复杂人机交互场景下的指势用户对象识别 被引量：8

1

作者 管业鹏 《电子学报》 EI CAS CSCD 北大核心 2014年第11期2135-2141,共7页

采用指势进行人机交互,可充分发挥人类日常技能,摆脱常规输入设备束缚.实现自然的指势人机交互的关键是,如何从复杂的人机交互场景中有效提取指势用户对象,提出了基于时/空运动特征的指势用户对象识别新方法.基于多尺度小波变换在时/空... 采用指势进行人机交互,可充分发挥人类日常技能,摆脱常规输入设备束缚.实现自然的指势人机交互的关键是,如何从复杂的人机交互场景中有效提取指势用户对象,提出了基于时/空运动特征的指势用户对象识别新方法.基于多尺度小波变换在时/空域所具有的优异局部化特性,从复杂场景中提取前景运动对象,克服环境条件约束以及动态环境变化及先验假设等不足;基于多尺度小波变换的梯度积分图方法,获取稳定可靠的指势手部HOG特征,采用机器学习方法,对上述特征向量分类,并基于指势手与指势用户对象的空间关联性识别指势用户对象.通过实验对比,结果表明本文方法有效、可行. 展开更多

关键词 人机交互 模式识别 时/空特征 对象分割 特征提取

下载PDF 职称材料

多源数据结合的高分一号土地利用/覆盖分类方法研究 被引量：7

2

作者 欧健滨 罗文斐 刘畅 《华南师范大学学报（自然科学版）》 CAS 北大核心 2019年第5期92-97,共6页

基于多时相的GF-1数据获取NDVI时序变化、NDWI和MNDVI等指数图像数据,辅以Landsat8卫星OLI影像和数字高程模型(DEM)数据,得到了不同地物在光谱、时相和形状等方面的特征;通过分析各种地物类型在这些特征上的差异和变化规律,总结出不同... 基于多时相的GF-1数据获取NDVI时序变化、NDWI和MNDVI等指数图像数据,辅以Landsat8卫星OLI影像和数字高程模型(DEM)数据,得到了不同地物在光谱、时相和形状等方面的特征;通过分析各种地物类型在这些特征上的差异和变化规律,总结出不同地物的特征提取规则,构建了一种基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法,并以广州市为实验区,运用该方法、最大似然法和最小距离法进行了土地利用/覆盖分类及其精度评价.结果显示:基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法的总体精度为85.86%(部分地物分类精度达到95%以上),与最大似然法及最小距离法相比,其总体精度分别提高了4.62%和12.24%,说明该方法能够更好地发挥GF-1遥感数据在土地利用/覆盖分类中的实际应用潜力,且有效提高了各种土地利用/覆盖地物类别的分类精度. 展开更多

关键词 土地利用/覆盖分类 高分一号 NDVI时间序列 多时相数据 地物特征提取

下载PDF 职称材料

云环境下的时空数据小文件存储策略 被引量：7

3

作者 熊炼 徐正全 +1 位作者 王涛 顾鑫 《武汉大学学报（信息科学版）》 EI CSCD 北大核心 2014年第10期1252-1256,共5页

云环境下的网络应用中存在着海量的时空数据小文件,针对HDFS处理小文件效率不高的问题,提出了一种结合用户访问规律与数据自身属性的数据处理方案。该方案将用户访问转化为数据请求序列,根据数据的时空属性提取并构建特征序列,通过模板... 云环境下的网络应用中存在着海量的时空数据小文件,针对HDFS处理小文件效率不高的问题,提出了一种结合用户访问规律与数据自身属性的数据处理方案。该方案将用户访问转化为数据请求序列,根据数据的时空属性提取并构建特征序列,通过模板匹配找到用户在不同访问模式下的特征模板,发现模板内文件之间的访问相关性,合并相关文件。实验结果表明,该方案有效地提高了系统对小文件的存储读取效率,减小了网络应用的响应时间。 展开更多

