基于CNN和SVM的人脸识别系统的设计与实现 被引量：13

1

作者 冯友兵 陆轶秋 仲伟波 《计算机与数字工程》 2021年第2期378-382,420,共6页

针对人脸识别在实际应用中存在姿态变化、表情、遮挡等问题,研究了结合支持向量机(SVM)分类的卷积神经网络(CNN)人脸识别算法,设计并实现了人脸识别系统。系统首先使用CNN提取人脸特征向量,再将特征向量通过SVM进行分类。测试结果表明,... 针对人脸识别在实际应用中存在姿态变化、表情、遮挡等问题,研究了结合支持向量机(SVM)分类的卷积神经网络(CNN)人脸识别算法,设计并实现了人脸识别系统。系统首先使用CNN提取人脸特征向量,再将特征向量通过SVM进行分类。测试结果表明,系统在训练样本充分时面对人脸姿态变化、表情、遮挡等情况下都具有较好的性能,识别率在95%以上,能满足一般的人脸识别需求。 展开更多

关键词 人脸识别 卷积神经网络 支持向量机 深度学习

下载PDF 职称材料

基于机器学习的医学影像人工智能领域技术融合预测 被引量：11

2

作者 苗红 李男 +1 位作者 吴菲菲 沈蕾 《情报杂志》 CSSCI 北大核心 2022年第6期126-134,共9页

[研究目的]研究旨在实现医学影像人工智能领域的技术融合预测及发展趋势预判,并对基于机器学习的技术融合预测方法进行改进,以避免根据传统研究技术融合的方法进行指标罗列,导致指标体系整体逻辑性不强的局限性。[研究方法]以德温特专... [研究目的]研究旨在实现医学影像人工智能领域的技术融合预测及发展趋势预判,并对基于机器学习的技术融合预测方法进行改进,以避免根据传统研究技术融合的方法进行指标罗列,导致指标体系整体逻辑性不强的局限性。[研究方法]以德温特专利数据库为数据源,依据技术融合的内在机理提出相似性和技术特性指标,构建基于机器学习的技术融合预测框架,并对医学影像人工智能领域进行实证分析。[研究结论]结果显示医学影像所涉技术与数字化信息化技术的融合以及数字化信息化技术之间的融合是当前以及未来的发展主题。此外,该领域技术与语音扩音方面的技术G10L、H04R,信息通信方面技术G16H、G16B、H04L的融合以及教育相关的技术G09B与数据方面的技术G06K的融合可能是未来发展的趋势。该领域的研究验证了框架的可行性。 展开更多

关键词 机器学习 深度学习 人工智能 医学影像 技术融合 技术融合预测

下载PDF 职称材料

卷积神经网络人脸检测算法 被引量：9

3

作者 王静波 孟令军 《电子技术应用》 2020年第1期34-38,共5页

传统人脸检测算法往往不能自动地从原始图像中提取有用的检测特征,而卷积神经网络可以轻易地提取高维度的特征信息,广泛用于图像处理领域。针对上述缺点,采用简单高效的深度学习Caffe框架并通过AlexNet网络训练,数据集为LFW人脸数据集,... 传统人脸检测算法往往不能自动地从原始图像中提取有用的检测特征,而卷积神经网络可以轻易地提取高维度的特征信息,广泛用于图像处理领域。针对上述缺点,采用简单高效的深度学习Caffe框架并通过AlexNet网络训练,数据集为LFW人脸数据集,得出一个模型分类器,对原始图像数据进行图像金字塔变换,并通过前向传播得到特征图,反变换得出人脸坐标,采用非极大值抑制算法得出最优位置,最后达到一个二分类的人脸检测结果。该方法可以实现不同尺度的人脸检测,具有较高的精度,可用于构建人脸检测系统。 展开更多

