检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于孪生神经网络的词义消歧研究

基于孪生神经网络的词义消歧研究

作者：王鹏哈尔滨理工大学

学位级别：硕士

词义消歧是自然语言处理领域的一个重要课题。句子或文章中存在一词多义现象,即歧义词在不同的语境中语义不同。词义消歧是通过一定的算法或策略自动确定歧义词的真实语义的过程。词义消歧的发展可以提高计算机理解自然语言的能力,因此... 详细信息

词义消歧是自然语言处理领域的一个重要课题。句子或文章中存在一词多义现象,即歧义词在不同的语境中语义不同。词义消歧是通过一定的算法或策略自动确定歧义词的真实语义的过程。词义消歧的发展可以提高计算机理解自然语言的能力,因此在机器翻译、情感分析、语音识别和文本分类等领域有广泛的应用。目前,词义消歧的主要难题是缺乏有效的算法模型提高消歧准确率。为了解决消歧准确率较低的问题,本文使用LSTM模型、Bi LSTM模型、孪生网络模型确定歧义词的真实语义,探究不同网络模型的消歧效果。为了提高消歧准确率,引入Attention机制和ada boost算法进行增强。本文主要进行了以下四个部分的研究:1.介绍了词义消歧的研究背景、应用场景和意义,以及国内外学者在词义消歧领域的研究现状。介绍了本文使用的MSH WSD数据集和不同的词义消歧方法,选择有监督的方法构建消歧模型进行实验。2.介绍了消歧特征的选择,为了引入更多的语言学知识,为句子中的词汇添加词性信息和语义类信息,抽取歧义词汇左右各两个单元组成消歧特征。分别使用LSTM模型和Bi LSTM模型进行词义消歧,比较模型的消歧性能。3.介绍了Attention机制和ada boost算法,在此基础上提出增强LSTM融合模型和增强Bi LSTM融合模型,进行实验分析融合模型较单一模型在消歧性能上的提升。4.介绍了孪生神经网络词义消歧模型,以相似性作为分类的基础。在训练阶段不断优化模型,使模型能准确的进行相似性度量;在测试阶段根据模型输出的相似性概率分布,确定歧义词的真实语义。由实验可知消歧效果具有一定提升。

关键词：词义消歧 LSTM模型 Attention机制 ada boost算法孪生网络模型

基于adaboost-SVR预测的直流杆塔间隙操作冲击电压的计算分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国电机工程学报 2021年第11期41卷 3962-3970页

作者：丁玉剑姚修远格兴杨冰雪李嘉伟苏宇中国电力科学研究院有限公司北京市海淀区100192 华北电力大学北京市昌平区102206

空气间隙的操作冲击放电电压是特高压输电工程杆塔设计的关键参数。气象参数、均压环尺寸、导线形式、绝缘子串型、间隙距离、冲击电压波形参数等因素都会对杆塔空气间隙的操作冲击放电电压产生影响。该文基于±500kV~±1100kV的直流杆... 详细信息

空气间隙的操作冲击放电电压是特高压输电工程杆塔设计的关键参数。气象参数、均压环尺寸、导线形式、绝缘子串型、间隙距离、冲击电压波形参数等因素都会对杆塔空气间隙的操作冲击放电电压产生影响。该文基于±500kV~±1100kV的直流杆塔空气间隙的操作冲击放电电压数据,建立灰狼算法优化的ada boost-SVR预测模型。该模型以均压环尺寸、塔身宽度、间隙距离、空气温度、气压和相对湿度作为输入参数,杆塔空气间隙的50%放电电压(U50)作为输出参数。采用该文提出的模型,对不同均压环尺寸下的杆塔空气间隙的U50进行计算分析。结果表明,采用上述模型的预测值与试验值基本吻合。最后,采用该预测模型计算了典型气象条件下的±1100k V和±800kV杆塔间隙的U50。该方法可以计算不同气象条件下(包括不同于样本的气象条件)杆塔间隙的50%操作冲击放电电压,为输变电工程空气间隙操作冲击放电电压的预测提供了一种新的思路。

关键词：直流杆塔长空气间隙预测支持向量回归灰狼算法 ada boost算法

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

基于双聚类挖掘的股票交易点预测方法研究

基于双聚类挖掘的股票交易点预测方法研究

作者：杨杰华南理工大学

学位级别：硕士

股票市场不仅是国家经济的晴雨表,更是股民投资和企业融资的重要途径。有效的股价趋势预测,不仅可以指导投资者进行合理的投资决策,更可以为国家制定相关经济政策提供参考。因此,股票预测一直是金融预测领域的重要研究方向,具有重大的... 详细信息