关键词 云存储 小文件 时空数据 特征提取 模板匹配

原文传递

基于特征选择及机器学习的犯罪预测方法综述 被引量：6

4

作者 魏东 张天祎 冉义兵 《科学技术与工程》 北大核心 2021年第28期11910-11920,共11页

基于警务数据和时空数据构建犯罪预测模型,利用机器学习手段进行案事件预测,在国家安全稳定领域具有重要的意义。犯罪预测涉及三个主要方面:特征选择与处理、预测模型和地理信息可视化。分析了犯罪预测理论与方法的基本思想,在探索犯罪... 基于警务数据和时空数据构建犯罪预测模型,利用机器学习手段进行案事件预测,在国家安全稳定领域具有重要的意义。犯罪预测涉及三个主要方面:特征选择与处理、预测模型和地理信息可视化。分析了犯罪预测理论与方法的基本思想,在探索犯罪的生成机理和演化规律基础上,对经验模型和时空模型研究成果进行了综述。在此基础上,对根据不同预测特征选取最优算法的策略进行了讨论,同时对比简述了各类算法的特点,并对现存问题和未来研究方向进行了探讨。 展开更多

关键词 犯罪预测 经验模型 时空模型 特征提取

下载PDF 职称材料

基于深度学习与超分辨率重建的遥感高时空融合方法 被引量：6

5

作者 张永梅 滑瑞敏 +1 位作者 马健喆 胡蕾 《计算机工程与科学》 CSCD 北大核心 2020年第9期1578-1586,共9页

针对遥感影像的“时空矛盾”,提出一种改进STARFM的遥感高时空融合方法。利用SRCNN对低分辨率影像进行超分辨率重建,由于所融合的2组影像分辨率差距过大,网络训练困难,先将2组影像均采样至某一中间分辨率,使用高分辨率影像作为低分辨率... 针对遥感影像的“时空矛盾”,提出一种改进STARFM的遥感高时空融合方法。利用SRCNN对低分辨率影像进行超分辨率重建,由于所融合的2组影像分辨率差距过大,网络训练困难,先将2组影像均采样至某一中间分辨率,使用高分辨率影像作为低分辨率影像的先验知识进行SRCNN重建,再将得到的中间分辨率影像重采样后以原始高分辨率影像作为先验知识进行第2次SRCNN重建,得到的最终重建图像相比原先使用插值法重采样所得图像,在PSNR和SSIM上均有提升,缓解了传感器差异所造成的系统误差。STARFM融合方法在筛选相似像元与计算权重时均使用专家知识提取人工特征,基于STARFM时空融合的基本思想,以SRCNN作为基本框架自动提取特征,实验结果表明,其MSE值相比原方法更低,进一步提高了遥感时空融合的质量,有利于充分利用遥感影像。 展开更多

关键词 时空融合 改进STARFM SRCNN 自动特征提取

下载PDF 职称材料

基于CNN-BLSTM-XGB的入侵检测 被引量：1

6

作者 徐东方 徐洪珍 邓德军 《计算机工程与设计》 北大核心 2024年第3期676-683,共8页

针对当前网络入侵检测方法存在特征信息提取不全面,多分类检测准确率偏低的问题,提出一种基于CNN-BLSTM-XGB的混合网络入侵检测方法。建立基于卷积神经网络(CNN)与双向长短期记忆网络(BLSTM)的网络结构CNN-BLSTM,用于提取网络入侵数据... 针对当前网络入侵检测方法存在特征信息提取不全面,多分类检测准确率偏低的问题,提出一种基于CNN-BLSTM-XGB的混合网络入侵检测方法。建立基于卷积神经网络(CNN)与双向长短期记忆网络(BLSTM)的网络结构CNN-BLSTM,用于提取网络入侵数据的空间与时间特征;使用Keras序贯模型中的Concatenate层对这两种特征进行融合;用极端梯度提升(XGBoost)取代传统的完全连接层,获取从输入层到融合层的特征信息进行分类。在NSL-KDD和CICIDS2017数据集上分别进行的实验结果表明,该方法可以分别达到99.72%、99.87%的多分类检测准确率,与现有的主流方法比较,具有更高的检测准确率。 展开更多

