期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到68篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CNN-SVR混合深度学习模型的短时交通流预测 被引量：74
1
作者 罗文慧 董宝田 王泽胜 《交通运输系统工程与信息》 EI CSCD 北大核心 2017年第5期68-74,共7页
精准且快速的短时交通流预测是智能交通发展的重要组成部分.本文针对当前交通流预测模型不能充分提取交通流数据的时空特征、预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型,该模型结合卷积神经网络... 精准且快速的短时交通流预测是智能交通发展的重要组成部分.本文针对当前交通流预测模型不能充分提取交通流数据的时空特征、预测性能容易受到外界干扰因素影响的问题,提出一种基于深度学习的短时交通流预测模型,该模型结合卷积神经网络(Convolutional Neural Network,CNN)与支持向量回归分类器(Support Vector Regression,SVR)的特点:在网络底层应用CNN进行交通流特征提取,并将提取结果输入到SVR回归模型中进行流量预测.为验证模型的有效性,取G103国道的实际交通流量数据进行试验.结果表明,提出的预测模型与传统的预测模型相比具有更高的预测精度,预测性能提高了11%,是一种有效的交通流预测模型. 展开更多
关键词 智能交通 交通流预测 卷积神经网络 交通流 支持向量回归 深度学习
下载PDF
基于序的空间金字塔池化网络的人群计数方法 被引量：38
2
作者 时增林 叶阳东 +1 位作者 吴云鹏 娄铮铮 《自动化学报》 EI CSCD 北大核心 2016年第6期866-874,共9页
视频中的人群计数在智能监控领域具有重要价值.由于摄像机透视效果、图像背景、人群密度分布不均匀和行人遮挡等干扰因素的制约,基于底层特征的传统计数方法准确率较低.本文提出一种基于序的空间金字塔池化(Rank-based spatial pyramid ... 视频中的人群计数在智能监控领域具有重要价值.由于摄像机透视效果、图像背景、人群密度分布不均匀和行人遮挡等干扰因素的制约,基于底层特征的传统计数方法准确率较低.本文提出一种基于序的空间金字塔池化(Rank-based spatial pyramid pooling,RSPP)网络的人群计数方法.该方法将原图像分成多个具有相同透视范围的子区域并在各个子区域分别取不同尺度的子图像块,采用基于序的空间金字塔池化网络估计子图像块人数,然后相加所有子图像块人数得出原图像人数.提出的图像分块方法有效地消除了摄像机透视效果和人群密度分布不均匀对计数的影响.提出的基于序的空间金字塔池化不仅能够处理多种尺度的子图像块,而且解决了传统池化方法易损失大量重要信息和易过拟合的问题.实验结果表明,本文方法相比于传统方法具有准确率高和鲁棒性好的优点. 展开更多
关键词 人群计数 空间金字塔池化 深度学习 卷积神经网络 岭回归
下载PDF
高精度配电网电气设备故障识别检测方法 被引量：35
3
作者 赵欢 阳浩 +2 位作者 何亮 魏恩伟 郑杰 《沈阳工业大学学报》 CAS 北大核心 2021年第6期614-618,共5页
针对电气设备红外图像边界模糊、噪声大等问题,结合卷积神经网络模型和图像识别技术,利用可见光图像与红外成像,实现了对配电网电气设备的高精度远程识别和发热诊断.采用卷积神经网络和边框回归算法完成了对识别对象的标记,基于灰度梯... 针对电气设备红外图像边界模糊、噪声大等问题,结合卷积神经网络模型和图像识别技术,利用可见光图像与红外成像,实现了对配电网电气设备的高精度远程识别和发热诊断.采用卷积神经网络和边框回归算法完成了对识别对象的标记,基于灰度梯度信息矩阵提取了配电网红外图像的纹理信息特征参数,采用主成分分析的方法得到特征参数的主成分分量,并将其作为输入向量,对设备运行状态进行识别.结果表明,样本训练及测试的准确率能够分别达到95%、90%以上,设备发热故障识别准确率约为85%. 展开更多
