基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

基于PCA与改进ANN的驾驶员愤怒情绪识别

为能够准确识别出驾驶员的愤怒情绪,降低道路交通安全隐患,以驾驶员愤怒情绪为研究对象,利用车辆行驶数据建立数据集,构建PCA与改进ANN组合辨识模型,将数据集输入到组合辨识模型中,进行驾驶员愤怒情绪识别,并与单独的改进ANN辨识模型进行对比.结果 表明,PCA与改进ANN组合辨识模型的正确率为94.67％,F1-Scor...     

基于逐步回归分析和BP_Adaboost算法的危险驾驶行为辨识

为准确辨识车辆在行驶过程中可能出现的异常加减速,压线行驶,右侧超车驾驶行为,以便于及时给予驾驶员信息反馈和安全预警,使车辆保持安全的运行状态.首先通过虚拟驾驶仿真实验平台,采集驾驶行为的48种车辆运行数据对实验数据进行预处理,获得实验样本1492组;其次利用逐步回归分析对原始数据进行降维处理,并选取其中的最优回归模型获得特征参数;将提取的特征参数数据输入到BP_Adaboost多分类网络中,训练BP_Adaboost多分类网络,对上述驾驶行为进行识别;最后该模型与BP神经网络进行识别结果对比分析.结果表明模型识别率相较于BP神经网络提高了8.81%,达到92.93%,能进行更加有效的安全预警.     

基于ELM与BP神经网络的新疆雹云预测与识别

冰雹是一种强烈的自然灾害,为了提前对冰雹进行预测,提出了一种BP神经网络做预测,极限学习机做识别的预测方法.方法以雷达回波反射率图像的均值、方差、熵为判别指标,首先训练好能够分类云层特征的极限学习机,其次结合雹云形成过程,使用经过较大样本训练的BP神经网络对未来30分钟数据预测,最后使用经过训练的极限学习机进行云层的类型判别.实验结果表明,BP神经网络能够平均提前5-20分钟预测出降雹,具有较好的预测效果.     

BP神经网络算法在单井流动单元识别中的应用

流动单元的准确划分不仅是建立精细地质、搞清剩余油分布的必要条件,而且关系到后期挖潜剩余油措施的选择.本文应用BP神经网络算法,以取芯井参数聚类分析结果为学习样本,对非取芯井进行流动单元划分,实例表明与常规的判别分析方法相比,在划分结果上基本一致,但是BP神经网络算法具有更准确的样本学习能力,不存在回判错误的可能,为单井流动单元划分提出了新的思路.     

外显子周期性探究及自适应识别快速算法研究

外显子的3-周期性已被广泛的应用到基因识别中,而通过大量的实验表明并不是所有的已知外显子都表现出3-周期性,探究不同变换下外显子3-周期性的表现,得到自相关傅里叶变换可以增强外显子的3-周期性质;同时研究了不同数值映射之间在计算平均功率谱,N/3处功率谱和信噪比的关联,通过理论推导得到关联结果,进行仿真实验,并且结合Voss映射下的快速算法提出Z-curve映射下的快速算法,模拟不同DNA序列分别按照Z-curve映射下原始计算方法和快速算法计算相应的公式,实验结果证明快速算法的有效性和快速性,最后给出自适应窗口平移法识别外显子,利用评价指标,证明算法的实用性和可行性.     

基于BP神经网络的炮兵战场目标识别模型

战场目标的识别是一个相当复杂的过程,为了实现识别的自动化和计算机化,采用BP神经网络方法构造数学模型,选取合适的输入、输出及隐性结点,通过反复的学习和测试就可以得到符合实际的结果,从而为指挥员判断敌情提供决策依据.选取常用的音响、闪光、烟尘、机动和配置五种目标特征信息作为输入结点,通过多次仿真测试,说明运用BP神经网络进行战场目标识别是可行的,这也为情报处理自动化系统的实现提供了一个可靠的方法.     

基于BP神经网络的仓储火灾火焰识别研究

仓储环境的特殊性限制了传统火灾探测设备的探测效果.为利用现有监控设备,可将图像火灾探测方法引入仓储领域.首先将采集的图像进行预处理,得出感兴趣的目标前景.然后对前景进行特征提取.最后采用基于BP神经网络的识别方法,以提取的图像特征作为输入,对网络进行训练与仿真.实验结果表明:BP神经网络对于火灾火焰图像具有很好的识别能力;作为其输入的图像特征对于火灾火焰图像有着较好的判别效果;为减少硬件投入,采用图像火灾探测方法弥补传统火灾探测设备在仓储应用中的不足是可行的.     

基于BP算法的信用风险评价模型研究

本文利用神经网络技术建立基于 BP算法的信用风险评价模型 ,为我国某商业银行 12 0家贷款企业进行信用风险评价 ,按照企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组 .仿真结果表明 ,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法——线性判别分析法的分类准确率 .文中还详细给出神经网络信用风险评价模型的网络构建方法及基于 BP网络的学习算法和步骤 .     

基于加强型BP算法的神经网络故障诊断研究

文章给出了利用神经网络进行故障诊断的可行性、基本原理、诊断过程分析、和参数优化过程 ,并得出较为理想的诊断结果 .     