关键词 入侵检测 时空特征 特征提取 特征融合 卷积神经网络 双向长短期记忆网络 极端梯度提升

下载PDF 职称材料

时态文本数据流特征流行趋势模型及算法 被引量：5

7

作者 孟志青 许微微 《计算机科学》 CSCD 北大核心 2019年第B06期417-422,共6页

当今在电商和社交等平台上每天会产生大量的文本数据流。快速提取文本数据流的特征并将其用于发现一些事物的趋势变化来指导企业运营十分重要,比如服装企业必须尽可能快速而又准确地感知流行信息,服装特征的流行趋势对设计生产与经营起... 当今在电商和社交等平台上每天会产生大量的文本数据流。快速提取文本数据流的特征并将其用于发现一些事物的趋势变化来指导企业运营十分重要,比如服装企业必须尽可能快速而又准确地感知流行信息,服装特征的流行趋势对设计生产与经营起着至关重要的作用。以线上商品的文本数据流为研究对象,结合线上的销售文本实时数据流,定义了商品的时态文本数据流特征趋势模型,然后提出了一种文本数据流特征趋势发现的实时挖掘算法。将该算法应用到服装销售的文本描述以提取流行特征应用,可以获得有效的服装流行趋势,为企业制定生产计划、选择营销策略提供了决策支持。使用电商平台的真实销售数据进行实验,结果证明:该算法提取流行特征的准确率较高、速度较快,具有重要的理论与实际意义。 展开更多

关键词 时态文本模型 文本数据流 特征快速提取 实时挖掘算法

下载PDF 职称材料

基于混合特征图卷积神经网络的人体行为识别方法 被引量：1

8

作者 李志新 商樊淇 +2 位作者 郇战 陈瑛 梁久祯 《郑州大学学报（工学版）》 CAS 北大核心 2024年第4期46-52,共7页

基于可穿戴传感器的人体行为识别方法不能很好地处理时间序列数据采样点之间的结构信息,也忽略了数据样本之间的潜在联系。针对这一问题,提出了混合时频特征和结构特征的图卷积神经网络模型进行人体动作识别。首先,通过小波包变换获取... 基于可穿戴传感器的人体行为识别方法不能很好地处理时间序列数据采样点之间的结构信息,也忽略了数据样本之间的潜在联系。针对这一问题,提出了混合时频特征和结构特征的图卷积神经网络模型进行人体动作识别。首先,通过小波包变换获取原始信号的时频特征,进一步构建时空图提取信号的结构特征以挖掘采样点间的动态特性,并在结构特征中加入距离约束,弱化时空图中远距离邻居对中心节点的影响。其次,考虑到结构特征提取时受时空图拓扑关系影响较大,选择样本的时频特征构造图卷积神经网络的输入拓扑,混合时频特征和结构特征作为网络输入特征。最后,输入特征沿着输入拓扑结构传播,得到最终分类结果。为了评估所提模型的性能,在WHARF和DataEgo数据集上进行了实验验证。实验结果表明:所提模型的F1分数相比已有的基于卷积神经网络模型在WHARF和DataEgo上均有提升,WHARF数据集上F1最高提升19.58百分点,DataEgo数据集上F1最高提升26.44百分点,证明所提出模型通过挖掘动态特性能够有效提高动作识别能力。 展开更多

关键词 图卷积神经网络 可穿戴设备 人体行为识别 时空图 特征提取

下载PDF 职称材料

基于多尺度时间卷积网络的多模态过程故障诊断方法

9

作者 阳少杰 里鹏 +1 位作者 李帅 周晓锋 《计算机应用与软件》 北大核心 2024年第6期108-114,127,共8页

针对工业过程故障诊断面临的多模态、多尺度等混合特性问题,提出一种基于多尺度时间卷积网络的故障诊断方法。考虑到过程数据的多模态分布特性,采用基于余弦相似度的局部近邻标准化方法处理过程数据以消除多模态特性;针对过程数据的多... 针对工业过程故障诊断面临的多模态、多尺度等混合特性问题,提出一种基于多尺度时间卷积网络的故障诊断方法。考虑到过程数据的多模态分布特性,采用基于余弦相似度的局部近邻标准化方法处理过程数据以消除多模态特性;针对过程数据的多尺度特性,使用变分模态分解获取数据的多尺度表示,对各分量构建采用注意力机制的时间卷积网络模型提取特征,并融合多尺度特征,以实现多尺度特征提取;在特征提取的基础上使用全连接层实现故障诊断。通过田纳西-伊斯曼(Tennessee-Eastman,TE)过程仿真实验验证了该方法的有效性和可行性。 展开更多