关键词 卷积神经网络 图像识别 红外成像 灰度梯度信息矩阵 主成分分析 故障识别 边框回归算法 对象识别
下载PDF
利用卷积神经网络支持向量回归机的地区负荷聚类集成预测 被引量：30
4
作者 沈兆轩 袁三男 《电网技术》 EI CSCD 北大核心 2020年第6期2237-2244,共8页
为提高地区负荷预测的运算效率和预测精度,提出了一种基于卷积神经网络支持向量回归机的地区负荷聚类集成预测方法。首先,通过聚类模型对地区内大量用户的真实负荷数据进行分组并分析了不同聚类模型的效果。其次,使用得到的聚类分组标... 为提高地区负荷预测的运算效率和预测精度,提出了一种基于卷积神经网络支持向量回归机的地区负荷聚类集成预测方法。首先,通过聚类模型对地区内大量用户的真实负荷数据进行分组并分析了不同聚类模型的效果。其次,使用得到的聚类分组标签将用户数据分组集成并构建训练数据。然后,基于改进的卷积神经网络构建了卷积神经网络支持向量回归机模型。最后,分组进行负荷预测并将预测结果求和得到地区最终预测月负荷,并与卷积神经网络模型、长短期记忆神经网络模型、决策树模型、支持向量回归机模型进行对比。文中使用扬中市高新区的负荷数据作为算例进行分析,结果表明文中所提方法相较于现有算法具有更高的负荷预测精度和运算效率。 展开更多
关键词 负荷预测 卷积神经网络 支持向量回归机 聚类
下载PDF
基于红外热成像的白羽肉鸡体温检测方法 被引量：22
5
作者 沈明霞 陆鹏宇 +3 位作者 刘龙申 孙玉文 许毅 秦伏亮 《农业机械学报》 EI CAS CSCD 北大核心 2019年第10期222-229,共8页
为了快速、准确地检测肉鸡体温,提出了一种红外热成像技术和深度学习相结合的肉鸡体温检测方法。以卷积神经网络为基础,建立肉鸡头部和腿部的感兴趣区域(Region of interest,ROI)识别模型,提取肉鸡头部和腿部的最高温度,结合环境温度、... 为了快速、准确地检测肉鸡体温,提出了一种红外热成像技术和深度学习相结合的肉鸡体温检测方法。以卷积神经网络为基础,建立肉鸡头部和腿部的感兴趣区域(Region of interest,ROI)识别模型,提取肉鸡头部和腿部的最高温度,结合环境温度、相对湿度和光照强度,分别构建了基于多元线性回归和基于BP神经网络的肉鸡翅下体温反演模型。试验结果表明,基于深度卷积神经网络(Convolutional neural networks,CNNs)的感兴趣区域识别模型在测试集上的查准率和查全率分别为96. 77%和100%,基于多元线性回归和BP(Back propagation)神经网络的反演模型平均相对误差分别为0. 33%和0. 29%。基于BP神经网络的肉鸡翅下温度反演模型具有更高的准确性,可准确检测肉鸡体温。 展开更多
关键词 肉鸡 体温 热红外成像 卷积神经网络 多元线性回归 BP神经网络
下载PDF
基于深度学习的漏磁检测缺陷识别方法 被引量：21
6
作者 王宏安 陈国明 《石油机械》 北大核心 2020年第5期127-132,共6页
