检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于深度学习的白酒酒花实时分类方法

食品与机械 2022年第11期38卷 111-116页

作者：刘智萍崔克彬华北电力大学计算机系河北保定071003

目的:解决白酒传统摘酒方法“看花摘酒”的主观性和不稳定性,以及现有机器视觉酒花分类方法难以满足实时分类的问题。方法:轻量型YOLOv5以YOLOv5s作为初始模型,使用K-mean聚类的锚框取代默认锚框,以提高模型检测精度和稳定性,使用Shuffl... 详细信息

目的:解决白酒传统摘酒方法“看花摘酒”的主观性和不稳定性,以及现有机器视觉酒花分类方法难以满足实时分类的问题。方法:轻量型YOLOv5以YOLOv5s作为初始模型,使用K-mean聚类的锚框取代默认锚框,以提高模型检测精度和稳定性,使用ShuffleNetV2网络替换YOLOv5s主干网络进行特征提取,以达到轻量化模型的目的,并增加CBAM注意力机制使模型更加关注酒花特征。结果:与YOLOv5s初始模型相比,轻量型YOLOv5模型占用内存减少92.5%,参数量减少93.7%,计算量降低63.4%,检测精度提升2.8%,FPS高达526。结论:轻量型YOLOv5降低了对硬件配置的要求,可以很好地实现酒花实时检测分类。

关键词：白酒酒花实时分类 YOLOv5 ShuffleNetV2 CBAM注意力机制

维普期刊数据库博看期刊

加密流量实时分类研究及在大数据平台下的实现

在线全文

学校读者我要写书评

暂无评论

加密流量实时分类研究及在大数据平台下的实现

作者：杨坤北京邮电大学

学位级别：硕士

网络流量分类对网络质量服务保障、网络监管以及网络运维具有重要意义。为解决用户隐私和网络安全问题,互联网引入加密流量,加密流量使基于端口号、深度包检测这类传统网络流量分类方法失效。现有加密流量分类技术集中在机器学习和深度... 详细信息

网络流量分类对网络质量服务保障、网络监管以及网络运维具有重要意义。为解决用户隐私和网络安全问题,互联网引入加密流量,加密流量使基于端口号、深度包检测这类传统网络流量分类方法失效。现有加密流量分类技术集中在机器学习和深度学习领域。然而现有深度学习研究提取加密流量特征维度单一而且会因对流量剪裁和填充造成原始信息丢失,导致应用分类精度欠佳;同时在细粒度的加密网页分类中,因同一网站网页加密方式相同,造成网页分类准确率不高。本文针对上述问题进行研究,主要成果如下:针对加密流量应用服务分类提取特征维度单一以及原始信息丢失的问题,提出了多维特征信息的加密流量应用服务分类方案。该方法基于深度学习框架,引入卷积、长短时记忆、多层感知机神经网络并行从原始流量提取空间特征、数据包之间的时序特征以及加密流量整体结构的统计特征。从三个维度的特征生成多维特征信息,基于多维特征信息对加密流量应用服务进行分类。该方案的整体检测F1分数为95%,与2020年Lotfollahi等人方法相比提升了 2%左右。针对同一网站因加密方式相同造成不同网页流量分类困难的问题,提出了细粒度的加密网页流量分类方案。通过分析客户端和服务器交互过程中的行为,对网页加载过程抽象。构造累积流量长度序列提取时序特征以及利用TF-IDF算法提取关键长度特征,凸显不同网页在布局以及元素上的差异,从而更好对网页流量分类。该方法网页分类的F1分数为92.7%,比Shen等人提出的模型提升了 1%左右。基于上述方案,设计并实现了基于大数据的实时加密流量分类系统。该系统支持加密流量应用服务分类以及细粒度的HTTPS网页分类。本文通过Kafka构建实时传输数据总线,结合SparkStreaming流式处理加密流量,保证系统可靠性的同时,提升了系统实时分类能力。

关键词：加密流量深度学习大数据实时分类

基于主机行为关联的加密P2P流量实时分类方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高技术通讯 2013年第10期23卷 1008-1015页

作者：熊刚赵咏曹自刚中国科学院计算技术研究所北京100190 中国科学院信息工程研究所北京100093 中国科学院大学北京100049 北京邮电大学计算机学院北京100876

提出了一种基于主机行为关联的加密P2P流量实时分类方法,该方法基于P2P系统中节点间的连接关系,以一定的先验知识为初始条件进行节点发现,并根据网络行为不断进行迭代检测,持续发现P2P网络中的新节点及其对应的流量,从而达到对加密P2P... 详细信息