关键词 故障诊断 多模态过程 时间卷积网络 多尺度特征提取 局部近邻标准化

下载PDF 职称材料

高光谱图像变化检测技术研究进展

10

作者 丁晨 陈静怡 +3 位作者 郑萌萌 张磊 魏巍 张艳宁 《中国图象图形学报》 CSCD 北大核心 2024年第6期1714-1729,共16页

相对于自然图像和多光谱图像,高光谱图像包含丰富的空间—光谱信息,不仅能够保留目标的空间信息,还能够获取高度可辨别的光谱信息。因此,如变化检测、目标追踪等高光谱图像处理技术在对地观测任务中得到了广泛应用。然而,在高光谱图像... 相对于自然图像和多光谱图像,高光谱图像包含丰富的空间—光谱信息,不仅能够保留目标的空间信息,还能够获取高度可辨别的光谱信息。因此,如变化检测、目标追踪等高光谱图像处理技术在对地观测任务中得到了广泛应用。然而,在高光谱图像变化检测的过程中仍然存在许多问题与挑战。如高光谱图像的高维复杂性、光谱差异性以及存在光谱混合等问题,影响变化检测效果。得益于深度学习理论的深入研究,高光谱图像变化检测技术研究得到了极大的发展。本文对现有基于深度学习的变化检测方法进行全面分析总结,按照高光谱图像采集条件是否相同,将其分为同构高光谱图像变化检测以及异构高光谱图像变化检测。其中,从特征提取的网络结构优化和特征提取前混合像素处理两个角度,又将同构高光谱图像变化检测方法进一步分为基于时序依赖和空谱信息提取的方法以及基于端元提取和解混的方法,分别总结各类方法的特点和局限性,并讨论未来的研究重点。此外,面对不同传感器获取的异构高光谱图像数据,现有的方法基于图论学习图像的结构关系,并基于图像变换将其转换至公共域从而进行变化检测处理。本文从高光谱图像变化检测领域的新设计、新方法和应用场景出发,通过综合国内外前沿文献来梳理该领域的主要发展,重点论述高光谱图像变化检测领域的发展现状、前沿动态、热点问题及趋势。 展开更多

关键词 高光谱图像 变化检测 时序特征提取 端元解混 异构高光谱图像变化检测

原文传递

基于卷积长短时网络的调制识别技术研究

11

作者 曹九霄 朱锐 +2 位作者 邬伶凤 褚鹏 赵康 《电子信息对抗技术》 2024年第4期56-63,共8页

随着深度学习的发展,更多的研究者将调制方式识别与深度学习网络结合,充分利用了神经网络无需先验信息的特点,促进了自动调制识别(Automatic Modulation Recognition, AMR)技术的发展。但是AMR技术存在低信噪比下泛化能力有限,分类精度... 随着深度学习的发展,更多的研究者将调制方式识别与深度学习网络结合,充分利用了神经网络无需先验信息的特点,促进了自动调制识别(Automatic Modulation Recognition, AMR)技术的发展。但是AMR技术存在低信噪比下泛化能力有限,分类精度不高的问题,提出了一种由卷积神经网络(Convolutional Neural Network, CNN),长短时记忆(Long Short-Term Memory, LSTM)网络和深度神经网络组成的模型-卷积长短时深度神经网络(Convolutional Long Short-Term Deep Neural Networks, CLDNN)。将预处理的数据集通过CNN对信号进行空间特征提取,再通过LSTM模块对数据集进行时间特征提取,最后通过全连接层对数据集分类。实验结果表明,CLDNN模型相对于主流使用的残差网络(Residual Network, ResNet)模型、CNN模型等在性能上有显著的提高,在信噪比为30 dB时保持93.09%的高效识别,在信噪比为-10 dB时,实现54.32%的有效识别。 展开更多