传统漏磁信号缺陷量化缺少其他分量信息,人工特征的提取方式造成信息量有限。为此,提出一种基于深度学习的漏磁检测缺陷量化识别方法,并建立了漏磁检测缺陷识别模型,该模型包含深度卷积神经网络模块和回归模块。深度卷积神经网络模块利... 传统漏磁信号缺陷量化缺少其他分量信息,人工特征的提取方式造成信息量有限。为此,提出一种基于深度学习的漏磁检测缺陷量化识别方法,并建立了漏磁检测缺陷识别模型,该模型包含深度卷积神经网络模块和回归模块。深度卷积神经网络模块利用卷积神经网络的多输入多输出互相关操作,完成漏磁缺陷信号3个分量(轴向、周向、径向)的数据融合,利用预训练的网络,迁移已有知识,实现缺陷信号的特征自动提取;回归模块中设计缺陷、长度和宽度联合损失函数,利用回归方式实现缺陷尺度的量化。采用有限元仿真和牵拉试验相结合的方式,建立漏磁信号缺陷量化数据集并划分为训练集和测试集,训练集用于模型训练,测试集进行方法验证。研究结果表明:90%置信度下,长度和宽度量化结果全部落在±10 mm的误差带上,深度量化结果全部落在±10%t (t为壁厚)的误差带上,满足工程检测要求,可有效完成管道漏磁缺陷识别。研究结果可为油气输送管道漏磁检测新技术的研究提供一定的参考。 展开更多
关键词 深度学习 卷积神经网络 回归预测 缺陷量化识别 漏磁信号
下载PDF
基于CNN-QRLightGBM的短期负荷概率密度预测 被引量：20
7
作者 许佳辉 王向文 杨俊杰 《电网技术》 EI CSCD 北大核心 2020年第9期3409-3415,共7页
为了应对智能电网时代用电需求的活跃性、不稳定性,提出了一种基于卷积神经网络(convolutional neural network,CNN)结合分位数回归轻量梯度提升机的短期负荷概率密度预测方法。首先通过建立Copula模型分析变量之间的相关性、采用CNN进... 为了应对智能电网时代用电需求的活跃性、不稳定性,提出了一种基于卷积神经网络(convolutional neural network,CNN)结合分位数回归轻量梯度提升机的短期负荷概率密度预测方法。首先通过建立Copula模型分析变量之间的相关性、采用CNN进行特征提取;其次通过树状结构Parzen估计方法对回归预测模型进行超参数调优;然后用调优后的模型在不同分位点上进行预测,将预测结果进行核密度估计得到概率密度函数。最后在美国新英格兰地区缅因州数据集上进行仿真验证,结果表明所提方法可更好地量化短期负荷概率密度预测。 展开更多
关键词 COPULA函数 卷积神经网络 分位数回归 LightGBM 核密度估计 TPE
下载PDF
基于注意力机制的卷积神经网络指针式仪表图像读数识别方法 被引量：20
8
作者 张森 万吉林 +3 位作者 王慧芳 管敏渊 杨斌 李凡 《电力自动化设备》 EI CSCD 北大核心 2022年第4期218-224,共7页
目前关于指针式仪表图像读数识别的研究大多建立在指针线段检测的基础上,然而该方法流程较多、读数识别效率低。并且仪表图像校准、指针线段拟合等中间过程积累的误差容易使指针倾角偏离真实值。因此从另一角度对基于图像特征映射仪表... 目前关于指针式仪表图像读数识别的研究大多建立在指针线段检测的基础上,然而该方法流程较多、读数识别效率低。并且仪表图像校准、指针线段拟合等中间过程积累的误差容易使指针倾角偏离真实值。因此从另一角度对基于图像特征映射仪表读数的方法进行了研究,该方法的优势是流程短、效率高。首先构建了融合卷积注意力模块的双路异构卷积神经网络,强化了对仪表图像特征的提取,改善了特征的类型和分布,提高了仪表读数识别的准确率;然后采取了软区间分级回归的策略,极大地简化了模型的体积,使得模型易于部署;最后通过算例对比了所提方法和基于指针线段检测的深度学习、机器学习模型识别仪表读数的准确率和效率。算例表明,所提方法在仪表图像读数识别准确率和效率之间取得了较好的平衡。 展开更多
关键词 指针式仪表 读数识别 卷积神经网络 注意力机制 分级回归 软区间
下载PDF
基于小波分解-卷积神经网络和支持向量回归的短期负荷预测 被引量：20
9