关键词 人脸检测 卷积神经网络 深度学习 图像金字塔 非极大值抑制

下载PDF 职称材料

基于深度学习的数据中心光通信色散估计与管理 被引量：4

4

作者 瞿国庆 于树科 《光学技术》 CAS CSCD 北大核心 2018年第5期617-621,共5页

最大似然估计能够准确地估计光通信的色散,但其对高速符号传输的计算复杂度较高,云计算数据中心的光网络是一种高速光通信的情况,为了降低数据中心中光通信色散估计的计算成本,设计了一种基于深度学习的数据中心光通信均衡器。基于人工... 最大似然估计能够准确地估计光通信的色散,但其对高速符号传输的计算复杂度较高,云计算数据中心的光网络是一种高速光通信的情况,为了降低数据中心中光通信色散估计的计算成本,设计了一种基于深度学习的数据中心光通信均衡器。基于人工神经网络的均衡器分为两个阶段,第一阶段采用光信道的脉冲响应数据对人工神经网络进行训练,对人工神经网络的模型参数进行优化,建立人工神经网络的非线性响应模型;第二阶段采用训练的人工神经网络均衡器对光信道的传输数据进行处理,实现对光信道色散的估计与补偿。按照数据中心的光网络方案进行了仿真实验,结果显示,基于人工神经网络的均衡器提高了光通信的光信噪比,并且延长了光通信的传输距离。 展开更多

关键词 人工神经网络 深度学习 数据中心 光纤色散 光纤通信

原文传递

基于FB-LSTM ResNet的滚动轴承故障诊断方法

5

作者 徐敏 王平 《轴承》 北大核心 2023年第4期93-98,共6页

提出一种基于FB-LSTM ResNet的滚动轴承故障诊断方法,并将故障诊断过程划分为3个部分。原始振动信号获取与处理模块利用振动信号窗平移方法完成重叠信号的分割,并利用Inception网络高效完成一维信号预处理;振动信号特征提取模块采用FB-L... 提出一种基于FB-LSTM ResNet的滚动轴承故障诊断方法,并将故障诊断过程划分为3个部分。原始振动信号获取与处理模块利用振动信号窗平移方法完成重叠信号的分割,并利用Inception网络高效完成一维信号预处理;振动信号特征提取模块采用FB-LSTM ResNet网络,可以有效处理层深所引起的退化情况;故障诊断分类模块选用全局池化层代替全连接层,能够削减网络参量,从而有效规避过拟合情况。采用CWRU与QPZZ-II故障轴承样本集的试验结果表明,FB-LSTM ResNet方法在原始样本和加噪样本中均获得了最高的故障诊断准确率,并可在较少的迭代过程中达到较优的准确率与损失值,其效果优于单独的FB-LSTM,ResNet方法以及其他融合方法。 展开更多

关键词 滚动轴承 故障诊断 信号处理 深度学习 LSTM 残差网络 过拟合

下载PDF 职称材料

一种基于深度学习的双JPEG图像压缩检测算法 被引量：3

6

作者 楚雪玲 魏为民 +2 位作者 华秀茹 李思纤 栗风永 《上海电力大学学报》 CAS 2020年第5期505-510,共6页

双JPEG图像压缩检测是图像盲取证中的研究热点之一。针对JPEG图像压缩检测盲取证问题,提出了一种在双JPEG格式下基于卷积神经网络(CNN)的压缩检测算法。将图像数据集中的样本以不同的质量因子进行单JPEG压缩和双JPEG压缩,把检测图像的DC... 双JPEG图像压缩检测是图像盲取证中的研究热点之一。针对JPEG图像压缩检测盲取证问题,提出了一种在双JPEG格式下基于卷积神经网络(CNN)的压缩检测算法。将图像数据集中的样本以不同的质量因子进行单JPEG压缩和双JPEG压缩,把检测图像的DCT系数直方图作为CNN网络的输入进行特征提取,输出层是样本类别的概率分类。实验结果表明,样本尺寸越大,篡改后的质量因子越大,分类器检测正确率越高;与现有算法相比,提出的算法检测正确率最高提高了1.3%,证明具有良好的双JPEG图像压缩性能检测能力。 展开更多

