检索结果-南通市图书馆

基于Segnet网络和迁移学习的全景街区影像变化检测

在线全文

学校读者我要写书评

暂无评论

重庆大学学报 2022年第11期45卷 100-107页

作者：余晓娜黄亮陈朋弟昆明理工大学国土资源工程学院昆明650093 云南省高校高原山区空间信息测绘技术应用工程研究中心昆明650093

针对采用传统方法难以提高全景街区影像变化检测精度的问题,提出一种基于Segnet网络和迁移学习的全景街区影像变化检测方法。首先对数据集“TSUNAMI”进行预训练并对训练集进行分类归并;然后采用Segnet网络对全景街区影像进行语义分割,... 详细信息

针对采用传统方法难以提高全景街区影像变化检测精度的问题,提出一种基于Segnet网络和迁移学习的全景街区影像变化检测方法。首先对数据集“TSUNAMI”进行预训练并对训练集进行分类归并;然后采用Segnet网络对全景街区影像进行语义分割,最后对语义分割结果进行差值运算,得到变化差异图并进行精度评价。实验选取两组全景街区影像,采用最大似然法、支持向量机方法(SVM,support vector machine)以及提出方法对这2组数据进行对比实验,第一组得到的精度分别为65.1%、72.1%和81.4%;第二组得到的精度分别为66.5%、70.6%、82.2%。实验结果表明提出的方法具有更高的变化检测精度,可为城市违章排查、灾后重建等提供技术支撑。

关键词： Segnet网络迁移学习全景街区影像变化检测支持向量机

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

基于隐马尔可夫模型的DNA序列识别

华南理工大学学报（自然科学版） 2007年第8期35卷 123-126页

作者：罗泽举李艳会宋丽红朱思铭重庆工商大学计算机科学与信息工程学院重庆400067 中山大学数学与计算科学学院广东广州510275 重庆工商大学实验实习中心重庆400067

利用隐马尔可夫模型训练中不同结构的DNA序列的L值分布范围不同的特点,对传统多类投票模型进行改进,提出一种优于传统算法的快速训练算法,该算法只需训练出一类隐马尔可夫模型参数.对DNA内含子和外显子序列进行识别,平均识别率达到了90.... 详细信息

利用隐马尔可夫模型训练中不同结构的DNA序列的L值分布范围不同的特点,对传统多类投票模型进行改进,提出一种优于传统算法的快速训练算法,该算法只需训练出一类隐马尔可夫模型参数.对DNA内含子和外显子序列进行识别,平均识别率达到了90.8%.与支持向量机相比,隐马尔可夫模型在解决多分类问题方面具有优势,不但计算时间少,而且识别率高.

关键词：隐马尔可夫模型 DNA序列内含子外显子识别快速训练算法

基于BiLSTM-CNN的地基SAR永久散射体选取

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2024年第7期43卷 24-32页

作者：陈姣刘毓邓云开金重阳杨志航重庆三峡学院电子与信息工程学院重庆404130 北京理工大学重庆创新中心重庆401120 北京理工大学信息与电子学院雷达技术研究所北京100081

针对地基合成孔径雷达(SAR)形变测量中,常规永久散射体(PS)选取方法在时间欠相干复杂场景下,PS选取数量、质量难以满足形变测量需求的问题。提出了一种基于双向长短期记忆-卷积神经网络(BiLSTM-CNN)的PS选取方法,该方法采用幅度离差与... 详细信息

针对地基合成孔径雷达(SAR)形变测量中,常规永久散射体(PS)选取方法在时间欠相干复杂场景下,PS选取数量、质量难以满足形变测量需求的问题。提出了一种基于双向长短期记忆-卷积神经网络(BiLSTM-CNN)的PS选取方法,该方法采用幅度离差与幅度联合选取正、负样本构建训练数据集,并把干涉相位、幅度差分与相关系数作为数据集的时序特征,然后利用BiLSTM和多尺度CNN分别学习PS全局时序特征及局部时序特征,再通过多头自注意力机制(MHSA)对全局和局部时序特征进行加权融合学习,最后进行特征概率映射以构建PS分类模型。利用重庆市万州区九道拐雷达监测数据对所提方法性能进行实验分析,结果表明该方法改善了网络准确度、F1分数、召回率、精确度等指标,提高了雷达图像PS选取数量及质量。

关键词：地基SAR 永久散射体双向长短期记忆卷积神经网络多头自注意力机制

在线全文

学校读者我要写书评

暂无评论

基于有监督对比学习的遥感图像场景分类

光子学报 2021年第7期50卷 79-90页

作者：郭东恩夏英罗小波丰江帆重庆邮电大学重庆市空间大数据智能技术工程研究中心重庆400065 南阳理工学院计算机与软件学院河南南阳473000

针对遥感场景图像中复杂背景以及类内多样性和类间相似性影响场景分类性能的问题,提出一种基于有监督对比学习的遥感场景分类方法。该方法包含判别性特征学习和线性分类两个阶段。在判别性特征学习阶段,引入有监督对比损失以拉近同类场... 详细信息