作者 赵辉 杨赛 +1 位作者 岳有军 王红君 《科学技术与工程》 北大核心 2021年第25期10718-10724,共7页
为了提高短期负荷预测精度,考虑到除历史负荷数据之外的其他因素对短期负荷预测的重要影响,提出了一种基于离散小波分解(wavelet decomposition,WD)、卷积神经网络(convolutional neural network,CNN)和支持向量回归(support vector reg... 为了提高短期负荷预测精度,考虑到除历史负荷数据之外的其他因素对短期负荷预测的重要影响,提出了一种基于离散小波分解(wavelet decomposition,WD)、卷积神经网络(convolutional neural network,CNN)和支持向量回归(support vector regression,SVR)的负荷预测模型。首先,该方法通过小波分解算法对历史负荷数据进行分析与重构,得到长度相同的历史负荷数据,降低了原始序列中非平稳性对预测精度的影响;其次,对天气因素、日期类型进行特征构造,得到特征数据;最后,将处理后的负荷数据输入卷积神经网络支持向量回归机模型,将天气特征数据输入反向传播(back propagation,BP)神经网络支持向量回归模型,通过两个模型结果的叠加得到最终的预测值。实验结果表明,模型的预测精度和效率优于传统的CNN网络、SVR网络以及输入不进行划分的CNN-SVR模型,验证了其可行性。 展开更多
关键词 短期负荷预测 小波分解 卷积神经网络 支持向量回归
下载PDF
基于全卷积网络的目标检测算法 被引量：19
10
作者 施泽浩 赵启军 《计算机技术与发展》 2018年第5期55-58,共4页
目标检测是计算机视觉的一项重要任务,其主要内容是定位图像中出现的目标,并对其进行分类。主流算法普遍基于卷积加全连接的结构,存在模型参数巨大、检测效率低下等问题。而在现实应用中,比如自动驾驶车载系统、智能监控系统中对行人、... 目标检测是计算机视觉的一项重要任务,其主要内容是定位图像中出现的目标,并对其进行分类。主流算法普遍基于卷积加全连接的结构,存在模型参数巨大、检测效率低下等问题。而在现实应用中,比如自动驾驶车载系统、智能监控系统中对行人、车辆等目标的检测,往往对目标检测算法的实时性具有较高要求。为此,提出一种基于全卷积神经网络的目标检测算法。网络结构完全采用卷积层实现,不仅用卷积进行特征提取,而且用卷积层进行预测,采用多任务学习,大大提高了检测效率并降低了模型复杂度。相比主流深度学习目标检测算法,如YOLO、Faster RCNN,该算法速度更快,模型参数更少,且保持相当的精度,在PASCAL VOC2007权威目标检测库上的平均准确率(m AP)达到64.5。 展开更多
关键词 目标检测 深度学习 全卷积神经网络 回归 计算机视觉
下载PDF
基于深度学习的非定常周期性流动预测方法 被引量：16
11
作者 惠心雨 袁泽龙 +2 位作者 白俊强 张扬 陈刚 《空气动力学学报》 CSCD 北大核心 2019年第3期462-469,共8页
为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本... 为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。 展开更多
关键词 深度学习 卷积神经网络 生成对抗网络 回归 非定常流场 预测
下载PDF
使用CNN-SVR的汽车组合仪表组装质量预测方法 被引量：15
12
作者 何彦 肖圳 +3 位作者 李育锋 吴鹏程 刘德高 杜江 《中国机械工程》 EI CAS CSCD 北大核心 2022年第7期825-833,共9页
