检索结果-南通市图书馆

基于特征层融合与BP神经网络的人脸表情识别研究

在线全文

学校读者我要写书评

暂无评论

广西大学学报（自然科学版） 2019年第5期44卷 1261-1268页

作者：钟明静卢涵宇李丹杨兰海翔侯汝冲胡正江贵州大学大数据与信息工程学院贵州贵阳550025 贵州力创科技发展有限公司贵州贵阳550018

针对图像处理中人脸表情识别率不高的问题,提出了一种基于特征层融合和神经网络的人脸表情识别方法。利用PCA对原图像进行特征降维处理得到维数较低的表情图像特征,再从粗到细策略对特征进行融合,最后采用神经网络的BP反向传播算法对训... 详细信息

针对图像处理中人脸表情识别率不高的问题,提出了一种基于特征层融合和神经网络的人脸表情识别方法。利用PCA对原图像进行特征降维处理得到维数较低的表情图像特征,再从粗到细策略对特征进行融合,最后采用神经网络的BP反向传播算法对训练集和验证集经多次迭代后训练好人脸表情模型。将收集到的表情数据进行实验仿真对比表明:本文提出方法与常用的分类算法相比,人脸表情识别率在本文提到的表情数据库上取得更好的效果。

关键词：表情识别特征层融合 PCA BP神经网络

基于拉曼和近红外光谱特征层融合的食用油MUFA和PUFA含量检测

在线全文

学校读者我要写书评

暂无评论

中国粮油学报 2017年第11期32卷 158-164页

作者：吴双王杰俞雅茹涂斌郑晓何东平武汉轻工大学机械工程学院武汉430000 武汉轻工大学食品科学与工程学院武汉430000

针对食用油中单不饱和脂肪酸(MUFA)和多不饱和脂肪酸(PUFA)含量的快速检测问题,研究探索应用拉曼(Raman)和近红外(NIR)光谱以及特征层数据的融合,结合化学计量学分析,建立食用油MUFA和PUFA含量预测模型。重点研究各种预处理算法对模型... 详细信息

针对食用油中单不饱和脂肪酸(MUFA)和多不饱和脂肪酸(PUFA)含量的快速检测问题,研究探索应用拉曼(Raman)和近红外(NIR)光谱以及特征层数据的融合,结合化学计量学分析,建立食用油MUFA和PUFA含量预测模型。重点研究各种预处理算法对模型预测能力的影响。应用竞争性自适应重加权采样(CARS)提取Raman和NIR光谱的特征波长,应用网格搜索(GS)算法选取支持向量机回归(SVR)模型的参数组合(C,g)值,分别建立基于拉曼和近红外光谱的特征波段的SVR预测模型;建立基于特征层的多源光谱融合的SVR预测模型。试验表明,基于特征层融合建立的Raman-NIR-SVR模型能够实现食用油MUFA和PUFA含量的快速预测,且预测效果更优。其中预测MUFA含量的SG15-ALS-Nor-CARS-MSC-CARSSVR模型的预测集决定系数R2为0.977 3,与单光谱中最优含量预测模型相比增加了2.43%;而预测PUFA含量的MA11-air PLS-Nor-CARS-MSC-CARS-SVR模型的预测集R2为0.993 0,比较最优单光谱数据建立的SVR模型增加了2.57%。结果表明,采用特征层融合方法建立的含量预测模型的综合性能优于基于单光谱数据建立的模型。

关键词：单不饱和脂肪酸多不饱和脂肪酸特征层融合支持向量机回归

在线全文

学校读者我要写书评

暂无评论

基于典型相关分析的多模态特征层融合识别

基于典型相关分析的多模态特征层融合识别

作者：余程年安徽大学

学位级别：硕士

随着人工智能的发展,单模态的生物特征识别技术已经取得了很好的识别效果。然而会受到传感器噪声、易被伪造等一些问题的困扰,难以满足高安全领域的应用要求。多模态生物识别融合了多种生物特征进行身份识别,与单模态生物识别技术相比,... 详细信息