针对遥感场景图像中复杂背景以及类内多样性和类间相似性影响场景分类性能的问题,提出一种基于有监督对比学习的遥感场景分类方法。该方法包含判别性特征学习和线性分类两个阶段。在判别性特征学习阶段,引入有监督对比损失以拉近同类场景间的距离并增大不同类场景间的距离,提高类内多样性和类间相似性场景的判别能力;然后引入门控自注意模块对无用的背景信息进行过滤且聚焦关键场景区域,提高复杂背景的场景识别;最后引入一个预训练的Inception V3语义分支,把语义分支和原始模型提取的特征进行融合增强特征判别能力,以提高场景分类的整体性能。线性分类阶段通过对特征学习阶段训练的模型进行微调获得分类结果。在AID和NWPU-RESISC45数据集上的综合实验证明了所提方法的有效性。

关键词：有监督对比学习特征融合遥感场景分类门控机制自注意机制遥感图像预训练模型

在线全文

学校读者我要写书评

暂无评论

鉴别流形敏感的跨模态轴承故障诊断方法

重庆工商大学学报（自然科学版） 2024年第3期41卷 113-118页

作者：朱彦敏苏树智安徽理工大学机电工程学院安徽淮南232001 安徽理工大学计算机科学与工程学院安徽淮南232001 合肥综合性国家科学中心大健康研究院职业医学与健康联合研究中心(安徽理工大学)安徽淮南232001

目的在实际应用中采集的原始多模态故障数据通常是包含大量噪声和冗余信息的非线性数据,如何从不同故障模态中提取有效的非线性故障特征仍是一个挑战性的问题。方法提出了一种鉴别流形敏感的跨模态故障诊断方法,在该方法中首先借助相关... 详细信息

目的在实际应用中采集的原始多模态故障数据通常是包含大量噪声和冗余信息的非线性数据,如何从不同故障模态中提取有效的非线性故障特征仍是一个挑战性的问题。方法提出了一种鉴别流形敏感的跨模态故障诊断方法,在该方法中首先借助相关分析理论在跨模态故障空间中构建了不同模态间的相关系数,并通过理论推导获得了相关系数的等价优化模型,然后利用局部近邻图构建了鉴别流形敏感散布,进而通过最大化不同模态间的相关性和最小化鉴别流形敏感散布,形成了鉴别流形敏感的跨模态故障诊断模型,并且在理论上推导出了该优化模型的解析解,从而能够从不同模态的故障数据中学习强鉴别力的非线性故障特征。结果在德国帕德博恩轴承数据集和多模态轴承故障数据集上设计了针对性实验,实验结果显示在少量故障样本用于训练时即可获得良好的诊断准确性。结论提出的方法是一种有效的跨模态故障诊断方法。

关键词：故障诊断跨模态故障特征抽取鉴别流形结构

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

基于多特征信息融合的截齿磨损程度识别研究

电子测量与仪器学报 2017年第12期31卷 1974-1983页

作者：张强刘志恒王海舰顾颉颖田莹仲丛华辽宁工程技术大学机械工程学院阜新123000 煤炭资源安全开采与洁净利用工程研究中心阜新123000 重庆大学机械传动国家重点实验室重庆400044 桂林电子科技大学机电工程学院桂林541004 长春理工大学光电信息学院长春130012

为实现截割过程中截齿磨损程度的在线监测和精准识别,提出一种基于多特征信息融合的采煤机截齿磨损程度识别方法。针对不同磨损程度截齿截割过程中的振动和声发射信号进行时域分析和小波包分析;针对两相邻磨损程度截齿的特征样本存在数... 详细信息

为实现截割过程中截齿磨损程度的在线监测和精准识别,提出一种基于多特征信息融合的采煤机截齿磨损程度识别方法。针对不同磨损程度截齿截割过程中的振动和声发射信号进行时域分析和小波包分析;针对两相邻磨损程度截齿的特征样本存在数据交集,增加系统识别难度的问题,构建最小模糊度优化模型并计算各特征参数的最优模糊隶属度函数,获取特征样本的最大隶属度。运用多特征数据样本对BP(back-propagation)神经网络识别模型进行学习和训练。实验结果表明,截齿磨损程度识别模型的判别结果和样本实际磨损类别相符,能够实现对截齿磨损程度的在线监测和精准识别。研究结果对于实际工程中截齿的监测和更换具有重要意义。

