一种基于深度学习的中文文本特征提取与分类方法

提出了一种基于卷积循环神经网络的文本特征提取方法,同时对比使用统计学中的TF-IDF以及Word2vec方法的文本特征表示,将提取的特征分别放入SVM与随机森林分类器中对来源于中国知网的中文学术论文数据集进行分类。实验结果表明,使用卷积神经网络和卷积循环神经网络特征提取模型提取的特征所取得的分类效果比TF-IDF、Word2vec特征提取方法得到的分类效果更好,同时使用SVM和随机森林分类器取得的分类效果略好于原生的神经网络。     

基于差分进化的卷积神经网络的文本分类研究

为了提高文本分类的性能,采用差分进化的卷积神经网络(convolutional neural network,CNN)算法进行分类.首先随机设置CNN结构参数,然后采用差分进化算法优化参数,通过交叉和选择等操作选择不断进化获得最优个体,为增强差分优化的适用性,将缩放因子变化与进化代数相关联,解决了因为缩放因子设置不合理...     

用于锋电位分类的二阶差分表示法

针对锋电位在相似度高及存在大量叠加锋电位时分类结果不理想的问题,提出了一种新的锋电位特征表示方法一二阶差分表示法．该方法对锋电位波形求取二阶差分,以二阶差分序列作为锋电位的特征信息,形成新的样本向量进行分类．该方法对Wave_clus中不同信噪水平的数据分别进行了实验．实验表明,该方法描述了锋电位波形在各个时刻的波形趋势,在一定程度上能够扩大不同类型波形之间的差异性．将此方法用于锋电位分类,尤其是叠加锋电位分类,可以提高分类准确率,并且可以有效的避免噪声的干扰．     

基于最小二阶差分的相展开方法

条纹类图象的自动处理在近十年来受到极大关注。近几年来，一些可选用的抗噪相展开算法已经被提出来，但是对于大尺度相值间断线和真实的相值不连续缺乏有效的对策或需要较强的限制条件，从而限制了它们的应用。该文针对上述问题进行了分析，提出了一种新的寻找噪声源的方法。并且以二阶差分在区分相值间断区域和真实的相值不连续处的良好表现为基础，提出了一种适用性较强的相展开方法。     

基于深度学习的无线电信号分类

对无线电信号分类的相关技术进行了研究,提出一种新的基于残差神经网络和群卷积神经网络的深度学习网络来实现无线电的分类.该神经网络基于同相分量信号和正交分量信号组成的样本进行训练,实验结果显示,在10 dB时对24种信号的分类准确率达到了95.69％,揭示了该网络架构的有效性与实用性.     

基于深度学习的青椒质量分类

针对目前青椒体型小、数量多、质量分类困难的问题,提出了利用深度学习中的卷积神经网络来解决青椒质量分类的方法。该方法无需消耗大量人力资源,直接将青椒图像作为输入,模型自动从训练数据中提取有利于区分青椒质量的图像特征。研究结果表明,当使用3 200张青椒图片作为训练数据时,得到的训练模型在含有960张图片的独立验证集上的识别准确率达到了97.60%。这为青椒质量分类问题提供了一种新的解决办法,同时也可用于其他瓜果蔬菜的质量识别问题。     

基于深度学习的场景遥感图像分类方法研究

为了解决场景遥感图像通常分类性能较差、分类精度不高的问题,提出一种基于改进VGG16的场景遥感图像分类方法.针对传统VGG16模型参数量庞大的问题,对通道数以及参数量进行缩减.在算法运行过程中对数据进行正则化处理,并在分类方法中加入注意力机制.通过将注意力机制与CNN模型进行结合,并对两者进行端到端的训练,提高了模型的...     

二阶非线性阻尼差分方程的振动性

研究了一类含有中立项和阻尼项二阶非线性差分方程,运用Riccati变换,获得了该方程一切解均为振动的若干新的振动准则,推广和改进了文[3]和[8]的主要结果。     

北京市碳排放强度预测研究——基于离散二阶差分方法分析

碳排放强度的降低是当前我国低碳行业研究的重点.在系统总结国内外碳排放研究现状的基础上,分析碳排放的影响因素,随后详细论述本文所运用的碳排放预测方法——离散二阶差分方程预测模型(DDEPM).随后应用DDEPM方法,针对1990—2013年北京碳排放强度的相关数据进行预测分析,并且利用两种模式对北京2020年碳排放强度进行对比预测分析,通过所得数据,为北京市节能减排提供数据支持与参考.     