随着人工智能的发展,单模态的生物特征识别技术已经取得了很好的识别效果。然而会受到传感器噪声、易被伪造等一些问题的困扰,难以满足高安全领域的应用要求。多模态生物识别融合了多种生物特征进行身份识别,与单模态生物识别技术相比,其安全性更强、实用性更广、可靠性更高。虽然多模态生物识别已经成为了近几年的研究热点,但仍存在一些问题需要进一步探讨。本文从多模态生物特征识别中的特征层融合识别出发,分别对两个模态、多个模态的生物特征进行融合。主要的研究成果总结如下:（1）传统的典型相关分析及其改进算法,通过最大化两个模态间的类间散度矩阵的方式,实现两个模态的特征集之间的相关性。没有直接对单模态内特征集进行分析,降低了识别效果。因此,为了对单模态内特征集和多模态间特征集进行相关分析,首先找到使每个模态中类内的特征集尽可能集中的最优投影方向,从而获得单模态内类间区分度较大的数据集;进一步,针对类间区分度较大的两个模态数据集进行融合,建立准则函数,使用拉格朗日数乘法得到最优的投影方向,从而使得融合后的样本集类内相关性尽可能大并类间相关性的尽可能小。实验结果验证了所提出算法的有效性。（2）传统的机器学习融合算法中,多数是将多模态特征集投影到一个公共的子空间中,以实现融合效果。但融合后的新的子空间并没有类别信息。因此,为了学习一个高度相关,最大辨别力的线性子空间,提出了基于图嵌入典型相关特征层融合算法。首先,基于L21正则化算法,同时在多个单模态特征空间中选择特征,提高单模态特征鉴别力;其次,把图嵌入思想引入CCA子空间学习过程,为其构造数据相似图矩阵表示原特征空间样本点的相近关系,使得投影后的单模态类内样本之间保持原样本空间的几何结构,且多模态类内样本之间相关性尽可能大。

关键词：特征层融合典型相关分析线性判别分析 l2,1范式

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力电子电路多源特征层融合故障诊断方法

电机与控制学报 2010年第4期14卷 92-96页

作者：罗慧王友仁崔江赵鹏南京航空航天大学自动化学院江苏南京210016

设计了一种多源信息特征层融合的故障诊断方法,应用在电力电子电路的诊断过程中。选择待测电路的节点电压和重要支路电流作为融合对象,利用小波变换和主成分分析对数据进行预处理和特征提取,采用间隔交叉的方式将电压特征矢量和电流特... 详细信息

设计了一种多源信息特征层融合的故障诊断方法,应用在电力电子电路的诊断过程中。选择待测电路的节点电压和重要支路电流作为融合对象,利用小波变换和主成分分析对数据进行预处理和特征提取,采用间隔交叉的方式将电压特征矢量和电流特征矢量联合形成特征矢量,通过神经网络对联合特征矢量进行推理分类,得到故障诊断结果。以Buck-Boost电路为诊断实例,对比分析了选择不同特征融合对象对故障诊断结果的影响,实验结果证明该方法可以明显提高电路诊断率。

关键词：电力电子电路故障诊断多源信息特征层融合神经网络

在线全文

学校读者我要写书评

暂无评论

基于FCN和特征层融合的场景文本检测研究

基于FCN和特征层融合的场景文本检测研究

作者：李杰北京交通大学

学位级别：硕士

场景图像中的文字所表达的直接含义对于理解场景内容尤为关键,越来越多的智能应用都使用到场景中的文字信息。但受不同字体、任意排列方向以及复杂背景、光照等因素影响,现有的文本检测方法都具有很多局限性。相比传统机器学习算法,深... 详细信息

场景图像中的文字所表达的直接含义对于理解场景内容尤为关键,越来越多的智能应用都使用到场景中的文字信息。但受不同字体、任意排列方向以及复杂背景、光照等因素影响,现有的文本检测方法都具有很多局限性。相比传统机器学习算法,深度学习算法能够学习文本的深度特征,具有更加出色的性能。本文结合分段链接的思想并分别采用位置回归与语义分割的方法设计实现了以下两个文本检测模型:(1)基于特征层融合的表征增强模型。分段链接模型的分层结构包含文本的语义信息不足导致对小文本检测效果比较差,通过加入特征层融合结构解决了该问题。首先使用转置卷积对特征层上采样然后按照自后向前的顺序进行逐层融合。融合特征层既保留了高分辨率的细节特征又加入了强化的全局特征,可以为定位文本提供更准确的位置与边界信息。利用融合特征层检测的F值相比分段链接模型在数据集ICDAR2015,MSRA-TD500分别提高了 1.9%,1.6%。针对加入特征层融合结构后网络加深造成误差传递困难,可能导致网络性能降低的问题,设计了基于残差网络的预测结构。利用跳跃连接结构降低了网络的训练难度,在ICDAR 2015仅用50%的迭代次数即可达到原先的训练损失,并且F值提高1.0%。分段链接模型使用单个矩形定位弯曲文本存在较大误差,因此提出基于旋转角度的片段分组策略。通过将弯曲文本进行分段表示并使用单个矩形对各段文本分别标定有效降低了定位误差。(2)基于语义分割的候选文本过滤模型。针对表征增强模型存在较多背景误检的问题,设计了语义分割结构。利用全卷积神经网络(FCN)获得文本显著图并使用连通分量分析提取有效文本区域,通过过滤候选框内文本区域占比低于阚值的文本有效消除了部分误检,在ICDAR 2015的准确率提高了 5.0%。针对训练过程中语义分割损失向大文本倾斜,导致对小文本判别准确性比较差的问题,设计了文本平衡策略。通过为每个文本实例分配相同的权重平衡了模型对不同尺寸的文本的正确分类性能,增强了模型对小文本的判别能力,在MSRA-TD500的F值提高了 1.0%。对比最新算法在不同数据集的表现,候选文本过滤模型在ICDAR 2013的F值比借助实例分割检测场景文本算法(PixelLink)提高了1 1%。最后结合特征层融合与语义分割实现了 Web端的场景文本检测系统,该系统支持单词和文本行两种定位粒度,可以对部分现实场景中的文本实现准确定位。