关键词 双JPEG压缩 图像盲取证 深度学习 卷积神经网络

下载PDF 职称材料

利用神经网络重构多个障碍物位置 被引量：3

7

作者 刘仁杰 孟品超 尹伟石 《长春理工大学学报（自然科学版）》 2021年第5期122-128,共7页

针对声场中多个障碍物的反散射问题,提出一种使用神经网络重构多个障碍物位置的方法。首先使用边界积分方程方法求解正散射问题;然后构建一个基于注意力机制的神经网络反演模型,通过模型自学习更新模型超参数;最后利用远场模态反演位置... 针对声场中多个障碍物的反散射问题,提出一种使用神经网络重构多个障碍物位置的方法。首先使用边界积分方程方法求解正散射问题;然后构建一个基于注意力机制的神经网络反演模型,通过模型自学习更新模型超参数;最后利用远场模态反演位置参数,从而重构多个障碍物的位置。实验结果表明,该方法可以有效地重构多个障碍物的位置。 展开更多

关键词 多体障碍 反散射 远场模态 神经网络 深度学习

下载PDF 职称材料

多通道特征融合Y型全卷积网络的对流云检测 被引量：2

8

作者 查少均 金炜 +2 位作者 何彩芬 符冉迪 李新征 《光电子．激光》 EI CAS CSCD 北大核心 2019年第10期1068-1078,共11页

强对流天气具有生命周期短、突发性强、破坏性大等特点,并时常伴随着多种灾难性天气,给经济发展、环境保护、人民生命财产安全等带来巨大威胁。目前目视解译的卫星云图对流云检测方法依赖于人的经验和知识,存在难于界定对流云团边界、... 强对流天气具有生命周期短、突发性强、破坏性大等特点,并时常伴随着多种灾难性天气,给经济发展、环境保护、人民生命财产安全等带来巨大威胁。目前目视解译的卫星云图对流云检测方法依赖于人的经验和知识,存在难于界定对流云团边界、云图的多光谱信息利用不足、小尺度对流云易出现漏检与误检等问题。本文基于FY-2G卫星的红外1通道云图及水汽与红外通道的亮温差,并借鉴U-net网络在图像分割中所具有的精确定位能力,提出了一种新的多通道特征融合Y型全卷积网络的对流云检测方法。该方法将U-net网络改造成具有双路输入的Y型全卷积网络,并将红外1通道云图和亮温差图像分别作为Y型网络的两路输入,经过卷积及下采样处理,提取不同通道的特征信息;为了使网络具有精细的目标检测能力,Y型全卷积网络保留U-net网络的卷积及上采样结构,同时通过卷积和上采样将两个输入分支不同层次的特征图融合,从而实现一种多层次、多通道特征融合的对流云检测方法;不同层次特征图的可视化及其与融合特征图的对比,表明了所构造的Y型网络在利用云图不同通道特征信息中的有效性。实验结果表明,本文方法的对流云检测准确率为87.34%,精确率为89.77%,召回率为82.10%,F1-综合评价指标为84.82%,各项性能指标均优于基于DeconvNet、U-net等传统网络模型的对流云检测方法;与阈值法、亮温差法和SVM等传统对流云检测方法相比,本文方法不仅在对流云边缘界定及小尺度对流云的检测上具有明显优势,而且检测准确率和计算效率均得到了显著的提高。 展开更多

关键词 多通道 对流云 特征融合 检测 深度学习 全卷积神经网络

原文传递

基于深度学习的疲劳驾驶检测方法 被引量：2

9

作者 黄新 沈英超 《桂林电子科技大学学报》 2020年第3期201-206,共6页

针对现有疲劳驾驶检测方法实时性差和准确率低的问题,提出一种基于深度学习的疲劳驾驶检测方法。通过深度学习模型MTCNN实现人脸检测;针对眼睛定位易受遮挡、姿势变化等因素影响的问题,通过眼睛精定位(FEL)模型精确提取眼睛区域,并通过O... 针对现有疲劳驾驶检测方法实时性差和准确率低的问题,提出一种基于深度学习的疲劳驾驶检测方法。通过深度学习模型MTCNN实现人脸检测;针对眼睛定位易受遮挡、姿势变化等因素影响的问题,通过眼睛精定位(FEL)模型精确提取眼睛区域,并通过OC-Net网络判定眼睛状态;基于PERCLOS算法和眨眼频率对驾驶员进行疲劳判定。实验结果表明,该方法的疲劳状态检测准确率为97.18%,同时满足实时性要求,且对复杂环境具有较高的鲁棒性。 展开更多