提出了一种基于主机行为关联的加密P2P流量实时分类方法,该方法基于P2P系统中节点间的连接关系,以一定的先验知识为初始条件进行节点发现,并根据网络行为不断进行迭代检测,持续发现P2P网络中的新节点及其对应的流量,从而达到对加密P2P流量实时分类的目的。真实流量环境中的对比实验表明,该方法对典型加密P2P流量的分类准确率、召回率均超过95%,计算代价小、性能高,不依赖于内容检测,不侵犯用户隐私,能有效应用于实时流分类环境中。

关键词：加密P2P流量主机行为关联流量分类实时分类

基于深度学习的新闻实时分类服务系统的分析与设计

在线全文

学校读者我要写书评

暂无评论

基于深度学习的新闻实时分类服务系统的分析与设计

作者：程徐东华大学

学位级别：硕士

当今处在互联网高度发展时期,各种信息以狂轰乱炸的形式扑面而来,而信息的载体大部分是文字的形式,如何从海量文本中获取有用的信息成为现代科技工作者研究的一个大的方向,也是自然语言处理领域研究的关键问题,从而推进了文本分类技术... 详细信息

当今处在互联网高度发展时期,各种信息以狂轰乱炸的形式扑面而来,而信息的载体大部分是文字的形式,如何从海量文本中获取有用的信息成为现代科技工作者研究的一个大的方向,也是自然语言处理领域研究的关键问题,从而推进了文本分类技术的高速发展。近几年,随着图像领域中深度学习的快速发展,人们也开始将深度学习引入到文本处理中,所以深度学习逐渐取代传统的机器学习方法成为文本分类领域的主流研究方法。因为深度学习以其独特的网络拓扑结构能够层层提取筛选出更多更好的文字特征信息,可以很好的解决当前文本分类所面临的瓶颈问题,本文就是依据深度学习的思想设计了一款对新闻文本进行实时分类的服务系统。首先,本文对文本分类的一般流程以及传统机器学习方法和深度学习方法在新闻文本分类中的区别进行陈述。采用字符级字向量进行文档特征的表示,该表示方法可有效解决离散式字向量表示得到的文档特征上下文文本语义丢失的问题。针对于新浪新闻语料库,采用三种神经网络算法(卷积神经网络、循环神经网络、fastText浅层神经网络)进行新闻分类实验效果的对比,并结合网络模型的结构,分析其各自在进行新闻文本分类时的优缺点。其次,本文在上述研究的基础上采用字符级卷积神经网络尝试建立新闻分类服务系统。系统设计的目标是对热点话题新闻进行实时分类和追踪。该系统被设计为三个子系统,分别为:新闻语料更新子系统、分类模型训练子系统和新闻分类服务子系统。通过新闻语料更新子系统抓取新闻语料并进行预处理,期间的统计操作会统计新字的个数并判断是否超过设定的阈值。当超过设定的阈值时,会对预处理后的新闻语料重新进行字向量的训练操作生成对应的字向量,之后将表示的文档特征传入分类模型训练子系统中进行网络模型的重新训练,得到具有最优网络参数的模型文件,最终在前台的新闻分类服务子系统中实现新闻实时分类的功能。最后,对上述建立的系统进行测试,包括爬虫模块的测试、新闻分类服务模块的测试和分类性能的测试。爬虫模块的测试是针对新闻语料更新子系统是否能突破反爬虫技术的限制进行新闻语料的持续抓取;新闻分类服务模块的测试是针对系统是否能实现对热点的新闻语料进行实时分类的功能;分类性能的测试是针对系统的分类请求响应时间是否能满足实际的使用需求。

关键词：文本处理深度学习新闻分类服务系统实时分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

针对网络数据流的实时分类算法研究

针对网络数据流的实时分类算法研究

作者：李尚哈尔滨工业大学

学位级别：硕士

近年来随着互联网的发展，网络流量呈现出多样化、复杂化的特点，给网络服务质量和网络安全的保障带来了前所未有的挑战。网络监管部门无法准确了解网络中的流量信息，就不能采取针对性的管理措施。因此，网络流分类技术对网络管理工作... 详细信息

