图像技术,将一维的多余物声音信号转换为二维的图像信号,从多余物信号生成的声谱图中提取纹理特征.结合时域和频域提取能量密度、左右对称程度和波峰系数等特征组成联合特征向量,采用随机森林算法进行模型训练和分类识别.结果表明,本方法对金属和非金属的识别准确度可...     

一种融合情感规则与机器学习的情感分类方法

针对评论型长文本的情感倾向性问题,提出了一种融合情感规则与机器学习的分类方法.基于情感规则得出评论的情感得分,该方法将文本分解为一组子句,以词汇为基本颗粒进行分数计算,得出最佳位置权重系数.同时,不同类型句式共归纳出4类关联词与之对应.将所得权重系数与关联词得分相结合,总结出情感计算公式.然后将所得情感得分作为特征融合到机器学习分类器的输入矩阵中,构造最优情感分类器.实验所得最优分类器准确率为0.979,高于同类算法.     

基于机器学习的空气质量模型分析与研究

【目的】传统的空气质量计算方法已经难以满足当前社会的需求,基于机器学习的空气质量模型的分析与研究有助于提高空气质量预测的准确性和及时性。【方法】选取郑州市2019年全年空气质量和气象的逐小时数据,分别分析了空气质量与空气污染物因子的相关性以及空气污染物因子与气象要素的相关性。以空气污染物和气象要素作为输入因子,采用机器学习的方法建立多个回归模型,最后通过对回归模型的评估,根据评估的结果选取合适的预测模型。【结果】通过对回归模型评估指标的三种方法进行对比发现,随机森林模型效果较好,验证了机器学习的方法非常适合于空气质量的预测。【结论】本研究适应于站点的模型建立与预测,下一步应继续进行深度研究,从站点来繁衍出格点的实况预测模型。     

基于机器学习的中药材鉴别方法

就2021年“高教社杯”全国大学生数学建模竞赛E题“中药材的鉴别”的第1、2问给出了可行的解法。针对问题1,使用极差和主成分分析方法将数据进行降维,利用平均轮廓法和肘部法则来确定最佳的聚类个数,使用K-Means聚类的方法将中药品聚类分为3类。针对问题2,分别使用支持向量机、BP神经网络、Logistic回归方法构建了药材产地分类模型,三个模型在训练集和测试集的准确率、精确率、召回率和F1值都分别均在0.8及0.7以上。特别地,Logistic回归模型在训练集和测试集的F1值高达0.866、0.789。结合三个分类模型为待鉴别的15个产品找到了合适的产地。这样的药材鉴别方法分析速度快、分类效果好,可为其他红外光谱数据分类鉴别问题提供借鉴。     

基于数据分析与机器学习的银行贷款策略研究

综合分析企业盈利、销售、信誉等级和信贷政策等数据,利用Word2vec模型对信贷政策偏向性进行分析,利用因子分析法确定银行信贷风险指标,建立基于K-means聚类法的银行贷款策略RPC模型,确定参考贷款额度范围,并根据流失率与信誉评级以及利率之间的关系确定最佳贷款利率.运用SPSS,Python等软件求解,对山东省区域不同企业的信贷风险做出了有效的评估,并分析出合理的信贷策略.     

基于深度学习的车检图像多目标检测与识别

为了实现快速和自动的车辆外观检测,提出一种基于深度学习的车检图像多目标检测与识别方法。首先,采用轻量级神经网络YOLOv3实现车检图像中车头、轮胎、车牌及三角形标志的检测与识别;其次,采用多任务级联卷积神经网络实现车牌4个关键点定位;再次,利用车牌4个关键点坐标,结合目标车牌图像高宽先验,通过透视变换对车牌进行校正;最后,设计卷积神经网络实现车牌底色分类,同时设计卷积循环神经网络,实现车牌字符识别。实验结果表明,在816×612的车检图像上,该方法中端到端的多目标检测与识别的平均精度达98.03%;为便于在车检场景下应用该模型,利用阿里巴巴推理引擎将模型部署到CPU端,使多目标检测与识别的平均速度达10帧/s,从而满足车检的应用需求。     

基于AdaBoost分类器和特征脸的人脸检测与识别

本文在人脸检测与识别技术理论研究的基础上,提出了一种有效的人脸检测与识别机器学习方法.该方法采用了海尔特征级联的AdaBoost分类器进行人脸检测,使用了特征脸的主分量分析法进行人脸识别.实验结果表明该方法能较快地定位并跟踪人的脸部,然后通过比较人脸数据库能较好地识别出待检人物的身份.     