关键词 深度学习 疲劳驾驶检测 MTCNN PERCLOS算法

下载PDF 职称材料

基于Object Detection API的物流单元货架目标检测 被引量：1

10

作者 龙健宁 刘斌 龚德文 《自动化与仪表》 2020年第9期46-50,55,共6页

随着人工智能的兴起,深度学习的方法已经被广泛地应用到各类图像目标的检测当中,并在复杂环境下取得了良好的效果。针对物流仓储环境,该文基于开源框架Tensorflow上的库Object Detection API,选择了Faster R-CNN算法和SSD-MobileNet算法... 随着人工智能的兴起,深度学习的方法已经被广泛地应用到各类图像目标的检测当中,并在复杂环境下取得了良好的效果。针对物流仓储环境,该文基于开源框架Tensorflow上的库Object Detection API,选择了Faster R-CNN算法和SSD-MobileNet算法,分别对物流单元货架上摆放的物流周转箱进行目标检测。实验结果表明,相比于Faster R-CNN算法,SSD-MobileNet算法能够同时满足实时性与准确率的要求。将训练所得的SSD-MobileNet模型移植到QT平台,设计了物流单元货架目标检测界面。 展开更多

关键词 深度学习 物流单元货架 目标检测 Faster R-CNN算法 SSD-MobileNet算法

下载PDF 职称材料

基于深度学习的汽车零件缺陷检测方法研究

11

作者 成立州 吴斌 《质量与标准化》 2021年第3期52-55,共4页

工业产品的表面缺陷会对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业应对产品的表面缺陷进行检测,以便及时发现并加以控制。采用机器视觉的缺陷检测方法可以在很大程度上克服人工检测方法的抽检率低、准确性不高、实时... 工业产品的表面缺陷会对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业应对产品的表面缺陷进行检测,以便及时发现并加以控制。采用机器视觉的缺陷检测方法可以在很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低和劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。本文将该方法在零件汽车精密零件缺陷检测中展开了应用研究,希望能为相关方法标准的制定提供参考。 展开更多

关键词 汽车精密零件 缺陷检测 机器视觉 深度学习

下载PDF 职称材料

一种基于深度学习的点云修复模型

12

作者 贝子勒 赵杰煜 《无线通信技术》 2020年第2期6-11,共6页

在物体的建模过程中,不可避免的存在遮挡、抖动等情况,这造成了三维数据模型信息丢失、模型结构残缺不全的现象。为此,本文讨论了一种处理残缺三维模型的办法,基于深度学习的模型修复。具体体现在两个方面,一方面,本文网络结构用于计算... 在物体的建模过程中,不可避免的存在遮挡、抖动等情况,这造成了三维数据模型信息丢失、模型结构残缺不全的现象。为此,本文讨论了一种处理残缺三维模型的办法,基于深度学习的模型修复。具体体现在两个方面,一方面,本文网络结构用于计算重建误差,从而保证输入输出的一致性,使得输出的模型更加的真实自然;另一方面,网络在提高稳定性的基础上,能够预测得到残缺模型的完整结构,从而使得输出的模型具有更好的视觉效果。和其他实验方法对比,本文的方法能够得到补全程度更高的精致准确输出模型。 展开更多