近年来随着互联网的发展，网络流量呈现出多样化、复杂化的特点，给网络服务质量和网络安全的保障带来了前所未有的挑战。网络监管部门无法准确了解网络中的流量信息，就不能采取针对性的管理措施。因此，网络流分类技术对网络管理工作具有重要的作用，研究准确、高效的流分类算法具有重大的现实意义。该领域已有的研究大多只停留在协议级别的流分类问题上，对加密流量的识别也缺乏针对性的解决方案，算法效率也难以达到实际应用的要求。针对这些问题，本文对点对点媒体通道和网络加密服务数据流的实时分类问题进行了深入的研究。首先，本文给出了网络数据流分类问题的形式化定义和评价标准，对三种传统的网络数据流分类算法进行了深入的分析和比较。其次，提出了一种基于支持向量机模型的点对点媒体通道数据流分类算法。通过分析UDP媒体通道数据流的特点，构造了由5个数据流特征组成的特征集合。实验结果表明，该算法具有较强的泛化能力和实时性，对3种媒体通道的总体分类准确率达到了96%。然后，提出了一种基于决策树模型的网络加密服务数据流分类算法。分析了4种HTTPS应用的流量特点，选择前8个报文长度序列作为数据流特征。提出了特征归纳和特征属性交叉区间拆分算法，提高了分类模型的学习和训练效率。在测试实验中，该算法计算简单、具有较快的分类速度，对4种加密应用的分类准确率达到了95%以上。最后，在上述研究基础之上，针对网络加密服务数据流分类问题，设计并实现了一个大流量、高速网络环境下的网络加密数据流实时分类器原型系统。该系统依托于高性能报文捕获平台，可以高速准确地识别出目标网络服务流量，对其包含的各类应用做出实时分类，具有较强的稳定性和较低的资源占用率。

关键词：流分类实时分类机器学习点对点媒体通道流量网络加密流量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

运动单位电位的实时分类

生物医学工程学杂志 1998年第3期15卷 317-319页

作者：罗琦琨张庆陵海军医学研究所八室上海200433

用相关分析方法对运动单位电位进行实时分类，用对相关系数进行排序的方法保留波形较好的运动单位电位，以减少运动单位电位的存储量和分析时间，提高运动单位电位参数测量的准确性和精确性。

关键词：运动单电位排序实时分类肌电图相关分析

在线全文

学校读者我要写书评

暂无评论

基于双层特征选择的空中目标分类算法研究

激光与光电子学进展 2022年第2期59卷 235-243页

作者：苏志刚王雪萌中国民航大学电子信息与自动化学院天津300300 中国民航大学中欧航空工程师学院天津300300

空中生物和非生物目标的分类是机场鸟击防治工作中的重要一环。基于轨迹信息的目标分类具有轨迹信息获得容易、部分特征区分度高的优势,但是不当的特征选择会导致近距离轨迹样本分类误差大。针对该问题,提出了一种基于双层特征选择的空... 详细信息

空中生物和非生物目标的分类是机场鸟击防治工作中的重要一环。基于轨迹信息的目标分类具有轨迹信息获得容易、部分特征区分度高的优势,但是不当的特征选择会导致近距离轨迹样本分类误差大。针对该问题,提出了一种基于双层特征选择的空中目标分类算法。首先对动态目标三维轨迹数据进行充分的特征提取,扩大特征选择范围;其次通过设计的双层特征选择算法选择特征子集,减少算法运算量,提高分类精细度;最后通过在线顺序极限学习机(OSELM)实现空中生物和非生物目标的实时分类。实验结果表明,所提算法兼顾了分类的精度与速度,分类精度达到了99.7%,平均分类时间仅为1.26 ms,满足了实时监测预警的需求。所提算法为机场条件下空中目标的实时分类提供了一种极具潜力的解决方案。

关键词：图像处理在线顺序极限学习机特征提取特征选择实时分类

基于几何特征的1D-CNN模型实时微表情识别

在线全文

学校读者我要写书评

暂无评论

基于几何特征的1D-CNN模型实时微表情识别

作者： Solh Mohammed（哈西姆）中南大学

学位级别：硕士

微表情是指当人们无意识或故意隐藏情感时,在脸上出现的短暂面部表情。微表情包含大量关于真实情感的有效信息,在安防和审讯等实际应用中非常有帮助。然而,微表情是一个非常短暂的动作过程,实时提提取这些信息是一个挑战性的问题。在过... 详细信息