股票市场不仅是国家经济的晴雨表,更是股民投资和企业融资的重要途径。有效的股价趋势预测,不仅可以指导投资者进行合理的投资决策,更可以为国家制定相关经济政策提供参考。因此,股票预测一直是金融预测领域的重要研究方向,具有重大的现实意义和应用价值。然而,股票市场是一个极其复杂的动态系统,它受众多不确定性因素的影响,使得股票价格的波动表现出较强的非线性特征,极大增加了股票预测的困难度。为实现对股价趋势的预测,需在处理大量数据的基础上研究分析股市内部的复杂规律。数据挖掘技术能够揭示海量数据背后隐藏的信息,为股票预测提供了新的方法和思路。股票预测的关键在于构建合适的预测模型,而模糊推理系统具有较强的非线性映射能力,能够以任意精度逼近复杂的非线性关系,在预测模型构建的合理性以及适用性方面都具有其独特的优势。因此,本文将数据挖掘技术和模糊推理系统应用于股价趋势的预测,提出两种不同的预测方法。针对股价波动的非线性以及模糊推理系统在股票预测上存在规则获取困难和规则不够公正客观等问题,本文提出了一种基于双聚类和模糊推理的交易点预测方法。首先利用双聚类技术挖掘股票历史数据中的规律和信息,将它们作为专家知识构建模糊规则,然后通过模糊推理输出推理结果,并采用粒子群算法构建动态阈值模块,最后通过动态阈值模块将推理结果转换成对股价趋势的预测。另一方面,股价趋势的预测是一个上涨和下跌的二分类问题,但是由于股价变化规律复杂,单个分类器往往不能很好地描述整个数据集的特征,导致分类效果不佳。因此,本文提出一种基于朴素贝叶斯和adaboost的混合预测模型。首先利用双聚类算法挖掘股票数据中的股价趋势模式,然后将上涨模式和下跌模式组合成弱分类器,并采用朴素贝叶斯作为分类方法,最后利用adaboost算法将多个弱分类器组合成强分类器,以提升分类的准确率。由于每个弱分类器是由不同的趋势模式组合而成,保证了弱分类器的多样性,从而提升了强分类器的泛化能力。为了验证本文方法的合理性和有效性,设计了多个对比实验。实验结果表明,本文所提出的两个方法无论在个股还是股票指数的预测上都能获得比其他方法更高的平均收益率。

关键词：股票预测双聚类模糊推理 ada boost算法朴素贝叶斯

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人脸识别技术的面部表情研究

基于人脸识别技术的面部表情研究

作者：赵虹哈尔滨理工大学

学位级别：硕士

人脸面部表情包含着复杂的内在情感,是人与人交流的重要途径,近年来一直是机器视觉、人机交互与模式识别等研究领域的热点话题。表情识别的现实意义是让计算机根据人类的“脸色”行事,使计算机更加理解人类的想法,更加智能化,同时使人... 详细信息

人脸面部表情包含着复杂的内在情感,是人与人交流的重要途径,近年来一直是机器视觉、人机交互与模式识别等研究领域的热点话题。表情识别的现实意义是让计算机根据人类的“脸色”行事,使计算机更加理解人类的想法,更加智能化,同时使人机交互的过程更加自然。表情识别通常分为四部分:获取表情图像样本、图像预处理、表情特征提取和表情特征分类,其中特征提取和特征分类是表情识别的核心技术。针对当下表情识别率低的问题,本文采用了LBP分区结合IWO-ELM的表情识别方法进行表情自动分类,主要研究工作如下。首先,为了排除光照对表情识别的影响,本文设计了表情图像采集装置,并对采集到的图片进行了预处理操作。其次,进行人脸识别与特征提取。在ada boost人脸检测器的基础上,结合Open CV函数库实现人脸识别与特征点定位。通过分析几种典型的表情特征提取算法,采用LBP分区算法作为本文特征提取的方法。最后,进行特征分类。建立ELM分类模型,并对分类模型进行IWO优化。利用训练样本进行训练,构造出每一类的表情模型,用测试样本进行预测和估计。本文选取日本JAFFE表情库、中科院的CASME表情库以及采集装置采集到的表情图像作为实验样本;通过大量的实验来验证本文使用方法的性能,经过实验证明,本文构建的表情识别系统拥有85%以上的正确分类率。