关键词 调制方式识别 深度学习网络 长短时记忆网络 时间特征提取

下载PDF 职称材料

基于激光扫描的电子档案异构时态数据检测方法

12

作者 孙焱 《激光杂志》 CAS 北大核心 2024年第2期229-233,共5页

研究一种基于激光扫描的电子档案异构时态数据检测方法,该方法利用激光扫描获取数据并生成电子档案。针对电子档案中的数据实施缺失数据填补和离群数据处理。提取电子档案数据的递归率、仙农熵以及歪度三个特征。结合随机森林算法,输入... 研究一种基于激光扫描的电子档案异构时态数据检测方法,该方法利用激光扫描获取数据并生成电子档案。针对电子档案中的数据实施缺失数据填补和离群数据处理。提取电子档案数据的递归率、仙农熵以及歪度三个特征。结合随机森林算法,输入递归率、仙农熵以及歪度三个特征,得出电子档案异构时态数据类型。结果表明:1处和3处边坡工程的位移处于轻微状态;2处边坡工程的位移处于严重状态;4处边坡工程的位移处于安全状态;5处边坡工程的位移处于较严重状态。所研究方法的Kappa系数达到相对最大值,说明所研究方法的检测能力更高。 展开更多

关键词 激光扫描 电子档案 异构时态数据 特征提取 检测方法

下载PDF 职称材料

基于分割注意力机制残差网络的城市区域客流量预测 被引量：2

13

作者 李伯涵 郭茂祖 赵玲玲 《智能系统学报》 CSCD 北大核心 2022年第4期839-848,共10页

客流量预测是城市交通资源和公共安全智能化管理的重要依据。为了综合考虑城市乘客人群流动自身的既有周期性、趋势性和突发性,以及与城市物理和社会空间的耦合关系,在时空残差网络的基础上,本文提出了基于深度时空数据的分割注意力机... 客流量预测是城市交通资源和公共安全智能化管理的重要依据。为了综合考虑城市乘客人群流动自身的既有周期性、趋势性和突发性,以及与城市物理和社会空间的耦合关系,在时空残差网络的基础上,本文提出了基于深度时空数据的分割注意力机制残差网络的城市细粒度客流量预测模型。首先以不同时空间隔的区域客流量历史数据为基础,引入分割注意力机制模块,为各模态的数据分配不同的权重,动态捕捉更高相关性的抽象数据特征;在时空数据的基础上,引入城市功能区属性作为联合特征,结合节假日、气候等外部特征,形成deep&wide网络结构,有效记忆重要特征对客流量变化的贡献。基于北京出租车数据的区域客流量对比实验表明,相比于传统的深度时空残差网络和其他经典机器学习模型,引入了分割注意力机制和城市功能区特征的预测模型能够更好地提取数据多元化的特征,预测精度明显优于其他同类别方法。 展开更多

关键词 客流量预测 时空数据 深度学习 分割注意力机制残差网络 城市功能区 特征提取 智慧城市 智能交通

下载PDF 职称材料

基于多标签分类的学术文献潜在时间意图识别研究 被引量：2

14

作者 沈思 吴玺煜 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第10期158-164,共7页

为了提高检索结果的时间相关性,将文本特征抽取和多标签分类算法应用于文献检索的潜在时间意图分类研究之中.从检索潜在时间意图分类的角度出发,提出一种基于文本时间信息抽取和Labeled LDA(标签主题模型)的文献潜在时间意图自动分类算... 为了提高检索结果的时间相关性,将文本特征抽取和多标签分类算法应用于文献检索的潜在时间意图分类研究之中.从检索潜在时间意图分类的角度出发,提出一种基于文本时间信息抽取和Labeled LDA(标签主题模型)的文献潜在时间意图自动分类算法.首先,在获取的文献时间信息基础上,将文献检索潜在时间意图映射至具体时间类别.其次,为了减少时间信息的稀疏性对分类特征学习过程的影响,利用交叉学科中时间短语分布特征优化Labeled LDA分类模型的标签选择过程.最后,将所提算法与其他多标签分类算法进行对比实验,分析和评估文献检索潜在时间意图自动分类的准确率.结果表明,所提算法的AUC的值达到79.6%,较同类基准算法ECC(整体分类链)提高约10.9%,且针对不同学科均取得了较好的分类效果,是一种有效的文献检索潜在时间意图学习方法. 展开更多

