基于Albert的联合训练文书信息提取方法研究

围绕深度学习在NLP领域的应用,分析了BiLSTM、CRF、BERT、ALBERT的结构组成、运行机理及发展演进,提出使用ALBERT-BiLSTM-CRF模型提取联合训练文书信息实体的方法,并使用联合训练文书进行实验验证,最后用该模型的信息实体提取实验结果和模型训练时间与以往其他模型进行对比分析,得出该模型的综合性能...     

RBF神经网络的混合学习算法

针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向基函数的中心取值问题,提高了网络的学习精度和训练速度.将该算法应用于非线性系统的在线辨识与二维函数的逼近,仿真实验结果证明了该方法的有效性.     

入侵检测中的多分类SVM增量学习算法

通过分析入侵检测样本的分布特点,提出了一种多分类SVM增量学习算法.该算法通过衡量同类样本点和样本中心之间的距离来确定用于训练的支持向量,以选择对分类贡献较大的边缘向量进行训练,通过求解多个超平面的方法划分出不同类别样本的区域,实现了多分类的增量学习.在保证检测率的同时,减少了样本学习数量.利用KDDCUP99标准数据集进行测试,证明该算法可以大幅度降低训练的时间和空间复杂度.     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

基于主动学习SVM的变压器局部放电模式识别

对局部放电类型进行有效识别是准确评估变压器绝缘状态的重要前提.然而放电类型识别过程中往往需要大量训练样本的学习才能达到较高的识别精度.针对这种情况,提出一种基于主动学习支持向量机的局部放电模式识别新方法.该方法在选择训练样本的过程中采用主动学习的方法,挑选出对分类器最有价值的放电样本进行训练.研究结果表明,该方法在保障识别精度的前提下有效减少了放电信号需要的训练样本个数,缩短了训练时间,提高了样本的学习效率.     

基于伪样本正则化Faster R-CNN的交通标志检测

针对交通标志检测算法往往仅能对特定类标志检测或基于深度学习方法因训练样本少而造成"过拟合"高风险等问题,本文提出了一种基于伪样本正则化Faster R-CNN深度学习的标志检测算法。该算法首先通过训练数据集提供的标志和无标注的背景样本,提出了一种伪样本正则化策略。然后,通过深度学习模型中区域建议生成网络获取建议区域。最后,利用交替训练策略、共享CNN策略和联合训练策略、RPN网络和Fast R-CNN目标检测网络交替训练和联合训练,最终获取Faster R-CNN交通标志检测模型,实现了各类标志的检测,并有效降低了"过拟合"风险。实验结果验证了本文算法的有效性。     

基于模糊集的电力系统神经网络负荷预报研究

提出了电力系统短期负荷预报基于模糊集的神经网络方法 .该方法计及了天气和日期特征量 ,具有训练时间短预测精度高的特点 .采用两种学习算法 ,依据模糊集概念用某地区电网实际数据建立样本集后 ,对ANN进行了训练 ,通过分析比较得出了优化模型 .计算事例表明用该方法是可行和有效的     

基于无线D2D网络的分层联邦学习

为了解决在无线网络中部署联邦学习面临的通信资源消耗大和设备计算资源有限的问题，提出一种基于无线设备直通(D2D)网络的分层联邦学习框架.与传统架构不同，模型训练采用分层聚合.该框架通过D2D网络进行簇内聚合，各个簇同时进行去中心化训练,从每个簇中选择一个簇头上传模型至服务器进行全局聚合.通过将去中心化学习与分层联邦学习结合，降低了中央节点网络流量.使用D2D网络中节点的度来衡量模型收敛性能，通过最大化所有簇头的度之和，对簇头选择与带宽分配问题进行联合优化，并且设计一种基于动态规划的算法求出最优解.仿真结果表明，与基线算法相比，该框架不仅能够有效地降低全局聚合的频率和减少训练时间，而且能够提高最终训练得到的模型性能.     

基于神经网络的电力通信网风险评估方法

提出了一种基于神经网络的电力通信网风险评估算法--基于二分法的学习速率自适应BP（back propagation）神经网络算法. 该算法在网络训练过程中使用二分法调整学习速率,使得学习速率在训练过程中不断向最优化方向自动调整. 仿真结果表明,收敛速度、误差精度和训练时间等算法性能得到了优化.     

基于混合数据挖掘方法的配电网故障诊断技术

针对单一数据挖掘方法在配电网故障诊断中存在的一些缺陷,提出一种基于混合数据挖掘方法的新型配电网故障诊断技术。首先利用粗糙集理论对原始故障数据进行约简,形成精简的规则集,然后利用神经网络调用最简规则集进行学习训练,具有学习训练时间短、诊断准确度高等特点.实例验证了该方法的有效性.     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量（H,Cg,Cr）T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

Calculations of the bounds on limit cycle oscillations in nonlinear aeroelastic systems based on equivalent linearization

The nonlinear aeroelastic system of an airfoil with an external store was investigated,with emphasis on the bounds of limit cycle oscillations(LCOs).Based on the equivalent linearization,an approach was proposed to calculate the bounds on LCOs over the full flight envelope.The bounds are determined directly without solving LCOs one by one as the flow speed varies.The presented approach can provide us with the maximal LCO amplitudes and the lower threshold for flow speed beyond which LCOs may arise.Numerical examples show that the obtained bounds are in nice agreement with numerical simulation results.The speed threshold can be predicted to a relative error less than 0.1%,and the maximal LCO amplitude to about 3%.The influences of the system parameters on the speed threshold for speed were investigated efficiently by the proposed approach.     