关键词： ada boost算法 LBP局部二值模式 ELM极限学习机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

钒钛烧结矿性质对高炉提钒率影响的预测模型

钒钛烧结矿性质对高炉提钒率影响的预测模型

作者：李振铠华北理工大学

学位级别：硕士

随着大数据技术应用于冶金行业,高炉冶炼钒钛磁铁矿研究取得了新发展。收集了承钢4#高炉的历史实际生产数据,对数据进行了预处理,优化数据的质量。将预处理数据进行编辑和存储,建立科学、通用的数据库。在高炉状态相对稳定的情况下,绘... 详细信息

随着大数据技术应用于冶金行业,高炉冶炼钒钛磁铁矿研究取得了新发展。收集了承钢4#高炉的历史实际生产数据,对数据进行了预处理,优化数据的质量。将预处理数据进行编辑和存储,建立科学、通用的数据库。在高炉状态相对稳定的情况下,绘制了铁水钒含量与高炉提钒率的分布曲线。通过不同的趋势变化图分析数据参数间的影响关系。采用皮尔逊、随机森林等大数据技术对目标参数进行了特征筛选,保留相关性强的特征参数用于构建预测模型。其中,筛选出烧结矿的TFe等16个与目标参数铁水钒含量相关性较强的特征参数,筛选出与高炉提钒率相关性强的特征参数包括烧结矿Ti O、烧结矿AlO等19个特征参数。以输入参数和目标参数时间序列的方式分析铁水钒含量,得到输入参数与目标参数在不同滞后时间的相关系数。选取ada boost、随机森林等算法构建高炉铁水钒含量预测模型,ada boost模型预测的精度更为优秀。通过调整ada boost模型中基分类器的个数进行模型优化,模型的准确率(±0.015)达到90.84%,均方根误差为0.008687,拟合优度为0.859。选取BP神经网络算法构建高炉提钒率预测模型,并选取L-M算法对模型进行优化,发现优化后的预测模型精度更高,更适用于高炉提钒率的预测。预测模型的均方根误差为0.03204。图41幅;表10个;参79篇。

关键词：钒钛烧结矿铁水钒含量高炉提钒率特征工程 ada boost算法 BP神经网络算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的航拍图像绝缘子识别方法研究

基于机器学习的航拍图像绝缘子识别方法研究

作者：伍洋华北电力大学

学位级别：硕士

绝缘子由于长期暴露在野外,容易发生故障,因此绝缘子的状态监测至关重要。随着输电线路规模的逐渐扩大,直升机巡检输电线路的方式逐步取代人工徒步巡检。巡检人员通过直升机航拍大量图像、视频数据,通过后期图像处理技术实现巡检目标的... 详细信息

绝缘子由于长期暴露在野外,容易发生故障,因此绝缘子的状态监测至关重要。随着输电线路规模的逐渐扩大,直升机巡检输电线路的方式逐步取代人工徒步巡检。巡检人员通过直升机航拍大量图像、视频数据,通过后期图像处理技术实现巡检目标的自动分类与检测,极大地提升了输电线路巡检的自动化水平以及巡检的安全性和有效性。本文主要研究了航拍图像中绝缘子设备的识别定位图像算法,为后期的设备故障检测提供了前期理论基础,同时对于实现直升机巡检输电线路的数字化、智能化具有重要意义。首先,本文引入机器学习、图像识别的基本概念,并对当前机器学习和图像识别的研究现状作以介绍,并归纳了当前绝缘子设备的识别方法;然后,本文介绍了基于机器学习的图像识别基本流程以及本文识别方法涉及到的相关理论内容,包括图像数据集的获取、图像预处理、Haar-like特征、不变矩特征和识别效果评价参数,并重点分析了ada boost算法,阐述了该算法的算法步骤、误差分析等内容;最后,本文在ada boost级联分类器的基础上提出了两种绝缘子识别方法。一种是结合目标建议Bing的方法,识别过程包括了目标建议、分类器识别、检测窗融合三个模块。通过结合目标建议Bing的方法,生成相比于滑动窗数量级骤减的检测窗,快速实现检测窗的生成。另一种是结合绝缘子3D模型扩充正样本和骨架提取算法,识别过程包括:3D建模、分类器识别和骨架提取三个模块。通过粗定位与细定位算法的分步实现,精确定位图像中的绝缘子设备。对于这两种方法,分别介绍了识别流程与方法优化部分,着重阐述了所提出的方法在原基础上做的改进之处,并对实验结果进行展示与分析。综上所述,本文对基于机器学习ada boost算法的航拍图像中绝缘子设备的识别方法进行了研究,分别得到两个绝缘子识别方法,该识别方法具有较好的识别效果和鲁棒性,具有一定的实用价值,为后期的设备故障诊断提供基础。

