基于鲁棒鉴别特征学习的图像特征提取算法

为了增强图像特征鉴别力和鲁棒性,获取图像紧致特征表达是关键.现有的图像特征学习方法大多采用最大化L2范数的方式定义,导致其对噪声和异常值十分敏感.针对这个问题,提出了一种基于L2,1范数的鲁棒鉴别特征学习算法.该算法在数据预处理中加入了类内聚拢操作,使得同类样本尽可能靠近,减小了类内异常样本以及强噪声样本的影响;此外,...     

基于M-distance算法思想的优化加权KNN算法

为快速对数据进行特征选择以实现精确分类,采用M-distance算法思想进行数据集簇聚类,对样本数据进行预处理;设计加权K近邻算法缩减样本间距并构建样本分类模型;采用模拟简谐振动的方法遍历样本数据,求解最优加权特征向量,实现样本分类.实验结果表明:设计的算法是正确的,分类模型是合理的.在样本数据特征中,分离出的消费者最为关心的前10个样本特征符合消费者的行为选择,说明算法设计有一定实用性.     

基于特征融合的三维人脸识别

针对单一的人脸特征在识别中的局限性,将基于深度图像的全局特征和基于测地线的局部特征进行融合,以提高识别率.将三维人脸点云转换为深度图像后进行预处理,然后使用主成分分析法(PCA)找到一个低维的特征脸空间,依照最近邻法则将其与库集样本进行匹配,所得结果即为全局特征;将测试样本与模板人脸进行匹配,得到35个特征点,这些特征...     

岩石细观强度离散元数值模拟中颗粒形状的影响

利用离散单元法,对3种不同成分的岩石样本进行强度数值模拟.通过改变岩石内部颗粒大小和形状,获得各个样本不同的强度值;利用颗粒形貌规律,分析岩石离散元建模时颗粒的组建规则.在不同单元组合方式下,进行双轴压缩试验和4点抗弯试验.结果表明,单一的圆盘形或圆球形模拟单元不能真正反映岩石内部的组织结构;弹性模量、抗压强度、抗弯强度和裂纹起始应力都随着单元组合方式不同而不同,单元组合方式越复杂,其数值也越大;配置不同单元组合形式的比例构建DEM样本,可以合理地模拟出岩石的细观强度值.     

基于卫星云图的DBSCAN聚类云团分类方法

针对云分类问题提出一种新的云团分类方法.该方法先利用风云二号静止气象卫星实时云图图像资料建立多种云和地表类型的样本库,提取分析已知样本的光谱特征和纹理特征;再使用中值滤波器对云图进行预处理,并采用具有噪声的基于密度的聚类算法对云区聚类;最后对聚类得到的云团光谱特征和纹理特征进行匹配,确定云团所属的云类别.实验结果表明,该方法以云团为单位进行划分,易实现云团分类自动化.     

喀左城市污水处理厂的能耗分析

为加快建设全国城市污水处理事业的发展,改善水环境质量,达到节能减排的总目标,针对辽宁省朝阳市喀左城市污水处理厂,将污水处理按能耗特征和功能分为预处理单元、生化处理单元和污泥处理单元,并对三个单元分别进行能耗分析,通过分析各单元的能耗分布规律、电能消耗现状和主要影响因素,确立了污水处理厂的主要节能途径。     

污泥重金属组分测定中微波消解与常压消解的方法比对

本文通过一系列的实验操作及数据比对,系统的研究了对于测定污泥重金属组分中微波消解与常压消解的方法比对,确定了最佳的微波消解实验条件,填补了这一项目的空白。实验基于将相同组分的污泥样本,分别通过常压消解和微波消解两种不同的方式进行预处理后,用相同的原子吸收仪测定其重金属组分(试验中以镉为代表),使两种预处理方式进行比较,发现微波消解能更快更好更完全的完成消解任务,并通过平行数据分析,找到最佳的实验条件。     