关键词 多标签分类 主题模型 潜在时间意图 文本特征抽取 文本分类

下载PDF 职称材料

基于时空大数据的异常车辆检测 被引量：2

15

作者 赵清华 蒋同海 +1 位作者 赵凡 马博 《传感器与微系统》 CSCD 2019年第4期139-142,共4页

针对传统人工检查黑车的方式不但耗时耗力而且效率低下的问题,提出一种新的自动检测黑车的方法。在Hadoop平台上,对物联网技术采集的全疆车辆加气数据进行分析;抽取车辆加气的时间特征和空间特征;利用随机森林算法研究车辆与驾驶员、加... 针对传统人工检查黑车的方式不但耗时耗力而且效率低下的问题,提出一种新的自动检测黑车的方法。在Hadoop平台上,对物联网技术采集的全疆车辆加气数据进行分析;抽取车辆加气的时间特征和空间特征;利用随机森林算法研究车辆与驾驶员、加气站间的关系,从而发现具有异常加气模式的黑车车辆。在大规模真实数据集上的实验表明:提出的方法在黑车发现问题上有较高的准确率,可以用于帮助有关部门提高黑车检测的效率。 展开更多

关键词 异常车辆检测 黑车检测 时空数据 特征抽取

下载PDF 职称材料

基于条件模仿学习的辅助驾驶决策模型研究

16

作者 戴瑞儒 《现代信息科技》 2023年第5期78-81,共4页

随着我国机动车数量的不断增加,交通安全隐患问题越来越严重。针对传统模仿学习效率低下的问题,提出一种基于条件模仿学习的辅助驾驶决策模型,在线模仿学习过程中,构建专家经验池和个人经验池来动态分配学习数据,提高辅助驾驶决策的准确... 随着我国机动车数量的不断增加,交通安全隐患问题越来越严重。针对传统模仿学习效率低下的问题,提出一种基于条件模仿学习的辅助驾驶决策模型,在线模仿学习过程中,构建专家经验池和个人经验池来动态分配学习数据,提高辅助驾驶决策的准确度,同时采用图像语义切割和先验知识迁移技术提取图像特征,提高预测的效率和准确性。模拟实验表明,该辅助驾驶决策模型显著降低了平均预测误差,使得辅助驾驶决策更加贴合个人的驾驶习惯。 展开更多

关键词 辅助驾驶 条件模仿学习 时序语义 图像特征提取

下载PDF 职称材料

基于时序特征提取的用户群体划分模型 被引量：1

17

作者 郭晓军 王云峰 朱亮 《中国电子科学研究院学报》 北大核心 2021年第6期592-598,共7页

随着铝、铜等有色金属产品供需的不断增加,产生了对应的电子商务智慧采购交易平台-智慧采购系统,并积累了大量的数据。根据供应商的历史交易数据,分析求购者需求和供应商之间的相关性,可以促使电子商务智慧采购交易平台更好的为用户提... 随着铝、铜等有色金属产品供需的不断增加,产生了对应的电子商务智慧采购交易平台-智慧采购系统,并积累了大量的数据。根据供应商的历史交易数据,分析求购者需求和供应商之间的相关性,可以促使电子商务智慧采购交易平台更好的为用户提供精细化服务。由于交易数据量庞大且繁杂,直接利用原始交易数据进行分析,不仅浪费计算资源,还存在特征信息冗余的情况。针对该任务本文提出基于时序特征提取的用户群体划分模型,利用神经网络实现供应商交易行为的多角度特征提取;同时为了使学习到的特征能够尽可能的包含足够充分的信息,文中在训练过程中以重构损失作为模型的优化目标,从而有效建模供应商的交易行为。以该特征提取结果为基础,可以利用聚类方法实现对供应商群体的有效划分,从而为用户的细粒度分析奠定基础。在真实数据上丰富的对比实验证明了此模型具有最佳划分性能。 展开更多