关键词：截齿磨损程度 BP神经网络模糊隶属度振动信号声发射信号

基于SDN-DDQN的数据中心网络负载均衡算法

在线全文

学校读者我要写书评

暂无评论

重庆科技学院学报（自然科学版） 2023年第6期25卷 72-78页

作者：陈康朱晓娟安徽理工大学计算机科学与工程学院安徽淮南232001

在数据中心网络(DCN)数据流量激增、大小流突发的情况下,采用传统负载均衡算法存在实时性不足,长期效果难以优化等问题,易造成网络链路拥塞。为此,提出一种基于SDN-DDQN的负载均衡(DDQNLB)算法。此算法利用SDN全局视图的优势,选择交换... 详细信息

在数据中心网络(DCN)数据流量激增、大小流突发的情况下,采用传统负载均衡算法存在实时性不足,长期效果难以优化等问题,易造成网络链路拥塞。为此,提出一种基于SDN-DDQN的负载均衡(DDQNLB)算法。此算法利用SDN全局视图的优势,选择交换机负载和带宽利用率作为网络状态输入,为DCN中的大流和小流分别设置卷积神经网络(CNN)进行学习和训练,以满足DCN中大流高吞吐量和小流低延时的需求。实验结果表明,与ECMP和Hedera算法相比,DDQNLB算法可有效提高网络吞吐量并保证较低的丢包率。

关键词：数据中心网络软件定义网络 DDQN算法链路拥塞负载均衡

在线全文

学校读者我要写书评

暂无评论

面向流调对象轨迹的实体抽取方法

面向流调对象轨迹的实体抽取方法

2023中国自动化大会

作者：李浩严怀成孙家正汤楠茜白轲李郅辰华东理工大学信息科学与工程学院

公共卫生事件的突发往往威胁到人民的生命财产安全,有效利用感染者流调轨迹数据,深入研究以感染者为中心的疾病传播路径尤为重要,实体抽取作为自然语言处理领域的重要技术,旨在抽取原始文本有效实体信息,为包括关系抽取等不同下游任务... 详细信息

公共卫生事件的突发往往威胁到人民的生命财产安全,有效利用感染者流调轨迹数据,深入研究以感染者为中心的疾病传播路径尤为重要,实体抽取作为自然语言处理领域的重要技术,旨在抽取原始文本有效实体信息,为包括关系抽取等不同下游任务提供重要特征信息。鉴于原始流调报告表达方式的迥异,正则表达式匹配抽取效果有限,本文提出基于BERT-BiLSTM-CRF的实体抽取方法,并自构建流调轨迹实体语料库,利用BERT预训练模型表征原始文本的语义向量,BiLSTM获取上下文文本信息特征,利用CRF构建标签转移矩阵,预测标签间的依赖关系,实现最优序列获取。在自构建的流调轨迹语料库上的实验结果表明,该方法 F1分数(F1-score)达到0.87,优于其他传统方法,可以用于流调对象轨迹实体抽取。

关键词：实体抽取预训练模型双向循环神经网络条件随机场

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

基于元学习的广域范围滑坡易发性小样本预测

武汉大学学报（信息科学版） 2024年第8期49卷 1367-1376页

作者：陈力丁雨淋朱庆曾浩炜张利国刘飞成都理工大学地质灾害防治与地质环境保护国家重点实验室四川成都610059 西南交通大学地球科学与环境工程学院四川成都611756 成都市勘察测绘研究院四川成都610000 四川测绘地理信息局测绘技术服务中心四川成都610081

滑坡灾害是当前制约中国西部山区重大基础设施建设的最重要因素之一。如何可靠开展广域范围滑坡敏感性预测,一直是国内外研究的难点。现有以深度学习为代表的数据驱动广域复杂环境敏感性分析方法仍面临两大挑战:(1)广域范围滑坡孕灾环... 详细信息

滑坡灾害是当前制约中国西部山区重大基础设施建设的最重要因素之一。如何可靠开展广域范围滑坡敏感性预测,一直是国内外研究的难点。现有以深度学习为代表的数据驱动广域复杂环境敏感性分析方法仍面临两大挑战:(1)广域范围滑坡孕灾环境的差异性:单一模型难以可靠预测(解释)不同孕灾环境滑坡易发性;(2)小样本问题:中国西南山区滑坡隐蔽性强,探测成本高昂,样本数据少。针对以上问题,以中国重庆市綦江、涪陵区为例,采用分块预测策略,元学习一种泛化性强的适于滑坡敏感性小样本预测的中间表征,通过局部区域中极少的样本和反向传播梯度迭代次数,将模型快速适应于当前局部区域滑坡敏感性预测任务,从而解决广域范围滑坡孕灾环境差异问题与小样本问题。区别于支持向量机、多层感知机、随机森林等传统方法需要大量样本及梯度迭代训练监督模型,所提方法仅需要小样本微调中间模型,就使滑坡敏感图预测精度提升1%~5%,准确度提升1%~3%,F1分数提升0.5%~6%,召回率接近其他方法最高水平。

关键词：滑坡敏感性数据驱动元学习小样本学习