汽车组合仪表组装过程质检时间长、效率低,因此提出卷积神经网络与支持向量回归相结合的汽车组合仪表组装质量预测方法。结合仪表组装工艺,将卷积神经网络提取的生产数据特征作为支持向量回归的输入,对表征仪表质量的指针偏转角度做出... 汽车组合仪表组装过程质检时间长、效率低,因此提出卷积神经网络与支持向量回归相结合的汽车组合仪表组装质量预测方法。结合仪表组装工艺,将卷积神经网络提取的生产数据特征作为支持向量回归的输入,对表征仪表质量的指针偏转角度做出预测。通过车间质检系统获取了仪表原始生产数据,对不同质检情况下的指针偏转角度进行了预测;结果表明所提方法预测误差较小,且具备较强的泛化能力,能够准确有效地预测汽车组合仪表的组装质量。 展开更多
关键词 质量预测 汽车组合仪表 卷积神经网络 支持向量回归
下载PDF
基于变分模态分解的卷积神经网络−双向门控循环单元−多元线性回归多频组合短期电力负荷预测 被引量：14
13
作者 方娜 李俊晓 +1 位作者 陈浩 李新新 《现代电力》 北大核心 2022年第4期441-448,共8页
为了有效提高电力负荷预测精度,针对电力负荷非线性、非平稳性、时序性的特点,提出了一种卷积神经网络(convolutional neural networks,CNN)、双向门控循环单元(bidirectional gated recurrent unit,BiGRU)和多元线性回归(multiple line... 为了有效提高电力负荷预测精度,针对电力负荷非线性、非平稳性、时序性的特点,提出了一种卷积神经网络(convolutional neural networks,CNN)、双向门控循环单元(bidirectional gated recurrent unit,BiGRU)和多元线性回归(multiple linear regression,MLR)混合的多频组合短期电力负荷预测模型。该模型先利用关联度分析得到相似日,并将其负荷组成新的数据序列,同时使用变分模态分解(variational mode decomposition,VMD)将该数据序列进行分解,并重构成高低2种频率。对于高频分量,使用CNN-BiGRU模型进行预测;低频部分则使用MLR。最后将各个模型得出的预测结果叠加,得到最终预测结果。以2006年澳大利亚真实数据为例,进行短期电力负荷预测。仿真结果表明,相比于其他网络模型,该模型具有较高的预测精度和拟合能力,是一种有效的短期负荷预测方法。 展开更多
关键词 变分模态分解 卷积神经网络 双向门控循环单元 多元线性回归 负荷预测
下载PDF
轻量化卷积神经网络目标检测算法综述 被引量：13
14
作者 杨玉敏 廖育荣 +2 位作者 林存宝 倪淑燕 吴止锾 《舰船电子工程》 2021年第4期31-36,共6页
随着近年来深度学习的迅猛发展,基于卷积神经网络(CNN)的目标检测算法由于相比传统算法更具优势,已成为当前解决目标检测问题的首选方法。为了实现CNN类目标检测算法在嵌入式等资源受限的平台上高效运行,各种轻量化CNN类网络和目标检测... 随着近年来深度学习的迅猛发展,基于卷积神经网络(CNN)的目标检测算法由于相比传统算法更具优势,已成为当前解决目标检测问题的首选方法。为了实现CNN类目标检测算法在嵌入式等资源受限的平台上高效运行,各种轻量化CNN类网络和目标检测算法近年来得到了快速发展。首先对SqueezeNet、MobileNet、ShuffleNet三类轻量化网络进行了概述,在此基础上对CNN类轻量化目标检测算法发展历程和研究进展进行了系统总结,并结合各类算法在VOC等数据集上的测试结果对其进行了对比分析,讨论了各类轻量化目标检测算法的性能特点及未来发展方向。 展开更多
关键词 目标检测 卷积神经网络 轻量化 候选区域 回归方法
下载PDF
基于MTCNN和Facenet的人脸识别系统设计 被引量：13
