检索结果-南通市图书馆

2020中国自动化大会(CAC2020)

作者：闫书佳刘新伯熊桓仟童美松上海工程技术大学电子电气工程学院同济大学上海智能科学与技术研究院

近些年来,在智能化电网的建设下,视觉图像处理的技术逐渐被引入电力设备的识别领域,给电力系统的运行维护工作带来了新的突破。本文的研究对象是变电场中的绝缘子和电流互感器。首先要对获取图像分别运用方向梯度直方图(Histogram of Or... 详细信息

近些年来,在智能化电网的建设下,视觉图像处理的技术逐渐被引入电力设备的识别领域,给电力系统的运行维护工作带来了新的突破。本文的研究对象是变电场中的绝缘子和电流互感器。首先要对获取图像分别运用方向梯度直方图(Histogram of Oriented Gradients,HOG)和灰度共生矩阵(Grey-Level Co-occurrence Matrix,GLCM)算法提取图像局部纹理特征值,并对获得的特征值进行融合,从而训练支持向量机(Support Vector Machine,SVM)。对学习好的模型进行多次实验,并与单一特征的图像分类算法进行比较,最后利用混淆矩阵输入模型的分类结果,对结果的准确率进行分析。实验结果表明,两种特征算法融合的分类结果优于单一特征分类算法的分类结果,本方法可以更好达到图像分类的结果。

关键词：电力设备 HOG特征 GLCM特征支持向量机混淆矩阵

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于SMOTE过采样和GBDT框架下集成算法的岩爆风险评估（英文）

引用

Journal of Central South University 2024年第8期 2891-2915页

作者：王加闯董陇军 School of Resources and Safety Engineering Central South University

岩爆是地下工程常见的一种地质灾害，严重威胁人员、设备和财产安全。利用机器学习模型评估岩爆风险正逐渐成为一种趋势，这对地质灾害预防具有重要意义。本文采用梯度提升决策树(GBDT)框架下的集成算法对岩爆倾向性开展评估和分类。首... 详细信息

岩爆是地下工程常见的一种地质灾害，严重威胁人员、设备和财产安全。利用机器学习模型评估岩爆风险正逐渐成为一种趋势，这对地质灾害预防具有重要意义。本文采用梯度提升决策树(GBDT)框架下的集成算法对岩爆倾向性开展评估和分类。首先，从案例数据库中获得301个岩爆数据样本，采用合成少数类过采样技术(SMOTE)对数据进行预处理；然后，建立包括GBDT、极限梯度提升算法(XGBoost)、轻量梯度提升算法(LightGBM)和类别特征梯度提升算法(CatBoost)的岩爆评价模型，并通过随机搜索网格及五折交叉验证获取模型的最优超参数；之后，使用最优超参数配置，拟合评估模型，并利用测试集对模型进行分析。为了评估模型性能，选取准确率、精度、召回率和F1-score等进行分析，并与其他机器学习模型进行比较分析。最后，利用训练好的模型，对位于陕西省某矿山不同的岩石试样进行了岩爆风险评估，为矿山的安全生产工作提供了理论指导。结果表明，GBDT框架下的算法模型在岩爆水平评估中表现良好，所提出的方法可为岩爆风险等级分析和安全管理提供可靠参考。

关键词：岩爆评价 SMOTE过采样随机搜索网格算法 K-fold交叉验证混淆矩阵

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Study on Classification Algorithms for Network Intrusion Systems

引用

通讯和计算机（中英文版） 2012年第11期9卷 1242-1246页

作者： Saravanan Subramanian Vijay Bhanu Srinivasan Chandrasekaran Ramasamy Department of Computer Science&Engineering Annamalai UniversityAnnamalai 608002India

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于语音识别的EMA同步语音与独立语音的比较研究（英文）

中国语音学报

引用

中国语音学报 2023年第2期 167-176页

作者：方强 Institute of Linguistics Chinese Academy of Social Sciences

同步声学—发音信号同步记录了语音声学信号和对应的发音器官的位置和形状。因此，同步声学—发音信号是语音的生理发音机制、声学机制、发音逆推、基于发音数据的语音合成等领域研究的基石。时至今日，有多种不同的设备被用于采集同步... 详细信息

同步声学—发音信号同步记录了语音声学信号和对应的发音器官的位置和形状。因此，同步声学—发音信号是语音的生理发音机制、声学机制、发音逆推、基于发音数据的语音合成等领域研究的基石。时至今日，有多种不同的设备被用于采集同步的发音和声学数据，如超声、x-ray微束、EMA、以及实时MRI等。在这些设备中，EMA能同时记录多个发音器官的运动，具有高时间分辨率，采集的数据便于后期处理和分析，并且对被试无害，因而得到了广泛的应用。通常在使用EMA采集同步声学—发音信号时，我们将传感器粘贴在发音器官上（如上下唇、下颚、舌尖、舌叶、舌背等位置）,这些传感器通常占据一定的空间（2.2mm×2.4mm×1.8mm）并且通过线缆与外部采集模块相连。在发音过程中，传感器和线缆可能会影响发音时声道收紧部位的形状和对发音的精准控制，导致产生的EMA同步语音与独立的语音在声学上存在差异，对语音的生理发音机制、声学机制、发音逆推、基于发音数据的语音合成等领域的研究产生不利影响。这一问题还没有得到广泛关注，目前只有少量的研究从感知的角度比较了EMA同步语音的发音正确率和可懂度，还没有研究考察感知正确的EMA同步语音与独立语音是否有差异，以及这些差异是否会影响其他任务。本文从语音识别的角度，通过对比分析EMA同步语音与独立语音的识别率和混淆矩阵我们发现：1)感知正确的EMA同步语音的正确率显著低于独立语音的正确率；2)舌尖元音和舌尖/舌叶辅音更容易受到传感器的影响，其他元音和辅音也受到不同程度的影响，这与人们通常的认知不同；3)在EMA同步语音中，元音和辅音容易与使用相同或相近发音器官的元音和辅音混淆；4)唇辅音的混淆模式有些发散，如/p/、/ph/除部分被混淆成唇音外还被混淆成舌根擦音/x/,不少/f/被识别生成/k/,/kh/,/x/。这些发现说明由于在发音器官上粘贴了传感器，除舌尖音外，其他发音的准确性和发音方式都受到一定程度的影响。

关键词： EMA同步语音独立语音语音识别混淆矩阵

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：