一类二阶非线性差分方程解的振动性

讨论一类二阶非线性差分方程△[αn-1（△yn-1）^δ]＋qnf（yn）=rn（n=1，2，…），得到方程所有解振动的几个充分条件，所得结果包含并推广了已有文献的相关结论。     

声景理念的解析

文章介绍了一个新兴的声学研究领域———声景的研究;首先讨论了声景研究的缘起,然后提出声景的概念,即一种强调个体或社会感知和理解的方式的声环境,并从声景的三要素(声音、听者和环境)的角度出发,对声景理念作出解析,深化了对声景的认识。     

河北省水资源短缺预测研究——基于离散二阶差分方法分析

水资源短缺现象在当前全球很多区域日益凸显.国内外在水资源短缺方面的研究也日渐增多.系统梳理了国内外近几年水资源短缺的研究成果,分解造成地区水资源短缺的主要因素;论述当前国际国内水资源预测的研究状况,讨论当前比较成熟的预测方法.在此基础上,详细列出离散二阶差分方法(DDEPM)的推导过程,采用DDEPM方法,以2000—2011年的河北人口与供水量数据为基础数据,对河北2020年的人口数值、水资源总量与用水量进行预测,随后计算出河北人均缺水量,发现河北人均水资源的占有量随着人口的不断增多而出现小幅降低,河北省的水资源短缺情况在未来一段时间内如果没有良好的解决方案,可能会更加严重.     

基于深度学习与图像处理的废弃物分类与定位方法

针对现有人工垃圾分类工作环境恶劣、自动化程度差等问题,提出基于深度学习与图像处理的废弃物分类与定位方法,为智能分拣提供理论依据.建立基于Inception模块与残差单元,搭建改进的卷积神经网络废弃物分类模型,预测目标物体种类.针对复杂环境采集到的图像,利用图像处理算法对图像降噪、阈值分割、边缘检测,有效提取目标轮廓信息,并结合质心定位算法实现废弃物准确定位.实验结果表明:该方法中废弃物分类模型预测准确率可达88.8％,基于轮廓信息的质心定位算法可以准确定位目标,具备较强的废弃物分类与定位能力.     

声景的艺术与技术探讨

本文研究环境设计中声景相关的艺术和技术问题,从历史文化视角对声景的内涵进行挖掘,从技术角度研究声环境中声音、环境、人的关系和声景设计中应注意的问题.文章探讨了自然声景与文化内涵、都市声景与城市意境和声景设计中的环境特性,提出在城市设计、公共空间环境设计和环境设计中可融入声音景观这一新的元素.     

一类二阶非线性时滞差分方程的振动性

利用分析技巧,结合Riccati变换,研究了方程Δ[(xn+anxn-τ)kΔ(xn+anxn-τ)k]+bnf(xn-σ)=0,n≥n0在系数an,bn满足不同条件下的振动性,并举例说明.     

一类二阶非线性差分方程的振动性

目的研究一类二阶非线性中立型时滞差分方程的振动性。方法利用伴随变换研究方程的振动性。结果与结论得到了方程解振动的充分条件,补充和推广了已有结果。     

基于深度迁移学习的城市高分遥感影像分类

结合我国城市化进程不断加快带来的问题,对城市人口密集建筑进行深入分类研究。通过深度迁移学习利用卷积神经网络(CNN)构建Alex Net网络、VGG-19网络、Res Net网络对城市进行分类研究。首先,将制作好的样本数据集与本文实验所选区域影像结合,形成该研究区域新的样本数据集,其次,对数据集进行增广处理。实验结果表明:1) CNN在城市多分类识别应用中具有可行性且分类精度较高,避免了传统分类方法的繁杂; 2) 3种结构模型中,其中VGG-19效果最好,Res Net网络次之,但三者分类都取得了比较好的效果。     

基于二阶差分的音频重采样盲取证

音频信号在拼接、重压缩、变速变调、伪装高质量音频等篡改操作中, 经常伴随着重采样的操作. 因此, 检测重采样是音频取证的重要方面. 提出采用二阶差分的方法来检测重采样音频, 从理论上证明了重采样的音频信号经过二阶差分处理后, 频谱上会呈现出明显的离散尖峰, 该方法也适用于常见的非线性插值情况. 运用该特点设计了重采样的自动检测方案, 研究了离散尖峰与音频时长、音频内容、音频格式的相关性. 大量实验结果表明, 该方法能够简单、快速、有效地检测重采样音频.     

基于深度学习的图像人脸识别方法研究

使用计算机进行面部表情识别是当前人脸面部表情识别的热点,在深度学习技术的基础上,应用级联分类器对面部进行整体检测和分区定位后,提出并使用了一种基于自注意力机制的深度卷积神经网络,模型采用Mini-Xception为基本网络融合了注意力机制,再通过训练卷积神经网络构建表情分类模型,最后实现较为快速准确的表情识别。文中采用几种方法进行实验对比,并对最终的实验结果加以分析。结果表明,在相同的参数设置下提出的方法能明显提高分类性能、识别的精准度以及面部表情变化检测的实时速度。     

一类二阶差分方程周期解的存在性

针对一类特殊的二阶差分方程,并且在合适的条件下,利用临界点理论,先引进适当的变分框架,再结合环绕方法,证明了这一类二阶差分方程至少一个周期解的存在性,推广了前人的结果.