15
作者 李志华 张见雨 魏忠诚 《现代电子技术》 2022年第4期139-143,共5页
由于传统人脸识别系统多采用手工进行特征设定,存在识别精度低、速度慢等缺点,因此文中设计一种基于MTCNN和Facenet的人脸识别系统。采用MTCNN模型进行人脸边框回归,通过三阶级联卷积神经网络对人脸图像进行从粗到细的提取;采用Facenet... 由于传统人脸识别系统多采用手工进行特征设定,存在识别精度低、速度慢等缺点,因此文中设计一种基于MTCNN和Facenet的人脸识别系统。采用MTCNN模型进行人脸边框回归,通过三阶级联卷积神经网络对人脸图像进行从粗到细的提取;采用Facenet模型进行人脸特征向量提取,构建本地人脸特征库;通过比对待识别人脸特征向量与本地人脸特征库中向量间的欧氏距离,输出识别结果。为验证系统性能,从检测速度与检测精度两方面进行测试。实验结果表明,文中所设计的系统识别速度达25 f/s以上,当特征向量间的欧氏距离的阈值设定为0.60时,在数据集LFW上的识别率最高达到99.27%。该系统检测速度满足实时性的同时具有较高的检测精度。 展开更多
关键词 深度学习 卷积神经网络 人脸识别 MTCNN Facenet 系统设计 特征提取 边框回归
下载PDF
基于深度卷积神经网络的高光谱遥感图像分类 被引量：13
16
作者 罗建华 李明奇 +1 位作者 郑泽忠 李江 《西华大学学报（自然科学版）》 CAS 2017年第4期13-20,共8页
传统的高光谱图像分类模型只考虑光谱特征信息,忽略了图像空间结构信息在分类中的重要作用。为提高高光谱遥感图像的分类精度,提出一种同时利用高光谱图像的光谱信息和空间信息的深度卷积神经网络分类模型。通过对低层特征自动分层地学... 传统的高光谱图像分类模型只考虑光谱特征信息,忽略了图像空间结构信息在分类中的重要作用。为提高高光谱遥感图像的分类精度,提出一种同时利用高光谱图像的光谱信息和空间信息的深度卷积神经网络分类模型。通过对低层特征自动分层地学习来提取更加抽象的高层特征,提取的特征具有平移、缩放及其他形式扭曲等高度不变性;基于学习到的深度特征,用logistic回归分类器进行分类训练。高光谱数据实验结果表明,深度卷积神经网络模型能够提高高光谱遥感图像的分类精度,从而验证了深度卷积神经网络进行高光谱图像分类的可行性和有效性。 展开更多
关键词 高光谱遥感图像 卷积神经网络 特征提取 logMc回归分类器 分类精度 可行性 有效性
下载PDF
基于CNN和SVR相结合的电力负荷预测分析 被引量：11
17
作者 马煜 黄哲洙 +2 位作者 钟丽波 李然 杨宁 《东北电力技术》 2020年第2期37-41,共5页
针对电力负荷预测提出了卷积神经网络和支持向量回归相结合的方法。首先将数据预处理成灰度图,作为算法输入数据;然后通过卷积神经网络进行特征提取,将电力负荷的影响因素重新混合,提取更高维的新特征;最后将新特征输入支持向量回归模... 针对电力负荷预测提出了卷积神经网络和支持向量回归相结合的方法。首先将数据预处理成灰度图,作为算法输入数据;然后通过卷积神经网络进行特征提取,将电力负荷的影响因素重新混合,提取更高维的新特征;最后将新特征输入支持向量回归模型进行预测。通过试验对比,该方法实际效果良好。 展开更多
关键词 卷积神经网络 支持向量回归 灰度图 电力负荷预测
下载PDF
基于POA-CNN-REGST的电梯钢丝绳滑移量预测方法 被引量：10
18
作者 朱锡山 罗贞 +2 位作者 易灿灿 尤光辉 薛家成 《机电工程》 CAS 北大核心 2023年第6期928-935,共8页
