基于增强学习的城市车辆出行线路规划研究

针对城市车辆出行中复杂多变的交通状况,根据实时的交通拥堵信息,采用增强学习算法对道路选择进行正确决策,基于青岛市交通数据建立仿真实验数据,将纵横交错的城市道路构成庞大的城市交通网,构建增强学习模型。研究结果表明,增强学习算法是一种在线学习算法,能够根据实时的交通拥堵信息,动态地构建一条城市车辆出行路线。并且该路线能够减小交通拥堵,实现交通流量合理分配,为线路优化应用方向提供有价值的参考。     

基于深度学习的中文票据文本检测与识别方法

针对票据在识别时出现数据漏检率高、识别精度低的问题,提出文本检测模型ENCRAFT与识别模型DLCNN。在文本检测模型CRAFT的基础上,ENCRAFT修改其原始的特征提取网络的结构,利用未经池化的特征图进行融合,减少了细小特征的丢失,并增大监督特征图的分辨率,以提供更丰富的监督信息,从而提高模型检测率;DLCNN利用深层的卷积网络与浅层的循环网络实现对中文票据的高精度识别。实验结果表明,该方法在多个票据数据上的检测率与识别精度均有明显提升。     

乐器识别中频谱特征与聚合策略性能评估

乐器识别领域中,传统降采样或全局映射方法得到的特征对输入表达不够准确且判别能力不足.为此借鉴图像领域聚合局部特征的思想,提出一种结合频谱特征和图像领域特征聚合策略的方法.考虑涉及中国传统乐器的研究较少,建立了包含12种中国传统乐器的独奏音乐数据集.为适应频谱图输入,对ResNet34的变体网络模型进行了修改,在建立的数...     

基于多子网复合复杂网络的微博网络特性研究

微博是一个复杂的信息传播系统,其中微博用户之间构成复杂的关系。本文根据复杂网络性质以及邵峰晶教授提出的多子网复合复杂网络模型,构建了微博信息传播的复合网络,分析了微博传播特性以及通过网络的退缩运算得到不同用户类型的复杂网络子网。分析了微博复合网及其子网的网络结构,得出微博复合网以及子网的特性。     

基于关键词共现网络的主题词提取算法

针对主题词提取中关键词提取不准确以及仅考虑单一相关性的问题,提出一种将集成思想与复杂网络相结合的主题词提取算法。首先通过集成算法提取话题数据的关键词,以提高关键词提取的准确性,其次改进传统词共现公式计算关键词的共现度,并建立关键词共现网络,在网络的基础上得到最优连通子图,同时以节点度中心性为权重衡量关键词重要性并从中映射出主题词。最后,使用微博话题数据集进行实例验证,证明该算法是有效的,并优于传统的词共现算法,并在青岛社区话题数据集中进行应用。     

基于多子网复合复杂网络的上海证券市场股票网络特性研究

上海证券市场是一个复杂的经济系统,其中上市的A类和B类股票之间存在复杂的价格关系。本文根据邵峰晶教授提出的多子网复合复杂网络模型,构建了股票价格复合网络,通过网络的退缩运算得到A类股票价格子网和B类股票价格子网。分析了股票价格复合网络及其子网的网络特性,得出了B类股票与A类股票之间价格影响存在相关性的结论。     

基于XGBoost的乳腺癌预测模型

针对现有乳腺癌预测模型虽然准确率较高,但是存在过拟合现象且在用于计算机辅助诊断(Computer Aided Diagnosis,CAD)过程中不能很好的降低漏诊率和误诊率的问题,提出了一种基于XGBoost算法构建的乳腺癌预测模型。在实验中采用细针穿刺细胞病理学检查所获得的检验数据进行实验并对比基于XGBoost的乳腺癌预测模型与已有预测模型的预测准确率,结果显示,基于XGBoost算法的乳腺癌预测模型预测准确率达到了97.86%,ROC曲线下方面积(AUC)的大小达到了99.59%,该模型的准确率优于已有乳腺癌预测模型的准确率,且获得了较高的AUC值,通过基于XGBoost的乳腺癌预测模型可以进一步优化乳腺癌的诊断技术。     

基于数据挖掘的遥感影像围填海智能检测方法研究

以Landsat TM遥感影像为数据源,用本文提出的方法对渤海区域进行了检测。首先根据初始时刻影像（例如2001年影像）检测出海水区域,即感兴趣区域,然后以终止时刻影像（例如2007年影像）的同一感兴趣区域为研究对象,检测其中的陆地区域,即围填海区域。为了能够检测出围填海区域,采用数据挖掘中的关联规则算法,挖掘了围填海检测规则。为了验证本文提出的围填海区域检测方法的有效性,以整个渤海为研究区域,采用挖掘出的检测规则对待检测影像进行围填海区域检测,检测结果表明本文提出的检测方法能较高精度的检测出围填海区域。     

一种具有抑制作用的多信息传播模型

针对大量现实系统中多种信息传播并存,且不同传播之间存在相互作用的现象,以复杂网络为系统模型,采用复杂网络传播动力学相关理论,对同一系统中多信息传播并存情况下的传播模型和传播动力学过程以及相关性质进行系统的探索研究。针对多信息传播并存过程中相互抑制作用,给出多信息传播的SIn模型。以仿真的方法对研究结果进行试验验证,确认该模型对模拟和预测多种信息传播并存系统动力学行为是有效的。     

深度学习在医学图像识别中的应用研究

对宫颈的检查图像进行识别可以有效预防宫颈癌的发生,然而,正确分辨出患癌趋势的图像对人类来说是极难掌握的技术。使用深度学习方法对宫颈检查图像进行识别分类,以辅助人类专家做出诊断;首先对图像进行手动裁剪来增大信噪比,把原始图像进行格式转换来提高数据读取效率,并在图像输入模型之前进行随机变换以增大训练集;然后建立CNN模型,进行训练并调整参数;最后在测试集上分类准确率达到了89.1%,结果表明,使用深度学习辅助专家进行宫颈癌的早期诊断是可行的。