基于SIFT算法的ATM视频人脸识别方法

提出一种视频图像中人脸识别的方法。首先将视频分解成单帧图像;然后利用基于肤色的方法计算人脸占图像的比例,进而确定关键帧位置;最后运用SIFT算法进行图像匹配,按照样本训练的阈值输出匹配结果。算法研究表明：该算法不需要大量视频训练并且保证了人脸识别系统的准确性,关键帧提取简单,相对传统的关键帧提取算法缩短了处理时间,为将人脸识别系统实时化提供了支持。其中视频中人脸识别率达到94.5%。     

现实场景下行人身份识别

为了实现现实场景下的行人身份识别,结合人脸识别和行人重识别（Re-id）技术设计行人身份识别系统. 人脸识别技术能够在检测到行人的人脸时提高行人身份识别的精度,行人重识别通过改进的衣着信息消除（ICESD）模块来解决现实场景下的行人换装问题. 在存在大量未知行人的现实场景下,通过先识别是否为已知行人,然后识别具体行人类别的阈值过滤识别过程显著提升准度. 现实场景的应用测试和比较试验表明,相较于主流深度学习方法,在换装场景下,行人重识别技术能实现性能的显著提升,人脸识别也能显著提升整体识别准度. 系统的实时性分析表明,行人身份系统可以布置在现实场景下.     

一种人眼瞳孔定位方法

为了提高人脸识别系统识别率和算法的运行效率,提出一种依据阈值变化的自适应定位人眼瞳孔的方法.该方法根据最小极区的思想,利用阈值从低到高的动态变化,借助自然约束条件、相似度分析和灰度重心法来精确定位人眼瞳孔的位置.利用该方法在CAS_PEAL、CVL以及自建的人脸库上进行了大量实验.实验结果表明,该人眼瞳孔定位方法可以有效定位人眼瞳孔,并且对于光照、表情都具有较好的鲁棒性.     

嵌入式零树小波编码的细胞图像无损压缩研究

探讨了各种整数小波变换应用于骨髓细胞图像无损压缩时的能量特征分布和子带零系数比例分布等，来选取适合骨髓细胞图像的变换形式．实验结果表明，CDF（4，2）整数小波变换对骨髓细胞图像具有较优良的性能．在使用嵌入式零树小波编码算法进行变换系数的编码时，基于骨髓细胞图像的特点，提出了新的闻值选取方案．实验结果表明，新的选取方案能够有效地增加零树的数目，从而提高骨髓细胞图像的压缩效率．     

基于重采样的三维人脸样本扩充

为了对现有三维人脸数据库的数据规模和数据覆盖范围进行扩充,提出一种基于样本重采样的三维人脸样本扩充算法.该方法首先根据面部器官的分布规律对人脸样本进行区域划分,并获得关于各个器官的样本集;然后通过从各个器官样本集中选择器官并重组的方式来获取新的三维人脸样本,为了保证新器官之间的无缝融合,提出了基于薄板样条函数(thin-plate-spline,TPS)的几何信息缝合方法和基于微分算子的纹理缝合方法.实验结果表明:本文提出的样本扩充方法能对现有三维人脸数据库进行扩充;扩充后的样本集可以提高算法的效果.     

海量人脸数据库的快速检索

针对海量人脸数据库检索时间长的问题,提出了基于L-K均值层次聚类算法。此算法把大型人脸数据库划分成一些子类数据集,对处于类边界的数据,采用冗余技术和预设阈值再重新分配到一些类中,从而使检索过程只在一个或几个子类中进行。实验结果表明,该算法能极大地缩小海量人脸库的检索范围,在保证一定准确率的前提下,有效地提高了检索速度。     

基于聚类建模的三维人脸识别技术研究

由于信息采集困难、环境条件约束、实现方式和手段不足等原因,三维人脸识别技术还很不成熟.为此提出将聚类技术应用到三维人脸建模过程中来提高建模的效果和效率.首先定义了三维人脸相似性,提出了圆锥曲线相似性定义方法.其次基于三维人脸聚类建模提出了人脸识别系统的新框架,设计了与新系统对应的识别策略.实验证明,基于聚类建模的人脸识别系统在进行人脸识别时所用的时间远远少于采用传统形变模型的方法所用的时间,而且对人脸样本的数量不敏感.     

基于改进小波阈值函数的船用雷达回波去噪

为了对船用雷达（9GHz脉冲雷达）回波降噪,提出了基于小波阈值函数的改进方法,分析了中间阈值以及对应的阈值函数对船用雷达回波信号降噪的影响.在模拟雷达回波信号的降噪实验中,对新的阈值方法与软阈值、硬阈值、Firm阈值、Yasser阈值方法进行了比较.通过对阈值函数参数的调整,使得新的小波阈值函数得到更高的信噪比、更小的均方根误差和更大的能量比,证明了新方法的有效性;在实测雷达回波信号的降噪实验中,得到了一致的结论,证明了新方法的实用性.