关键词 用户 时序特征提取 卷积神经网络 重构损失 聚类

下载PDF 职称材料

基于轨迹的时空光谱特征语音情感识别算法 被引量：1

18

作者 朱艺伟 宋泊东 张立臣 《计算机系统应用》 2019年第3期146-151,共6页

语音识别领域的发展日新月异.同时,现有的研究结果表明声学特性集中存在较多的互补信息.本文提出了一种基于轨迹的空间-时间谱特语音情感识别方法.其核心思想是从语音频谱图中获得空间和时间上的描述符,进行分类和维度情感识别.本方法... 语音识别领域的发展日新月异.同时,现有的研究结果表明声学特性集中存在较多的互补信息.本文提出了一种基于轨迹的空间-时间谱特语音情感识别方法.其核心思想是从语音频谱图中获得空间和时间上的描述符,进行分类和维度情感识别.本方法采用了穷举特征提取的实验表明:与MFCCs和基频等特征提取方法相比,提出的方法在噪声条件下,更具鲁棒性.通过在4类情感识别实验中获得了可比较的非加权平均回馈,得到了较为准确的结果,语音激活检测方面也具有显著的改进. 展开更多

关键词 情感识别 语音处理 时空描述符 融合 特征提取

下载PDF 职称材料

基于相对骨骼点特征和时序自适应感受野的动作识别方法

19

作者 胡昊 史天运 +1 位作者 宋永红 余淮 《导航定位与授时》 CSCD 2022年第3期132-139,共8页

针对长时间动作识别难以充分利用时空域信息的问题,提出了基于相对骨骼点特征和时序自适应感受野的动作识别方法。首先,该方法在特征获取部分增加了相对骨骼点特征,以满足节点多样性和互补性要求,将其分别输入到空域图卷积网络,获得空... 针对长时间动作识别难以充分利用时空域信息的问题,提出了基于相对骨骼点特征和时序自适应感受野的动作识别方法。首先,该方法在特征获取部分增加了相对骨骼点特征,以满足节点多样性和互补性要求,将其分别输入到空域图卷积网络,获得空间中相邻关节聚合的局部特征。然后,设计了一个时序自适应感受野网络,以获取在时域中关节变化的局部特征,并且增加了网络对不同持续时长动作的适应性。最后,经过决策级融合模块,计算类别概率,得到分类结果。仿真结果表明,基于NTU RGB+D和Kinetics-skeleton两大基准数据集,对比多种主流方法,均取得了更高的识别准确率,分别为96.2%与60.1%。该方法可以较好地提取不同动作的区别性时间特征,提高了动作时空特征的判别能力。 展开更多

关键词 动作识别 时序特征提取 图卷积网络 相对骨骼点特征 时序自适应

下载PDF 职称材料

基于时序图像深度学习的电熔镁炉异常工况诊断 被引量：18

20

作者 吴高昌 刘强 +1 位作者 柴天佑 秦泗钊 《自动化学报》 EI CSCD 北大核心 2019年第8期1475-1485,共11页

超高温电熔镁炉(Fused magnesium furnace, FMF)生产炉况监测困难,易发生欠烧异常工况,不仅造成产品质量下降,也直接危害生产安全与人员安全.现有的人工巡检方式实时性差,容易发生漏报和误报,甚至导致铁制炉壳烧透、烧漏.针对该问题,本... 超高温电熔镁炉(Fused magnesium furnace, FMF)生产炉况监测困难,易发生欠烧异常工况,不仅造成产品质量下降,也直接危害生产安全与人员安全.现有的人工巡检方式实时性差,容易发生漏报和误报,甚至导致铁制炉壳烧透、烧漏.针对该问题,本文采用视频信号,利用电熔镁炉欠烧工况的时空特征,即在炉壳表面出现的局部不规则高亮区域的空间特征,以及该高亮区域随时间呈现出亮度增强、面积变大的时序特征,提出一种基于卷积循环神经网络(Convolutional recurrent neural network, CRNN)的电熔镁炉异常工况诊断新方法.该方法包括图像序列一致性变换和时序残差图像提取预处理、基于卷积神经网络(Convolutional neural network, CNN)的空间特征提取、基于循环神经网络(Recurrent neural network,RNN)的时序特征提取、基于加权中值滤波的工况自动标记.最后采用实际的电熔镁炉炉壳的视频信号,进行了所提方法与现有的两种深度学习网络模型的实验比较研究,结果说明了所提方法的优越性. 展开更多

关键词 电熔镁炉 时空特征提取 异常工况诊断 卷积神经网络 循环神经网络

下载PDF 职称材料