基于PCA与NSSVR的人口老龄化研究

基于非线性光滑支持向量回归机研究了人口老龄化问题.首先介绍了非线性光滑支持向量回归机(NSSVR);其次,提出了人口老龄化影响体系,利用主成分分析(PCA),在体系基础上提取出对老龄化影响明显的9个指标;再次,通过非线性光滑支持向量回归机模型建立了老龄化率与9个影响指标间的相互关系;最后,用非线性光滑支持向量回归机模型对未来人口老龄率进行预测.实证表明,方法具有很好的预测效果.     

基于自适应萤火虫算法的液压缸优化设计

针对液压缸优化设计问题,以液压机法兰支承液压缸为应用背景,在ANSYS软件中对液压缸进行有限元分析.建立以液压缸体积最小为优化目标的优化数学模型,提出一种自适应萤火虫算法求解模型对液压缸的结构参数进行优化.仿真结果表明,所提出自适应萤火虫算法比基本萤火虫算法收敛的精度更高,迭代次数更少,优化后液压缸的体积相对减少了42.3%,较好地解决了液压缸优化设计问题.进一步对优化后的油缸进行了有限元分析,验证了优化结果的正确性.     

基于改进的思维进化算法与BP神经网络的AQI预测

思维进化算法(MEA)的趋同和异化操作带有太多的随机性,公告板的信息不能得到充分利用,使得效率下降,出现重复搜索.为了避免MEA算法的这个缺点,借鉴遗传算法(GA)和粒子群算法(PSO)的优点,提出改进的思维进化算法(MEA—PSO—GA).利用MEA—PSO—GA算法优化BP神经网络的初始权值和阈值进而预测太原的日常空气质量指数(AQI).通过与MEA—BP算法,MEA—PSO—BP算法和MEA—GA—BP算法比较,实验结果表明,提出的MEA—PSO—GA—BP算法在预测精度、误差率和可靠性方面搜索速度更优,更易于实现AQI预测,具有较好的有效性和可行性,有一定的现实意义.     

基于BP算法的客户关系管理有效性评价研究

根据客户关系管理（CRM）的基本原理，提出了客户关系管理的过程模型，基于该模型建立了CRM有效性的评价指标体系，针对BP算法的自适应性、自学习性、自组织性特点，提出基于BP算法的客户关系管理有效性评价方法，最后运用数字实例验证了该方法的有效性和可行性。     

基于BP算法的企业自我实现能力综合评价

针对企业需要的多层次及动态复杂性特征．结合企业需要层次理论。在建立企业自我实现能力指标体系的基础上。构造了基于改进的BP算法的企业自我实现能力综合测评模型。该模型具有较好的收敛速度和自适应能力。具有方便、准确、可靠、快速等特点。实证分析和仿真结果的比较表明该算法是有效的。     

阿尔茨海默病诊断的自适应BP神经网络模型

阿尔茨海默病(AD)和轻度认知功能损伤(MCI)具有患者多、诊断难的特点,改进BP神经网络,提出自适应BP神经网络(ABP)进行100次AD和MCI诊断模拟,ABP神经网络的诊断正确率显著高于BP和RBF神经网络.采用留一法将101例正常人、200例MCI和90例AD患者的样本分为训练集和检测集,用ABP神经网络对其进行诊断模拟,总正确率达到73.91%.     

基于t分布的自适应花授粉算法

花授粉算法是一种新型启发式优化算法,算法存在易陷入局部最优、后期收敛速度慢等缺陷,为了进一步提高花授粉算法的寻优性能,在异花授粉过程中引入t分布变异算子,提出了一种基于t分布的自适应花授粉算法(tFPA).通过7个标准测试函数进行测试比较,并对改进算法的时间复杂度进行分析,仿真结果表明,改进算法是可行有效的,其寻优速度、寻优精度以及鲁棒性均有很大程度的改善.     

基于卫星云图的风矢场度量模型与自适应算法

探讨了基于卫星云图度量风矢的模型与算法.首先,构建三维地球坐标系和二维帧平面坐标,实现了经纬度与灰度矩阵的行列号的相互转换;其次,近似修正定位目标云,采用最大交叉相关系数选择最优化匹配云,进而建立固定尺度下风矢度量模型;再其次,根据该先验信息构造变尺度的搜索空间,设计自适应算法加快搜索进程和提高精度;最后,挖掘预报文件中的温度-压强关系,分段拟合风矢的压强和所在等压面层数.     

BP模式识别与Hopfield联想记忆识别能力的比较

神经网络可以进行模式识别,这一功能具有很高的实用价值.主要研究BP神经网络和离散Hopfield神经网络的识别能力.BP网络是前向神经网络,使用的是监督式学习规则.离散Hopfield是一种反馈网络,结构上输入、输出节点相连使得网络系统的输出状态具有动态变化特性.就数字,字母,手写体数字比较了BP网络和离散Hopfield网络的识别能力,得到了可观的结论,对两个网络的应用做更进一步的阐述.     

基于谱分析的DNA序列识别算法研究

对基于谱分析的DNA序列识别中相关问题建立了数学模型,并进行了计算及结果分析.提出了一种基于频数二次型的功率谱快速算法和基于帕斯瓦尔定理的信噪比快速算法,建立了基于模糊逻辑的自适应阈值模型,提出了基于重复序列的边界搜索算法,最后利用谱分析对基因突变中的伪鞍部进行了识别.