关键词：机器学习图像识别 ada boost算法目标建议骨架提取

基于特征融合的adaboost人脸检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征融合的AdaBoost人脸检测研究

作者：李颖颖兰州理工大学

学位级别：硕士

人脸检测作为人脸识别的关键步骤,在计算机视觉和模式识别等领域得到广泛的应用。由于人脸结构具有可变性,并且人脸图像在进行采集时易受到外部因素的影响,使得人脸检测成为一种极具挑战性的课题。随着人脸检测的应用领域越来越广泛,各... 详细信息

人脸检测作为人脸识别的关键步骤,在计算机视觉和模式识别等领域得到广泛的应用。由于人脸结构具有可变性,并且人脸图像在进行采集时易受到外部因素的影响,使得人脸检测成为一种极具挑战性的课题。随着人脸检测的应用领域越来越广泛,各种检测算法层出不穷。其中ada boost算法具有较高的检测率和较快的检测速度。在此基础上,如何进一步提高ada boost算法的检测率和检测效率则成为主要的研究目标。本文在基于Haar-like特征的ada boost算法的基础上,对特征提取方法和算法本身进行分析和改进,并且在Matlab平台上对这些改进做了仿真实验,证实了所提的改进方法对人脸检测性能方面有较为明显的提高。本文的主要工作包括:针对Haar-like特征的缺点,引入另一种特征(LBP特征),并且提出一种将Haar-like特征和LBP特征融合的方法,将其引入到ada boost算法中,从而实现快速人脸检测。该方法首先针对LBP特征的提取方法进行了一些改进,使其能更好地提取人脸特征,其次将Haar-like特征和LBP特征分别训练的最佳弱分类器进行线性融合,确定最佳权重使两个目标函数最小,然后依据最佳权重确定最终的强分类器。在MIT+CMU人脸数据集上的实验结果显示,该方法的特征提取时间少于Haar-like特征,训练弱分类器的耗时也大幅度减少。检测率相比Haar-like特征基本持平,检测速度优于Haar-like特征。在Haar-like特征和LBP特征融合的基础上,针对ada boost算法样本中存在噪声样本等特殊样本时导致的过学习现象,对算法本身做出改进。一方面将人脸样本和非人脸样本分别归一化,另一方面提出一种与样本分类正确率相关的权值更新规则,从两方面保证对人脸样本的重视。该方法首先运用前面的方法进行特征提取,然后使用改进的权值归一化规则和权值更新规则引入到ada boost算法中。实验结果表明,相对于基于Haar-like特征的ada boost算法,改进的ada boost算法在大幅度减少训练时间的同时,提高了检测率,对整个人脸检测性能都有较为有效的改进。

关键词： ada boost算法 LBP特征 Haar-like特征权值归一化权值更新

基于OpenCV的人脸检测与跟踪算法研究与实现

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OpenCV的人脸检测与跟踪算法研究与实现

作者：汪翠哈尔滨工业大学

学位级别：硕士

人脸检测与跟踪技术是模式识别、计算机视觉领域内不可缺少的技术,这些技术的用途越来越广泛,现在主要应用在自动人脸识别打卡,远程视频会议及家庭智能安防等方面。人脸检测与跟踪的目的是使计算机以及嵌入式设备等能够从一帧帧视频图... 详细信息