关键词 深度学习 三维点云 三维修复

下载PDF 职称材料

基于改进竞争深度Q网络算法的微电网能量管理与优化策略 被引量：12

13

作者 黎海涛 申保晨 +3 位作者 杨艳红 裴玮 吕鑫 韩雨庭 《电力系统自动化》 EI CSCD 北大核心 2022年第7期42-49,共8页

可再生能源发电的随机波动性和储能运行控制的时间序列耦合特性给微电网的能量管理与最优运行带来了诸多挑战,成为学术界研究的热点问题。文中提出一种基于改进竞争深度Q网络算法的微电网能量管理与优化方法,采用多参数动作探索机制和... 可再生能源发电的随机波动性和储能运行控制的时间序列耦合特性给微电网的能量管理与最优运行带来了诸多挑战,成为学术界研究的热点问题。文中提出一种基于改进竞争深度Q网络算法的微电网能量管理与优化方法,采用多参数动作探索机制和优化设计的神经网络结构,对分布式可再生能源的功率输出、能源交易市场的电价和电力负荷的状态等环境信息进行学习,并运用学习到的策略进行微电网能量管理与优化。仿真结果表明,基于改进竞争深度Q网络算法的微电网能量管理与优化策略的性能优于基于场景的随机规划算法、深度Q网络算法和竞争深度Q网络算法。 展开更多

关键词 微电网 能量管理 深度强化学习 竞争深度Q网络算法 神经网络结构 多参数动作探索机制

下载PDF 职称材料

语音任务下声学特征提取综述 被引量：12

14

作者 郑纯军 王春立 贾宁 《计算机科学》 CSCD 北大核心 2020年第5期110-119,共10页

语音是一种重要的信息资源传递与交流方式,人们经常使用语音作为交流信息的媒介,在语音的声学信号中包含大量的说话者信息、语义信息和丰富的情感信息,因此形成了解决语音学任务的3个不同方向,即声纹识别(Speaker Recognition,SR)、语... 语音是一种重要的信息资源传递与交流方式,人们经常使用语音作为交流信息的媒介,在语音的声学信号中包含大量的说话者信息、语义信息和丰富的情感信息,因此形成了解决语音学任务的3个不同方向,即声纹识别(Speaker Recognition,SR)、语音识别(Auto Speech Recognition,ASR)和情感识别(Speech Emotion Recognition,SER),3个任务均在各自的领域使用不同的技术与特定的方法进行信息提取与模型设计。文中首先综述了3个任务在国内外早期的发展历史路线,将语音任务的发展归纳为4个不同阶段,同时总结了3个语音学任务在特征提取时所采用的公共语音学特征,并针对每类特征的侧重点进行了说明。然后,随着近年来深度学习技术在各个领域中的广泛应用,语音任务也得到了很好的发展,文中针对目前流行的深度学习模型在声学建模中的应用分别进行了分析,按照有监督、无监督的方式总结了针对3种不同语音任务的声学特征提取方式及技术路线,还总结了基于多通道并融合注意力机制的模型,用于语音的特征提取。为了同时完成语音识别、声纹识别和情感识别任务,针对声学信号的个性化特征提出了一个基于多任务的Tandem模型;此外,提出了一个多通道协作网络模型,利用这种设计思路可以提升多任务特征提取的准确度。 展开更多

关键词 声学特征提取 声纹识别 语音识别 情感识别 深度学习 多通道融合

下载PDF 职称材料

基于强化学习的大数据频繁项集挖掘算法 被引量：7

15

作者 郑英姿 张福泉 李立杰 《计算机工程与设计》 北大核心 2019年第8期2270-2277,共8页

针对当前大数据集频繁项集挖掘算法处理速度慢的问题,提出一种快速的大数据频繁项集挖掘算法。对多目标强化学习技术进行改进,使其适合频繁项集挖掘的应用场景;将频繁1-项集作为强化学习的初始化空间,解决随机初始化方案性能不稳定的问... 针对当前大数据集频繁项集挖掘算法处理速度慢的问题,提出一种快速的大数据频繁项集挖掘算法。对多目标强化学习技术进行改进,使其适合频繁项集挖掘的应用场景;将频繁1-项集作为强化学习的初始化空间,解决随机初始化方案性能不稳定的问题;利用频繁项集的递归属性引导项集空间的搜索过程,合理地缩小搜索空间。基于不同规模的会话数据集进行仿真实验,结果表明,该算法对于不同规模的数据集均实现了较高的计算效率,获得了较高的挖掘准确率。 展开更多

