检索结果-南通市图书馆

太原理工大学学报 2023年第3期54卷 534-547页

作者：朱飑凯邓文雯宋杰袁纬杰梁鑫葛董美亚刘三满张倩赵菊敏山西警察学院网络安全保卫系太原030401 智能警务四川省重点实验室泸州646000 清华大学软件学院北京100084 太原理工大学信息与计算机学院太原030024

提出基于卷积神经网络的单标签非接触式手势识别系统,在不需要携带任何设备的情况下,利用单标签、单天线实现精准的手势识别。首先,通过人为添加干扰物,读取受多径效应影响的标签相位信号;其次,对标签相位信号进行预处理,选取动态时间... 详细信息

提出基于卷积神经网络的单标签非接触式手势识别系统,在不需要携带任何设备的情况下,利用单标签、单天线实现精准的手势识别。首先,通过人为添加干扰物,读取受多径效应影响的标签相位信号;其次,对标签相位信号进行预处理,选取动态时间规整算法(dynamic time wrapping,DTW)匹配与先验指纹库粗粒度手势识别;最后,将标签相位信号利用马尔可夫变迁场(markov transition field,MTF)生成特征图像,利用IM-AlexNet模型进行深度训练和实验测评。实验结果表明,改进后的模型训练参数减少为初始的7%,且准确率达到96.76%.该系统可大范围扩展,并具有较高的鲁棒性。

关键词：非接触单标签细粒度识别神经网络马尔可夫变迁场

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于单标签射频识别的唇语识别算法

引用

计算机应用 2022年第6期42卷 1762-1769页

作者：张瑛琪彭大卫李森孙莹牛强中国矿业大学计算机科学与技术学院江苏徐州221116

近年来,有研究提出了使用多个定制且可拉伸的射频识别(RFID)标签进行语音识别的无线平台,但该标签难以精准捕捉拉伸引起的大频率偏移,而且需要探测多个标签,标签脱落或自然磨损时还须重新校准。针对以上问题,提出基于单标签RFID的唇语... 详细信息

近年来,有研究提出了使用多个定制且可拉伸的射频识别(RFID)标签进行语音识别的无线平台,但该标签难以精准捕捉拉伸引起的大频率偏移,而且需要探测多个标签,标签脱落或自然磨损时还须重新校准。针对以上问题,提出基于单标签RFID的唇语识别算法,将灵活、易于隐藏且没有侵入性的单个通用RFID标签贴在脸上,即使用户不发出声音,仅依靠面部的微动作也可进行唇语识别。首先建立模型处理RFID阅读器接收的单个标签随时间和频率响应的接收信号强度(RSS)和相位变化,然后采用高斯函数对原始数据的噪点进行平滑去噪预处理,再采用动态时间规整(DTW)算法对收集到的信号特征进行评估分析,以解决发音长短不匹配的问题;最后创建无线语音识别系统来识别区分与声音相对应的面部表情,从而达到识别唇语的目的。实验结果表明,对于识别不同用户的200组数字信号特征,该方法的RSS准确率可以达到86.5%以上。

关键词：射频识别唇语识别单标签接收信号强度动态时间规整

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度图像特征和阈值学习策略的蛋白质的亚细胞定位

基于深度图像特征和阈值学习策略的蛋白质的亚细胞定位

引用

作者：何琳琳天津大学

学位级别：硕士

蛋白质组在亚细胞水平上的空间分布为蛋白质功能的分析提供了线索,因此对人类生物学和疾病的治疗很重要。基于图像的方法是预测蛋白质亚细胞定位的最重要的方法之一。尽管深度神经网络(DNN)在许多图像任务中已显示出很好的性能,但尚未... 详细信息

蛋白质组在亚细胞水平上的空间分布为蛋白质功能的分析提供了线索,因此对人类生物学和疾病的治疗很重要。基于图像的方法是预测蛋白质亚细胞定位的最重要的方法之一。尽管深度神经网络(DNN)在许多图像任务中已显示出很好的性能,但尚未充分探索其在蛋白质亚细胞定位中的应用。本研究开发了一种基于深度图像特征的方法来对蛋白质亚细胞进行定位。利用从卷积神经网络(CNN)中提取的深度图像特征,可以准确预测单标签图像和多标签图像的标签。其中,多标签图像标签的预测是一项非常具有挑战性的任务,本研究开发了一种阈值学习的方法,利用标签与特征相关性和标签与标签的相关性,在学习过程中自动获得用于确定最终标签集的阈值。通过实验,本研究最终在单标签数据集上Xception性能最好,在混合标签数据集上Vgg Net性能最好。此外,实验还表明与手工特征相比,深度图像特征方法利用更少的特征实现了更准确的预测。