电梯曳引轮与钢丝绳之间的滑移量过大会导致重大意外事故的发生,针对这一问题,提出了一种基于鹈鹕优化算法-卷积神经网络-堆叠回归(POA-CNN-REGST)的电梯钢丝绳滑移量预测方法。首先,使用数据产生函数生成了样本,并对样本添加了高斯白噪... 电梯曳引轮与钢丝绳之间的滑移量过大会导致重大意外事故的发生,针对这一问题,提出了一种基于鹈鹕优化算法-卷积神经网络-堆叠回归(POA-CNN-REGST)的电梯钢丝绳滑移量预测方法。首先,使用数据产生函数生成了样本,并对样本添加了高斯白噪声,分别使用POA-CNN-REGST、支持向量机(SVM)、相关向量机(RVM)对仿真数据进行了训练和学习;然后,对试验基地采集的电梯滑移量等相关数据进行了归一化处理,并用POA-CNN-REGST进行了电梯钢丝绳滑移量预测;最后,将结果与传统的统计学模型SVM和RVM进行了比较。研究结果表明:在使用相同的训练集和测试集时,在仿真数据分析中,其均方根误差为0.0496;在真实数据分析中,其均方根误差和平均绝对百分比误差低至0.0661和0.0733。无论是仿真数据或是真实数据分析,该模型预测准确度都远高于SVM和RVM,这表明其在电梯钢丝绳滑移量预测方面具有高度可靠性。 展开更多
关键词 曳引式电梯 钢丝绳 滑移量 鹈鹕优化算法 卷积神经网络 堆叠回归模型
下载PDF
复杂环境下基于角点回归的全卷积神经网络的车牌定位 被引量：11
19
作者 罗斌 郜伟 +2 位作者 汤进 王文中 李成龙 《数据采集与处理》 CSCD 北大核心 2016年第1期65-72,共8页
车牌定位是车牌识别系统中核心部分,具有较高的研究和应用价值。尽管近些年来该研究取得了很大的进展,但仍无法很好地解决低亮度、低分辨率和车辆倾斜等环境下的定位问题。本文提出了一种新的全卷积神经网络,通过回归车牌角点的方式准... 车牌定位是车牌识别系统中核心部分,具有较高的研究和应用价值。尽管近些年来该研究取得了很大的进展,但仍无法很好地解决低亮度、低分辨率和车辆倾斜等环境下的定位问题。本文提出了一种新的全卷积神经网络,通过回归车牌角点的方式准确地进行车牌定位。为了保证训练的有效性,对45 000幅含有车牌的图像进行人工标注。同时,对标注的图像随机进行平移、缩放、旋转和加噪,提高训练样本的数量和多样性。在本文构建的卡口图像数据集和复杂环境数据集上与两种方法进行了比较,验证了本文方法的有效性。 展开更多
关键词 卷积神经网络 车牌定位 深度学习 角点回归 复杂环境
下载PDF
近场毫米波三维成像与异物检测方法 被引量：11
20
作者 师君 阙钰佳 +3 位作者 周泽南 周远远 张晓玲 孙铭芳 《雷达学报（中英文）》 CSCD 北大核心 2019年第5期578-588,共11页
主动式毫米波阵列3维成像系统是人体安检成像系统的研究热点,该文对主动式毫米波阵列3维系统工作模式、信号模型和成像算法进行了介绍,并将深度学习中的卷积神经网络(CNN)热图检测方法和边框回归检测技术应用于人体安检成像异物检测。... 主动式毫米波阵列3维成像系统是人体安检成像系统的研究热点,该文对主动式毫米波阵列3维系统工作模式、信号模型和成像算法进行了介绍,并将深度学习中的卷积神经网络(CNN)热图检测方法和边框回归检测技术应用于人体安检成像异物检测。研究表明,基于热图的检测方法和基于YOLO的检测方法均可实现异物检测。基于热图的检测方法网络结构简单、易训练,但由于需要遍历整幅待检测图像,运算时间长,且生成的检测框尺寸固定,无法适应异物尺寸变化。基于YOLO的检测算法网络结构复杂、训练耗时长,但该方法在检测速度与检测框精度上优势明显,更利于机场安检等对实时性要求较高的检测应用。 展开更多
关键词 近场毫米波3维成像 后向投影 卷积神经网络 图像检测 边框回归
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
使用帮助 返回顶部