关键词 关联规则 频繁项集挖掘 大数据技术 递归特性 强化学习 深度学习技术

下载PDF 职称材料

改进型循环生成对抗网络的血管内超声图像增强 被引量：6

16

作者 姚哲维 杨丰 +1 位作者 黄靖 刘娅琴 《计算机科学》 CSCD 北大核心 2019年第5期221-227,共7页

血管内超声(Intravascular Ultrasound,IVUS)图像采集过程中使用的低频或高频超声探头各有其特点,医生在诊断冠脉粥样硬化等疾病过程中需根据临床需求选择频率不同的超声探头。因此,文中提出一种基于Wasserstein距离的循环生成对抗网络(... 血管内超声(Intravascular Ultrasound,IVUS)图像采集过程中使用的低频或高频超声探头各有其特点,医生在诊断冠脉粥样硬化等疾病过程中需根据临床需求选择频率不同的超声探头。因此,文中提出一种基于Wasserstein距离的循环生成对抗网络(Cycle Generative Adversarial Networks,CycleGANs)用于增强血管内超声图像,其目的是融合高频超声细节信号,克服低频超声图像边缘模糊且分辨率较低等问题,以辅助医生诊断心血管疾病。首先基于心血管的形状特点,使用旋转、缩放和Gamma变换等方法将图像数据训练集增加30倍,降低网络训练过拟合的风险;然后利用对抗网络训练的思想,构建基于对抗损失和循环一致损失的联合函数,在损失函数中引入Wasserstein距离作为正则项,加快网络训练的收敛速度,解决训练不稳定的问题;最后以低频IVUS图像为输入对象,输出含有高频图像细节信息的IVUS增强图像。在实验过程中以国际标准IVUS图像数据库为基础进行算法验证比较;以清晰度、对比度和边缘能量为评价标准进行定量分析。实验结果:所提算法的收敛速度是原始CycleGANs模型的两倍,且3个评价标准数值分别提升了15.8%,11.4%和46.6%。实验结果表明:W-CycleGANs模型能够有效地学习高频图像域的特征信息,并且进一步丰富低频图像边缘细节,增强图像的诊断信息,提高医生判断心血管疾病的敏感性。此外,文中采用100幅临床IVUS图像数据进行推广验证,也获得了较好的增强效果。 展开更多

关键词 血管内超声 生成对抗网络 Wasserstein距离 图像增强 深度学习

下载PDF 职称材料

面向智慧养老的边缘计算卸载方法

17

作者 李爽 叶宁 +2 位作者 徐康 王甦 王汝传 《计算机与现代化》 2024年第6期95-102,共8页

针对边缘计算环境下任务卸载过程中,老年人健康数据任务的动态到达性和信道条件的不确定性,引发的平均时延和能耗的优化问题,本文提出一种基于李雅普诺夫优化与深度强化学习结合的在线任务计算卸载优化算法。一个多用户移动边缘计算网... 针对边缘计算环境下任务卸载过程中,老年人健康数据任务的动态到达性和信道条件的不确定性,引发的平均时延和能耗的优化问题,本文提出一种基于李雅普诺夫优化与深度强化学习结合的在线任务计算卸载优化算法。一个多用户移动边缘计算网络中的用户任务数据随机到达,应用李雅普诺夫优化方法对任务卸载过程中的队列长度进行约束和建模,深度强化学习方法利用模型信息将输入环境参数转化为学习最优的二进制卸载动作的过程,之后对卸载动作进行准确评价,通过仿真实验证明了该组合算法优于其他深度强化学习算法,并且在优化任务卸载所用能耗的同时合理约束队列长度,有效降低了数据队列长度的积压。 展开更多