关键词：卷积神经网络深度图像特征单标签多标签阈值

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于本体的文本分类关键性技术研究

基于本体的文本分类关键性技术研究

引用

作者：张大朋东北师范大学

学位级别：硕士

当代社会，因特网已经成为我们日常生活，工作，学习研究等领域中不可缺少的重要资源，而这些资源主要又是由电子文本信息组成，但是这些电子文本信息以指数级的数量迅速增长，因此通过某种有效的方式让用户获取所需的有价值的信息是有... 详细信息

当代社会，因特网已经成为我们日常生活，工作，学习研究等领域中不可缺少的重要资源，而这些资源主要又是由电子文本信息组成，但是这些电子文本信息以指数级的数量迅速增长，因此通过某种有效的方式让用户获取所需的有价值的信息是有关研究人员的重要任务。文本分类技术是有效处理海量数据的一种人工智能技术，可以有效的帮助用户准确而高效的获取有用的电子信息。因而具有十分广泛的应用前景。现在文本分类技术一般都采用向量空间模型表示，向量空间模型能够把文本内容转换成计算机可以处理的数据信息，但是却没有解决词语之间的内在关联问题，也就是文本分类中通常说的语义信息，而这些信息对正确理解文本的内涵是非常重要的。由于本体考虑了概念（词、类）之间的内在关系，基于本体的文本分类技术逐渐成为文本分类技术领域研究的重要组成部分。本文对文本分类的关键性技术，如本体，特征选择，特征降维，分类算法都进行了比较详细的介绍。并且主要研究了以下四点：（1）基于PCA的MLkNN多标签分类算法，根据PCA的降维、去噪特性，提出了这个多标签分类算法，并且做了这个算法的实验。（2）本体二层模型，根据本体的特点，提出本体二层模型的构建本体的简单的方法。（3）基于本体的单标签分类算法，根据本体的特点及相似度，提出了这个单标签分类算法。（4）基于本体的MLkNN多标签分类算法，这个算法是根据本体的值域与定义域的结构，利用“转定义域”法而提出的一个算法，并且在此基础之上做了这个算法的实验。

关键词：本体单标签文本分类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多标签数据的降维与分类算法的研究

引用

现代计算机 2016年第14期 3-9页

作者：汤文伟于威威上海海事大学

现在为人们所熟知的是单标签的分类,传统的监督学习的方法主要应用在单标签的数据中,但随着数据的日益丰富,单标签已经不能再完整地描述一个样本的信息,现在往往一条样本会对应多个标签,所以多标签数据的分类逐渐的成为数据挖掘的一个... 详细信息

现在为人们所熟知的是单标签的分类,传统的监督学习的方法主要应用在单标签的数据中,但随着数据的日益丰富,单标签已经不能再完整地描述一个样本的信息,现在往往一条样本会对应多个标签,所以多标签数据的分类逐渐的成为数据挖掘的一个重要研究方向。虽然多标签能够更好地去描述一个样本的信息,但多标签数据通常是那种特征数目很大的数据,对这样的数据直接进行处理很困难,同时这些高维数据往往存在维度灾难的问题,所以对多标签数据进行分类之前做好数据的降维对最终的分类起着不可忽视的作用。提出一种基于采用条件互信息(最小冗余最大依赖准则,MDMR)来进行特征集的选择,去除无用的特征信息,然后通过一种改进的KNN算法对数据进行分类,实验表明这种方法使平均查全率提高2.5%。

关键词：单标签多标签条件互信息特征提取 KNN算法

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

基于多标签数据的降维与分类算法的研究

引用

现代计算机（中旬刊） 2016年第5期 3-9页

作者：汤文伟于威威上海海事大学上海201306

关键词：单标签多标签条件互信息特征提取 KNN算法

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

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

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

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：