关键词：场景文本检测特征层融合残差网络语义分割文本平衡

手写中文文本视觉信息与语言信息特征层融合的深度网络模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

手写中文文本视觉信息与语言信息特征层融合的深度网络模型研究

作者：修玉环华东师范大学

学位级别：硕士

手写中文文本识别是计算机视觉和模式识别领域的研究热点和难点之一,深度学习的兴起为手写中文文本识别提供了新的研究方法。大多数现有的基于深度学习的方法首先利用视觉信息训练识别模型,然后将识别模型的结果与语言模型相结合,即在... 详细信息

手写中文文本识别是计算机视觉和模式识别领域的研究热点和难点之一,深度学习的兴起为手写中文文本识别提供了新的研究方法。大多数现有的基于深度学习的方法首先利用视觉信息训练识别模型,然后将识别模型的结果与语言模型相结合,即在决策层融合视觉信息与语言信息。本文从在特征层融合视觉信息与语言信息的角度出发,采用深度学习方法和强化学习方法构建深度网络模型,解决手写中文文本识别问题。旨在通过具有丰富语义信息的多模态联合表达,来提高模型的识别性能。本文的主要工作包括:(1)研究了基于注意力机制的编码解码模型在手写中文文本识别中的应用,将字符级别视觉信息与语言信息的特征层融合模块嵌入基于长短期记忆神经网络的解码模块,构建基于字符级别特征层融合的手写中文文本识别模型。具体地,由于视觉信息与语言信息之间存在着表达形式和语义层次的差异,为了对每个字符的多模态联合表达进行有效地学习,本文探索了三种字符级别视觉信息与语言信息的特征层融合方法,分别是基于向量加和、向量拼接和门机制的方法。实验结果表明了在特征层融合视觉信息与语言信息的有效性,验证了采用基于门机制的方法相比于其他两种方法能够取得更好的识别效果。(2)在字符级别视觉信息与语言信息的特征层融合方法的基础上,进一步采用卷积神经网络对基于长短期记忆神经网络的解码模块预测出的历史文本片段进行视觉信息与语言信息的特征层融合,构建基于多级别特征层融合的手写中文文本识别模型。通过对历史文本片段进行有效地建模,解决解码模块面临的梯度消失、曝光偏差和无法捕获文本序列中的层次结构信息的问题。实验结果表明,该模型与现有最先进的模型性能相当,与基于字符级别特征层融合的手写中文文本识别模型相比在字符级别的准确率上相对提高了3.34%。(3)探索了利用强化学习来优化手写中文文本识别模型的方法,根据测试阶段的评估指标来引导模型学习更好的序列决策过程,构建基于深度强化学习的手写中文文本识别模型。具体地,采用策略梯度方法,将测试阶段的评估指标作为奖励,通过最大化期望奖励来对基于多级别特征层融合的手写中文文本识别模型的参数进行调优。通过强化学习的方法,进一步解决了编码解码模型面临的曝光偏差和损失评估不匹配的问题。实验结果表明,强化学习可以有效地提高模型的识别性能。