关键词 智慧养老 李雅普诺夫优化 深度强化学习 边缘计算卸载 移动边缘计算

下载PDF 职称材料

基于分解极限学习机的手写字符识别方法 被引量：2

18

作者 何玉林 李旭 +1 位作者 金一 黄哲学 《计算机科学》 CSCD 北大核心 2022年第11期148-155,共8页

手写字符识别是图像识别的一个重要分支,是基于数据挖掘和机器学习技术对数字、字母和文字等的手写体进行识别。当前手写字符识别方法主要集中在对不同深度学习模型的完善和改进上,其中多层极限学习机由于其快于深度信念网络和深度玻尔... 手写字符识别是图像识别的一个重要分支,是基于数据挖掘和机器学习技术对数字、字母和文字等的手写体进行识别。当前手写字符识别方法主要集中在对不同深度学习模型的完善和改进上,其中多层极限学习机由于其快于深度信念网络和深度玻尔兹曼机的训练速度以及更高的识别精度引起了学术界和工业界的广泛关注。但是,多层极限学习机的预测表现极易受随机权重的影响,层数越多影响就越明显。文中在深入分析浅层极限学习机训练模式的基础上,提出了一种基于隐含层输出矩阵分解的浅层极限学习机模型,并将其应用于对手写字符的识别。分解极限学习机不需要对手写字符图像进行特征提取,而是通过对大规模隐含层输出矩阵的分解来获得极限学习机的输出层权重。相比深层极限学习机,分解极限学习机降低了基于极限学习机的手写字符识别模型训练的随机性。同时,在MNIST类数据集(即MNIST,EMNIST,KMNIST和K49-MNIST)上的比较结果表明,在相同的训练时间下,分解极限学习机能够获得优于多层极限学习机的识别精度;在相同的识别精度下,分解极限学习机的训练时间明显短于多层极限学习机。实验结果证实了分解极限学习的可行性以及在处理手写字符识别问题上的有效性。 展开更多

关键词 手写字符识别 极限学习机 多层极限学习机 深度学习 特征提取

下载PDF 职称材料

基于自洽正则化约束的半监督细胞分割算法 被引量：2

19

作者 束建华 年福东 吕刚 《模式识别与人工智能》 EI CSCD 北大核心 2020年第7期643-652,共10页

针对具有高质量标注的医疗图像数据获得成本较高的问题,提出基于自洽正则化约束的半监督细胞分割算法.首先构造两个结构完全相同的主、从分割网络,赋以相同的初始化参数.然后将随机选取的有/无标签训练数据输入主、从分割网络,利用正则... 针对具有高质量标注的医疗图像数据获得成本较高的问题,提出基于自洽正则化约束的半监督细胞分割算法.首先构造两个结构完全相同的主、从分割网络,赋以相同的初始化参数.然后将随机选取的有/无标签训练数据输入主、从分割网络,利用正则化项约束主、从分割网络的训练,使输出结果保持自洽.其中,由梯度下降法优化主分割网络参数,由主网络参数经指数移动平均迭代得到从分割网络参数.最后在公共数据集上的实验验证文中算法的有效性. 展开更多

关键词 医学图像处理 图像分割 自洽正则化 深度学习

下载PDF 职称材料

基于深度学习的电力设备状态检测的研究

20

作者 虞骅 胡光宇 于佳 《信息通信技术》 2021年第1期73-80,共8页

针对设备状态巡检业务应用对图像的智能化程度、可靠性、可用性等需求提出更高要求的情况,提出基于深度学习的电力设备状态检测方案。方案基于异构平台的多类电力设备的状态检测及效率提升技术,实现典型电力设备状态的高效识别,通过低... 针对设备状态巡检业务应用对图像的智能化程度、可靠性、可用性等需求提出更高要求的情况,提出基于深度学习的电力设备状态检测方案。方案基于异构平台的多类电力设备的状态检测及效率提升技术,实现典型电力设备状态的高效识别,通过低功耗电力设备状态图像采集及分析装置,为应用提供多种形态检测方式,实现多类电力设备的状态检测。此方案改善了电力设备巡检模式,提升了设备状态管控力和运检决策水平,加快了管理决策速度,进一步提升了电力生产管理水平。 展开更多

关键词 深度学习 对象分类 设备检测 神经网络 状态分析

下载PDF 职称材料