不同预处理对酒精浸制标本DNA提取效果比较

为解决昆虫样本在保存和运输过程中因DNA降解而导致DNA提取效果差的问题。研究采用0.9%NaCl溶液、Tris-EDTA盐水缓冲液(STE)、磷酸缓冲盐溶液(PBS)、无菌水对朽木甲酒精浸制标本进行预处理,提取基因组DNA后,比较分析基因组DNA的质量、浓度及PCR的扩增效果。结果表明：0.9%NaCl溶液、STE缓冲液、PBS缓冲液这3种预处理方式均可在一定程度上提升朽木甲酒精浸制标本DNA的得率和PCR扩增的质量,其中使用PBS缓冲液进行预处理对朽木甲酒精浸制标本DNA提取的综合提升效果最佳;使用无菌水进行预处理对样本DNA提取没有任何提升作用,反而会使PCR扩增的效果更差;相较于线粒体基因片段的PCR扩增,除无菌水外的其他3种预处理方式对核基因的PCR扩增提升效果均较佳;此外,不同预处理均对提取到的DNA的OD_260/280值没有显著的影响。本研究结果为朽木甲酒精浸制标本的基因组DNA提取提供了更好的预处理方式,大大提高了其DNA提取的得率和扩增质量,减少了在DNA提取过程中标本数量的消耗和浪费。为后续的分子研究工作奠定了基础,同时也为其他昆虫酒精浸制标本...     

陆相滑塌浊积扇储层流动单元定量表征

以大芦湖油田樊29块沙三中亚段储层为研究对象,运用孔喉半径法并结合沉积特征、流动特征、物性特征及生产动态特征开展取芯井储层流动单元研究。在此基础上,选取与浊积扇低渗储层渗流特征相关的13个储层特征参数,采用支持向量机(SVM)算法开展未取芯井流动单元定量评价。基于52组测试样本对SVM预测模型性能进行检验,并利用生产动态资料对流动单元定量评价结果进行合理性验证。结果表明:研究区取芯井储层可划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ4类流动单元,Ⅰ类、Ⅱ类流动单元储集物性和渗流能力最好,Ⅲ类流动单元次之,Ⅳ类流动单元最差;基于SVM的流动单元预测结果与岩心分析结果吻合,模型的正判率达90.38%;流动单元预测结果与油井初期产能、吸水特征及水淹特征存在较强的相关性,SVM预测模型为储层精细解释提供有效途径;不同类型流动单元内剩余油可动用储量及采出程度不同,当前剩余油主要集中于Ⅱ类、Ⅲ类流动单元中,是下一步调整挖潜的重点。     

水下冲激噪声环境下基于多特征融合的信号调制方式识别

通信信号调制方式的识别在水下通信系统中发挥着重要作用,但目前在传统理论基础上建立起的高斯白噪声环境下的识别方法在水下冲激噪声背景下的识别仍存在困难.针对这一问题提出了水下冲激噪声环境下多特征融合的调制方式识别方法.利用Alpha稳定分布建立水下冲激噪声的模型,提出了基于指数函数的非线性变换方法消除部分冲激噪声的信号预处理方法;对预处理后的信号提取频域的盒维数特征、信号包络的样本熵特征以及Stockwell变换(S变换)域能量熵特征,构成多特征向量进行融合识别.对3个种类和数量不同的调制信号集进行仿真实验,结果表明,多特征融合识别的方法在水下冲激噪声环境下较单一特征识别性能更好,对Alpha稳定分布的特征指数在1~2之间时,该方法具有稳定性.同时通过对比仿真发现,非线性变换预处理显著地提高了算法性能,且多特征融合的调制识别方法的性能明显优于单特征方法,可识别的信号种类更多.     

网络教育资源浏览的导航模型及其挖掘算法

将Web使用挖掘应用到网络教育领域,分析了其挖掘过程,包括数据采集、数据预处理、模式发现和模式分析;通过建立网络教育资源导航模型,并利用蚁群算法对Web日志数据中使用者的浏览行为进行挖掘;提出一个新的导航路径挖掘算法,可以发现有价值的用户浏览模式,指导用户对教育资源作进一步的搜索,还可以将训练好的网络图用于用户的个性化定制服务。     

基于BP网络的闸门典型故障诊断

用BP网络实现闸门典型故障的诊断。信号依次经历小波除噪、归一化和去趋3个预处理过程,从处理前和处理后的信号中提取能有效描述信号特征的特征量作为网络输入。同时,为4种典型信号设立了相对应的网络输出,形成输入一输出样本对。网络用这些样本对训练自身。网络性能测试表明,它能有效识别典型故障,而没有训练过的模式,网络也能判断出其为陌生信号模式。     

基于LVQ神经网络的手写字母识别

提出了一种基于LVQ神经网络的手写英文字母识别方案.介绍了LVQ神经网络的基本原理,并利用LVQ神经网络的结构简单、泛化性能好、收敛速度快的特点,将它应用于复杂的英文字母识别.通过对英文字母图像进行预处理和特征提取,将提取的特征对网络进行训练,并利用训练好的网络对英文字母进行识别.Matlab仿真实验结果表明,LVQ神经网络可以对英文字母获得较高的识别率.     