关键词：手写中文文本识别特征层融合深度学习强化学习多模态联合表达

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征层融合和随机投影的行为识别算法

科学技术与工程 2017年第13期17卷 210-215页

作者：王淼孙季丰余家林华南理工大学电子与信息学院广州510641

提出一种基于特征层融合和随机投影的行为识别算法;该方法提取视频序列的时空梯度特征和Gabor特征;然后进行特征层融合,得到分类能力更强的特征,有效地表征人体行为;同时,使用随机投影对融合后的特征进行降维;最后,为了解决主题模型参... 详细信息

提出一种基于特征层融合和随机投影的行为识别算法;该方法提取视频序列的时空梯度特征和Gabor特征;然后进行特征层融合,得到分类能力更强的特征,有效地表征人体行为;同时,使用随机投影对融合后的特征进行降维;最后,为了解决主题模型参数估计迭代复杂的问题,将贝叶斯参数估计法应用于LDA(latent dirichlet allocation)主题模型中,对视频中的行为进行分类。在公开的KTH和Weizmann数据集上进行了实验,结果表明方法不仅比单一局部时空特征描述符识别性能好,而且在相同实验设置下,也优于其他基本分类器。

关键词：特征层融合随机投影贝叶斯参数估计 LDA

在线全文

学校读者我要写书评

暂无评论

基于特征层融合的多模态情感识别研究

基于特征层融合的多模态情感识别研究

作者：程晓南京邮电大学

学位级别：硕士

情感识别作为情感计算领域中的重要分支,在人工智能、人机交互等许多方面都具有广阔的应用前景。不同模态的情感识别可以优势互补,不断提高识别系统的精度,以促进产生更高质量、更加和谐的人机交互系统,使人类生活变得更加智能便捷。本... 详细信息

情感识别作为情感计算领域中的重要分支,在人工智能、人机交互等许多方面都具有广阔的应用前景。不同模态的情感识别可以优势互补,不断提高识别系统的精度,以促进产生更高质量、更加和谐的人机交互系统,使人类生活变得更加智能便捷。本文主要研究基于面部情感特征、语音情感特征、姿态情感特征以及生理信号相关情感特征的情感识别系统,具体包括:提取不同模态的情感特征、对提取的不同模态的情感特征进行融合以及最后的分类识别。论文的主要工作如下:(1)对数据库中的样本提取不同模态的特征,包括:使用二维Gabor滤波器提取面部表情样本的Gabor特征;使用OPENSMILE对包含情感的语音样本提取其综合的语音情感特征(包括:振幅、基频、共振峰等);使用Harris角点检测姿态情感样本中的兴趣点进而提取其时空特征。(2)提出一种基于遗传算法的特征层融合方法,并将该方法与基于主成分分析的特征层融合方法、基于核典型相关分析的特征层融合方法、基于核矩阵融合的特征层融合方法进行比较,实验结果表明,论文提出的方法具有更好的融合效果。(3)将通过不同方法得到的融合特征输入支持向量机(SVM)进行分类识别,实现多模态情感识别,得到多模态的情感识别结果,将多模态的情感识别结果与单一模态的情感识别结果进行比较,实验结果表明,从识别结果的角度来看,使用适当融合方法的多模态情感识别结果要比单模态情感识别结果有明显提高。

关键词：多模态情感识别特征层融合遗传算法支持向量机

基于多参数和特征层融合的化学品燃爆状态辨识方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

传感技术学报 2011年第4期24卷 620-623页

作者：叶树亮张晟中国计量学院计量测试工程学院杭州310018

作为化学品燃爆特性检测关键环节的燃爆状态辨识过程,目前仅以人眼或单一传感器辨识的手段进行,存在人工辨识受主观影响大、单一传感器适用范围窄的缺点,难以取得精确的辨识结果。提出引入多传感器、利用模糊神经网络系统(FNNS)对检测... 详细信息

作为化学品燃爆特性检测关键环节的燃爆状态辨识过程,目前仅以人眼或单一传感器辨识的手段进行,存在人工辨识受主观影响大、单一传感器适用范围窄的缺点,难以取得精确的辨识结果。提出引入多传感器、利用模糊神经网络系统(FNNS)对检测数据作特征层融合,以快速准确辨识燃爆状态的实验方法。结合模糊逻辑推理及RBF神经网络优势,在多层拓扑结构基础上建立了火焰光、热强度及其梯度与目标状态间特定的泛函映射。实验结果表明:该方法有效互补特征信息,提高检测装置的鲁棒性和状态辨识结果的置信度,错误率优于0.1%,使得燃爆特性的描述更加准确。

关键词：化学品燃爆状态辨识模糊神经网络特征层融合