人脸检测与跟踪技术是模式识别、计算机视觉领域内不可缺少的技术,这些技术的用途越来越广泛,现在主要应用在自动人脸识别打卡,远程视频会议及家庭智能安防等方面。人脸检测与跟踪的目的是使计算机以及嵌入式设备等能够从一帧帧视频图像中发现目标人脸并跟踪人脸。但是现有的人脸检测技术对复杂环境下的多角度多姿态人脸的检测准确度低,检测时间较长;人脸跟踪技术对目标人脸进行跟踪时的实时性差且跟踪的人脸容易丢失。针对上述问题,本论文使用了ada boost算法训练了3类人脸分类器,分别有正脸分类器、半侧脸分类器以及全侧脸分类器。使用训练出的3类分类器检测视频序列中的多角度人脸。对检测到的目标人脸进行跟踪时,使用了Cam Shift(连续自适应均值移动)算法。结合该算法和图像处理中的其他方法如中值滤波,开闭运算等能够实现复杂环境下的多姿态人脸的实时准确跟踪。为了提高人脸检测和跟踪的速度,本论文中首先对采集到的视频图像进行肤色检测或图像压缩处理,尝试减小分类器的搜索区域,从而减小人脸检测的时间。本文将Open CV视频库移植到嵌入式设备,搭建了人脸检测与跟踪硬件系统。系统中的单目摄像头根据人脸检测和跟踪的结果跟随目标人脸转动,保证跟踪到的人脸始终保持在拍摄到的画面的近似中间位置。实验仿真中,通过比较肤色检测和图像压缩预处理方法,发现图像压缩的实时性比肤色检测更高。因此本论文最先对摄像头采集的图像进行不同比例的压缩。为使人脸检测和跟踪时间缩短且保证图像质量不会大幅度降低,本论文中将图像进行了0.5倍压缩。图像压缩预处理技术提高了人脸检测和跟踪的实时性。通过实验数据比较发现在台式电脑上人脸检测与跟踪的速度比本文搭建的系统要快。但在本文的可移动摄像头系统上,人脸检测和跟踪时间仍然能够满足实际需求,系统能够检测和跟踪复杂环境下的多角度人脸,且实时性和准确度较高。

关键词：人脸检测人脸跟踪 ada boost算法 Cam Shift算法人脸检测和跟踪硬件系统

基于多示例分类的特征加权和距离准则学习问题研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多示例分类的特征加权和距离准则学习问题研究

作者：郭晓蓉太原理工大学

学位级别：硕士

在机器学习中,多示例学习是一个研究热点,是第4种机器学习框架,目前多应用于自然场景分类、网络目录页面推荐、计算机安全等方面。在多示例学习的研究中,数据包中特征数量较多的问题是研究的难点之一,且在数据包中还存在着一定数量的与... 详细信息

在机器学习中,多示例学习是一个研究热点,是第4种机器学习框架,目前多应用于自然场景分类、网络目录页面推荐、计算机安全等方面。在多示例学习的研究中,数据包中特征数量较多的问题是研究的难点之一,且在数据包中还存在着一定数量的与研究无关的特征,这些因素会提高对未知数据包标签预测的复杂度,影响预测结果。因此,对数据集进行预处理,提高与标签预测相关的特征的权值,对减少特征数量较多和无关特征干扰的负面影响是很有必要的。性能较好的分类器对降低标签预测误差起到了促进作用,其中使用较多的是基于最小或最大Hausdorff距离的近邻分类器。在运算时最小和最大Hausdorff距离都存在一定的不足,但这两种距离可以进行互相弥补。因此,本文算法在预测标签时使用融合了这两种距离的分类器,不仅可提高分类器的性能,还能降低标签预测误差。本文围绕数据集的特征加权和Hausdorff距离融合的问题展开相应的研究,具体为提出了一种改进的特征加权Simba算法和一种基于混合Hausdorff距离的集成Citation-KNN分类器,主要工作内容概括如下:第一,针对数据集的特征加权,本文提出了改进的Simba算法来提高与标签预测相关性较高的特征的权值。在经典的Simba算法中,一般使用欧几里得距离进行计算,但该方法仅适用于计算点与点之间的距离。针对其缺点,本文使用最小Hausdorff距离进行计算,以拓展算法的应用范围,减小异常值对算法的影响,降低对未知数据包的测试误差和预测的复杂度。第二,针对Hausdorff距离的融合问题,本文将使用ada boost算法,线性组合基于最小和最大Hausdorff距离的Citation-KNN分类器后生成基于混合Hausdorff距离的集成分类器。实验测试证明本算法不仅融合了最小和最大Hausdorff距离,将这两种距离的不足进行了互补,而且提升了分类器的性能,较好地降低了标签预测的误差。本文在降低预测未知数据包标签的复杂度和误差方面,将经过改进Simba算法特征加权后的数据集使用基于混合Hausdorff距离的集成分类器去学习,该方法经过相应的测试证明其有效性,在降低复杂度和预测误差方面具有一定的价值。

关键词：多示例学习 Hausdorff距离特征加权 Simba算法 Citation-KNN分类器 ada boost算法