移动源排放遥测主要影响因素分析及预测

由于移动源污染遥感监测受到复杂外部环境影响,难以通过传统统计方法建立车辆行驶工况与污染排放之间的相关性模型,为此开展了基于移动源遥感监测的影响因素分析及排放预测的研究。首先利用Spearman相关性分析排除与移动源污染物主要排放气体CO、HC、NO气体浓度无相关性的因素;其次使用Lasso算法确定各成分的关键影响因子,并采用神经网络构建污染物排放预测模型;最后在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。模型预测的结果表明,基于特征筛选的移动源污染排放数据预测神经网络模型具有较高的预测精度,可以降低城市移动源污染排放检测成本并为相关部门制定相关政策提供数据支持。     

基于GA-BP神经网络的旅游客流预测应用研究

随着人们日益增长的物质文化需要,旅游业蓬勃发展。各大旅游景点人满为患的现象也随之出现,为有关部门的管理带来了极大的困扰。在大数据技术正日趋普及的背景下,产生了大量与旅游相关的数据。文章尝试优化BP神经网络模型,预测一段时间内的客流量变化,为有关部门制定管理策略和推出应急措施提供参考。经实证结果分析,利用遗传算法优化BP神经网络,可对客流量进行更精准的预测。     

融合注意力与FCN的图像修复取证

图像修复检测是数字图像取证领域中一个非常具有挑战性的问题,为了使图像在被修复后依然保持视觉上的光滑性,常用基于样本块的修复方法来填充被篡改部分。本文提出一种融合注意力机制与全卷积神经网络(Full Convolution Network, FCN)的图像修复取证方法,首先对修复图像进行深度特征提取,再对最终的特征图进行权值分配,以获取最有效的特征图,提高检测效果。为了验证本文方法的可行性,创建了一个修复图像数据库,并通过不同性能指标来评估所提出取证网络的性能。     

多尺度CNN结合自注意力特征融合机制的轴承故障诊断方法

针对轴承故障诊断模型输入信息单一,且变负载、噪声工况下诊断精度受限的问题,提出一种多尺度卷积神经网络结合自注意力特征融合机制(SA-MCNN)的故障诊断方法。该方法首先使用不同核大小的卷积层并行提取振动信号的多尺度信息后,采用自注意力特征融合机制,为并行的多尺度特征加权融合;最后根据融合后的特征,区分轴承的健康状态。实验结果表明,与其它故障诊断模型相比,SA-MCNN模型能够根据多尺度信息有效捕捉高质量的状态特征,在跨负载工况和噪声工况下表现出强鲁棒性。     

分布式光纤传感信号高识别率技术研究

为提高基于相敏光时域反射计的分布式光纤声传感系统对振动信号的识别速度与识别准确率度,本文提出使用端点检测对光纤传感振动信号进行预识别的方法。该方式首先使用小波阈值折衷去噪对振动信号进行去噪处理,然后使用基于短时能量与短时过零率的端点检测方式对采集到的振动信号进行检测,如果检测到振动信号中存在有振动,则使用Resnet18网络对振动类型进行进一步的识别;若未检出振动信号,则将振动信号判定为噪音,不再进行进一步的检测。实验证明该方式能有效降低分布式光纤声传感系统对振动信号的识别时间,并且通过使用Resnet18网络对一维振动信号进行识别提高了对振动信号的识别准确率,对噪音信号的识别时间降低为3.5 ms,对振动信号的平均识别准确率达到96.3%。     

一种基于CNN的混叠光谱解调算法及FPGA实现

为了解决光纤布拉格光栅(FBG)传感网络的光谱信号混叠问题,基于现场可编程门阵列(FPGA)提出了一种利用卷积神经网络(CNN)模型的混叠光谱信号解调算法,并对其进行硬件实现与加速。通过对模型参数进行定点数量化,压缩网络模型的存储空间,提高FPGA中DSP资源的利用率;利用循环展开和数组重排等硬件优化方法,提高了系统实时性,确定了算法的并行计算方案。研究结果表明,在100 MHz的时钟下,测试集解调精度为1.19 pm,推理速度为每帧14.96μs,光谱解调速率为60 kHz,对于FBG混叠光谱信号解调具有较高的精度和速率。     

图像分割的新理论和新方法

图像分割是是计算机视觉研究中的一个经典难题,已成为图像理解领域关注的一个热点.本文对近年来图像分割方法的研究现状与新进展进行了归纳总结.首先,简单介绍了图像分割的传统方法,包括基于区域的、基于边缘的和两者结合的图像分割方法.然后,分别从数学形态学、模糊集、神经网络、支持向量机、免疫算法、图论和粒度计算等方面对图像分割方法进行了重点讨论,并对应用每一种理论的最新研究进展作了评述.最后,对图像分割方法的发展趋势进行了展望.     

基于负相关神经网络集成的货币识别算法研究

为了提高货币识别率,提出了用负相关学习算法来提高神经网络集成的泛化能力.将紫外光照射下的纸币图片作为实验样本,将负相关学习法的集成神经网络用于分类器设计,选择6种面额纸币在不同噪声下的样本共300个作为训练样本,对单个神经网络分类器和神经网络集成分类器进行了MATLAB仿真,并对仿真所得的可靠性、识别率进行对比.实验结果表明,基于负相关学习的神经网络集成对货币识别分类有很好的效果,与应用单个神经网络的系统和独立训练个体网络的集成神经网络相比,它的识别率平均可以高出4％.     

基于进化策略的BP神经网络匹配算法研究

研究了利用BP神经网络理论进行景象匹配的方法,将灰度不变矩和边缘不变矩同时作为匹配特征应用于BP神经网络景象匹配中,并对经典的进化策略进行改进,提出并实现了一种高效的基于进化策略的BP神经网络景象匹配算法.实验结果证明了算法寻优的全局性和精确性.     

基于深度学习方面自然语言处理技术(NLP)的研究

深度学习方面自然语言处理技术目前已经成为主要研究热点。从深度学习和自然语言处理的概念出发,深入研究基于深度学习方面自然语言处理技术的优势以及面临的挑战,并在此基础之上对其发展进行了展望。