微表情是指当人们无意识或故意隐藏情感时,在脸上出现的短暂面部表情。微表情包含大量关于真实情感的有效信息,在安防和审讯等实际应用中非常有帮助。然而,微表情是一个非常短暂的动作过程,实时提提取这些信息是一个挑战性的问题。在过去超过十年的时间里,微表情自动识别越来越受到心理学、计算机科学、安全学、神经科学等相关学科研究人员的关注。通常,微表情的自动识别过程包括预处理、特征提取和分类。该领域的研究人员发现,已有研究中的特征提取技术无法提供微表情的可靠细节,继而增加识别的挑战性。由于多年来微表情特征描述的挑战尚未解决,因此研究人员已经进入图像增强和情感放大的预处理阶段,以提高识别的精确度。然而,增加更多计算过程的趋势,也增加了微表情识别实时系统的成本,研究的重点还是又回到了特征提取这个方向。对于特征提取,有三种常用的方法;基于外观、基于几何和基于运动的特征描述。目前,基于外观和基于运动的特征描述通常用于微表情识别,因为它们可以提供面部肌肉细微运动的更多细节,而基于几何的特征描述通常用于正常的人脸表情识别,因为它对于较大的面部肌肉运动更可靠。而在另一方面,基于几何比基于外观的人脸表情识别算法的计算量要低得多,这使得实时而有效地识别面部表情成为可能。鉴于微表情识别在安防和审讯、医疗等领域的应用,一个快速而可靠的微表情识别系统已成为必要。我们选用基于几何的特征描述进行微表情特征提取作为主攻方向,论文的主要研究内容和创新点如下:(1)提出了一种基于几何特征描述的快速微表情特征提取算法,该算法利用人脸标记检测计算中性帧(起始帧)和情绪帧(顶点帧)之间细微变化的细节。提出的特征提取算法被描述为基于图特征与1DCNN模型(Graph+1D-CNN)。提出的算法采用了一种非常可靠且快速的坐标检测模型,共捕获468个点的3D坐标。在捕获顶点帧和起始帧的坐标后,测量每个相应坐标点之间的变化幅度,然后将测量到的震级呈现给一维卷积神经网络(1D-CNN)模型进行特征嵌入和分类。利用3个不同的自发微表情数据集,基于两个因素-识别精度和计算时间对所提出的Graph+1D-CNN进行了分析和评估;识别精度和计算时间。其中包括:自发微表情数据集(SMIC)、中国科学院微表情数据集(CASMEII)和自发行为与微运动数据集(SAMM)。实验结果表明,在每个样本4.5ms(222fps)的Intel Core i5-3470 CPU上,Graph+1D-CNN在CASMEII数据集上的准确率最高,达到96.99%。(2)将基于坐标的微表情放大技术应用到Graph+1D-CNN模型中以进一步提升了模型的性能,利用起始帧和顶点帧的坐标点实现了微表情放大,基于图的放大技术的特征计算被描述为基于图的放大特征融合进1D-CNN模型形成新的模型Graph+M+1D-CNN。2022提出的无形的情绪放大算法IEMA利用起始帧和顶点帧的面部坐标点来计算放大元素,其中还包含面部运动的方向。然后,将计算出的放大元素应用于顶点框架的x和y坐标,以增强细微情绪时面部肌肉运动的幅度。借鉴算法IEMA的思想形成了我们新的模型Graph+M+1DCNN。同样,在三个自发数据集(即SMIC,CASMEII和SAMM)上进行了实验,结果表明,所提出的Graph+M+1D-CNN在同一台机器上,每个样本为4.8 ms(208fps)的CASMEII数据集的准确率最高,为98.86%,这远远高于实时微表情识别的最低要求5ms(200pfs)。图16幅,表25个,参考文献147篇。

关键词：特征提取微表情侦测情绪识别实时分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于单目多视角机器视觉的珍珠在线分类装置

农业机械学报 2014年第1期45卷 288-292+280页

作者：汤一平夏少杰冯亦军陈新峰朱治亮李陈荣浙江工业大学信息工程学院

利用摄像机前放置多枚平面镜组成的对称斗型腔体构成以物为中心的单目多视角摄像装置,在摄像机投影平面上直接获取从不同视角拍摄的珍珠表面图像;然后对不同视角的珍珠表面图像进行处理,获得反映珍珠品质的各种特征值;最后用特征融合的... 详细信息

利用摄像机前放置多枚平面镜组成的对称斗型腔体构成以物为中心的单目多视角摄像装置,在摄像机投影平面上直接获取从不同视角拍摄的珍珠表面图像;然后对不同视角的珍珠表面图像进行处理,获得反映珍珠品质的各种特征值;最后用特征融合的方式判定珍珠的品质。实验结果表明,设计的基于单目多视角机器视觉装置能保证在一个统一的颜色系统中一次获得珍珠整个球体表面的图像,实时完成珍珠的大小、形状、光泽、瑕疵和颜色等外观品质指标的视觉检测与分类。

关键词：珍珠机器视觉单目多视角品质检测实时分类