基于注意力U-Net模型的露头裂缝自动识别方法

应新疆塔里木油田深层两大类复杂油藏项目的要求,采用多传感器联合的野外地质露头采集技术与多尺度数字露头构建技术,建立了基于多尺度-多信息三维数字露头的综合地质知识库,其中一项重要的工作是深度学习在岩性、缝洞等方面的自动识别与研究。基于无人机拍摄的裂缝图像分辨率高且复杂的特点,在图像预处理阶段,首先对原始图像进行了切割,并做了灰度化处理以降低计算量。采用在医学领域内识别图像效果显著的U-Net网络模型,同时在传统U-Net模型的跳跃连接阶段引入注意力机制以提高目标特征的关注能力,带来模型性能的提升。使用处理过的真实岩石裂缝图像,完成了模型的训练和测试。实验结果表明：改进之后的网络模型裂缝识别效果良好,精确率可以达到88%,较原始网络提高了2.37%,损失在0.110左右,F₁分数能够达到85以上。     

基于增量式学习的海量数据流实时预处理模型

针对海量数据环境下对数据流预处理实时性和高效性的需求,文中提出了一种大规模数据环境下的数据流实时预处理模型,基于MMHC（Max-Min Hill-Climbing）并运用增量式学习的方式改进贝叶斯网络模型的构建过程,提升预处理模型的有效性,同时也减少了因模型更新所消耗的时间,在一定程度上防止了数据的积压,支持网络结构的动态更新,适用于更复杂的数据环境.     

基于改进深度学习的车牌字符识别技术研究

为解决传统车牌字符检测方法可靠性差、效率低的问题,提出采用haar级联检测结合深度学习方法的卷积神经网络车牌字符识别方法。采用haar级联分类器提取出图片中车牌的位置,通过灰度、阈值、腐蚀、膨胀等预处理技术提取出车牌字符;通过收集字符数据,对CNN神经网络在角度倾斜、光照变化和噪声污染条件下进行训练,使用训练后得到的模型对车牌字符图片进行识别。实验结果表明, 该方法识别车牌字符正确率较高,在角度倾斜、光照变化和噪声污染条件下的准确性和稳定性较好,能够有效地降低车标识别的错误率。     

基于相似度匹配的网络协议语法分析方法

为解决网络协议语法分析方法中,依赖人工干预、分析效率低下、分析范围较小等问题,提出一种基于相似度匹配的网络协议语法分析方法.通过嗅探采集网络原始数据包,解析基础协议并对数据包进行预处理,提取9维不同角度的特征,建立了网络协议语法相似分析模型,分析网络协议细节语法特征.通过将TCP协议作为已知协议,对UDP、DNS、QQ等3种不同类型的协议测试,结果表明这3类协议报头中,33%以上的字段能在TCP协议中找到对应的相似语法,而且平均准确率均在96%以上,该方法不需人工干预,可以提高分析效率、减少限制条件、扩大分析范围,并能较为有效地分析出网络协议语法特征.      

基于BP网络的锅炉燃烧系统控制

文章提出了一种基于BP神经网络的锅炉炉膛火焰温度的灭火预警、报警系统。燃烧火焰图像由CCD摄像机、传像光纤和图像卡采入计算机,经预处理后由训练过的神经网络计算出锅炉的温度,计算结果通过A/D转换器来达到锅炉系统的控制。     

高速公路动态交通流的神经网络模型

通过对高速公路宏观动态交通流模型的分析，提出了动态交通流的神经网络模型。结合交通调查数据，利用仿真和优化技术对神经网络进行训练，从而获得了比较准确的描述交通流真实行为的模型，仿真结果结果，该神经网络模型具有令人满意的效果。     

基于指标气体的 BP 神经网络煤自燃预测系统

针对煤矿自然发火的预测问题,在指标气体分析法的基础上,构建 BP 神经网络,选取CH4/ CO、O2/ CO2这两组指标气体浓度比作为网络的输入以降低通风条件的影响,经过训练后,判断检测点是否发火并以0或1的形式输出。网络经过43次训练后,误差达到预设的范围（﹤0.0001）。研究表明,利用 BP 神经网络处理从煤层收集到的气体浓度并作出发火预报是可行的且具有相当优势的。