基于凸包特征象棋棋子识别系统设计

针对象棋棋子识别系统复杂度高且效率低的问题,提出了一种基于凸包特征象棋文字识别系统的设计方法。该方法根据背景减法提取运动目标,霍夫圆检测判定是否为棋子;利用颜色直方图区分棋子颜色,接着对文字形态学骨架化等预处理;根据凸包特征模型识别象棋文字。结果表明:此系统能够实现象棋棋子的识别任务,避免了棋子识别中文字倾斜和相机畸变等问题,识别正确性及效率明显提高,为特殊领域文字识别提供了新思路。     

基于动态特征和静态特征融合的步态识别方法

针对步态识别非强迫性、不易被察觉、难以隐藏和远距离的特点,为了提高步态识别率,提出基于静态能量图和动态群体隐马尔可夫模型的步态识别方法 .首先,对步态图像预处理,计算步态周期,把步态序列中对应关键帧能量图进行叠加;然后,用群体隐马尔可夫模型训练参数,最后用近邻法识别.利用中科院自动化研究所提供的数据库对该方法进行了验证,在90°视角、45°视角下相同的衣着,以及在90°视角下不同衣着三种情形下进行了实验,实验结果验证了该方法的可行性,对角度变化有一定的鲁棒性且减少了噪声对识别的影响.     

基于共同进化遗传算法的机器学习

提出一种基于共同进化遗传算法的机器学习方法，该方法将训练环境与学习者群体共同进化，由不断进化的训练环境为学习者提供一个进化的阶梯．该方法克服了学习系统过分依赖于问题的背景知识的缺陷，使得学习者逐步探索新的知识．将该方法应用于一维细胞自动机的规则学习任务，通过实验结果表明，可以获得较之以往实验更加优良的结果．     

基于通道特征聚合的行人重识别算法

在基于深度学习的行人重识别算法中,通道特征易被忽视而导致模型表达能力降低。为此,以ResNeSt50为骨干网络,借鉴SENet通道注意力特点在残差块末尾接入SE block,增强网络对通道特征的提取能力;针对ReLU函数因缺少控制因子而限制不同通道特征图对激活值的准确响应问题,引入一个动态学习因子来丰富通道特征权重信息,以形成新的加权激活函数Weighted ReLU(WReLU);基于分组卷积特征图局部而设计新的激活函数Leaky Weighted ReLU(LWReLU),有效提高不同位置的深度特征表达能力;在Split-Attention和SE block中应用LWReLU,改善Split-Attention对各组特征图的权重学习能力;利用circle loss改进损失函数,优化目标收敛过程,从而提高模型精度。实验结果表明：在CUHK03-NP、Market1501和DukeMTMC-ReID数据集上,所提方法的Rank-1比原骨干网络分别提高了19.08%、0.98%、2.02%,且其m AP比原骨干网络分别提高了17.13%、2.11%、2.56%。     

基于压缩感知的多光谱图像融合算法

为提高融合效果,降低融合时间,提出了一种基于压缩感知的多光谱图像融合算法。对多光谱图像的强度分量和全色图像分别进行小波分解,仅对高频细节分量进行压缩感知测量,得到对应的观测值矩阵,利用正交匹配追踪算法对高频系数进行恢复,再利用高频系数融合准则,得到融合后的高频细节分量,最后进行小波逆变换和IHS逆变换,得到融合后的多光谱图像。实验结果表明:本文提出的压缩感知多光谱图像融合算法明显改善了融合结果图像的主观视觉效果和客观评价指标,处理数据量大大减少,融合时间缩短约60 s。     

基于多融合模型的图像语义描述研究

图像语义描述可以自动生成图像的自然语言描述,对场景理解具有重要意义。本文主要针对图像语义描述的特征学习和语义学习等进行改进,提出一种新的多融合模型。实验结果表明,本文提出的模型有较好的描述效果,但模型在训练时时间过长,有待改进。     

基于多链融合的粮食供应链溯源系统

区块链因具有不可篡改、群体共识、全程可追溯等特点而广泛应用于存证确权、商品溯源、协同共享等应用场景。基于区块链的粮食溯源难点在于粮食从种植、收储、加工、物流所涉及的供应链条比较长,追溯困难,并且同一供应链上企业之间的企业资源计划（enterprise resource planning, ERP）系统并不互通,企业自治ERP系统难以与区块链对接。本文基于联盟链与私有链融合提出了一种多链粮食供应链溯源系统（multi-blockchain food supply chain traceability, MBFST）,企业间通过联盟链开展业务协作,企业内部基于私有链记录信息流转;设计了私有链与联盟链的跨链交互协议,根据溯源ID实现联盟链与私有链的交互与映射;通过私有数据集合等数据隔离机制,确保供应链企业私有数据的隐私保护。通过对原型系统的设计与实现,结果显示,MBFST能够实现粮食供应链企业间的全链条精准溯源,确保链上链下溯源信息的全程可追溯;通过Hyperledger Fabric的Node-SDK对系统的性能和吞吐量进行测试,实验结果显示,MBFST在压力测试中查询每秒事务处理量（tr...