特征属性

摘要： 随着新一周期的“全国职业院校教师素质提升计划”实施,高职双师型教师职业成长信息数据可以直接反映教师双师素质的提升,也对高职院校开展职业教育提质培优行动具有重要参考价值。因此,教师个人职业成长数据变得十分重要,文章从学科分类、研修活动类别以及性别年龄来分类分析。首先爬取教师研修数据,借助Python功能完备的标准库、强大的第三方库Requests以及Xpath,编写程序快速实现教师培训网页及双师数据的抓取;其次,将爬取的数据通过Pandas数据分析库进行数据清洗与预处理之后存入数据库中;最后,通过Flask框架以图形化的方式直观地展示数据结果,并加以分析,得出相关结论。

摘要： 通过多年流域内月降雨量和全年累计降水量、流域内年降水总量、泄洪量、蒸发量、取水量数据统计分析从中发掘水库满足防汛和供水功能、更好的实现水平衡情况下,根据年入库量与流域降水量关系,主汛期不同降水等级下的24 h和48 h流域降水量与入库总量关系,形成更好的防汛应对策略和泄洪模式,发挥更好兴利效益。尤其在主汛期和汛期结束前,在汛限水位以下寻求更稳妥、可靠、优化的水位蓄水和防汛策略,确保冬春季供水保证率。

摘要： 各水库基于运行调度和防汛的需要,都有专门的水雨情收集和监测装置,会形成大量水库上游降雨、河道水情、入库流量和坝前水位等实时水雨情监测数据,对数据进行大数据数学模型计算,尤其是中小型水库,建立关键数据和特征属性间的大概率时间空间关系,为优化调度运行规则、增强防汛能力和发挥兴利效益提供参考。

摘要： 人的一生中,最重要的礼仪有“冠礼”、“婚礼”、“丧礼”“祭礼”等。鉴于中国古代礼制的内容和形式非常多,下面拟以冠礼为例,去探寻其中的当代价值。

摘要： 在实现空调功能多样化和硬件电路平台通用化的过程中,通过确定空调产品的特征属性,依托于信息化系统,形成数据流代替实体物料,使设计数据流,生产数据流及售后数据流,能在空调产品全过程生命周期的特征属性信息流通,以虚拟跳线帽电路为例设计并应用,不但彻底解决通用控制器软件适配的问题,同时每年节约物料成本1500万,减少3道生产工序,每台空调平均节约6.3 s,提高空调生产效率,保证工艺质量一致性。

摘要： 虚拟空间中在线同源用户具有相似行为特征,但现有相似性度量算法难以对其进行有效识别.提出一种基于序列对齐的在线同源用户识别算法,根据在线用户行为日志提取点击流数据,采用序列对齐方法计算在线用户的行为相似度,将其用行为相似度矩阵表示并对用户进行层次聚类,以识别虚拟空间中的在线同源用户,同时分析不同维度的用户特征属性对用户行为相似性的影响程度.实验结果表明,该算法能准确识别出在线同源用户,用户行为相似性受性别、户籍和教育程度3种特征属性影响较大,受年龄、社会阶层和收入水平的影响较小.

摘要： 信息采集技术日益发展导致的高维、大规模数据,给数据挖掘带来了巨大挑战,针对K近邻分类算法在高维数据分类中存在效率低、时间成本高的问题,提出基于权重搜索树改进K近邻(K-nearest neighbor algorithm based on weight search tree,KNN-WST)的高维分类算法,该算法根据特征属性权重的大小,选取部分属性作为结点构建搜索树,通过搜索树将数据集划分为不同的矩阵区域,未知样本需查找搜索树获得最"相似"矩阵区域,仅与矩阵区域中的数据距离度量,从而降低数据规模,以减少时间复杂度.并研究和讨论最适合高维数据距离度量的闵式距离.6个标准高维数据仿真实验表明,KNN-WST算法对比K近邻分类算法、决策树和支持向量机(support vector machine,SVM)算法,分类时间显著减少,同时分类准确率也优于其他算法,具有更好的性能,有望为解决高维数据相关问题提供一定参考.

摘要： 随着地震数据采集技术的进步,地震数据量日益增加,全自动、高精度的地震初至走时拾取技术受到了更加广泛的关注.本文将初至拾取看作特征空间内带约束的Markov决策过程,在奖励函数空间,按一定准则全局寻优获得积累奖励值最大的路径,从而达到在高维空间自动拾取初至信息的目的 .同时,状态值函数中包含与距离相关的折扣因子γ,使Markov决策过程拾取初至能够考虑地震数据的横向连续性,并且回避地震数据中的坏道信息.在此基础上,本文方法进一步引入受空间几何信息约束的动作(Actions)和转移概率(Transitions Probability),从而降低了对起始状态和折扣因子选取的难度,让地震数据初至走时拾取更加准确和自动化.实际数据测试结果表明,在初至能量较弱(信噪比较低)情况或浅层存在相邻较近复杂波形时,本文提出的约束Markov算法仍能准确地进行初至走时的自动拾取,并且具有一定的质量监控能力,让拾取结果更有物理意义.

摘要： 附录B(资料性)再生钢铁原料的特征属性B.1表观特征B.1.1再生钢铁原料外现应保持清法,无明显废纸、废塑料、废纤维等物质.B.1.2再生钢铁原料外现应无严重锈蚀.B.1.3再生钢铁原料应无密闭容器.B.1.4钢瓶.钢桶等容器类产品,应剪切、破碎至不具备原容器功能并将原盛装物清除干净。

摘要： 信息技术与课堂教学的深度融合,促进了多媒体课室功能的完善与升级,多媒体课室逐渐演化为智慧教室.为培养技能技术性人才,高职院校智慧教室应具备舒适性、先进性、互动性、开放性、感知性、记录性、安全性等特征,具有智能物联、多屏互动、混合教学、录播点播、同步课堂等功能,为高职院校广大师生的教与学提供良好环境,为智慧教学的开展奠定基础.

摘要： 神经网络初至拾取方法中，地震波特征属性的选择对于初至拾取的精度和效率至关重要。在对地震波基本特征分析的基础上，优化提取了更能表征地震波初至的五种特征属性。这些属性是来源于地震波的振幅、频率、能量、相关性等基本特征，但更能反映地震初至信息；利用交会分析技术，对这五种特征属性进行组合，这些复合属性比单一的属性对地震波刻画更显著，易于识别地震波初至，且稳定性好；利用这些复合属性，对四川ZB 探区的地震资料做串级相关神经网络初至拾取，效果表明：对于低信噪比地震资料，利用优化提取的复合地震波特征属性所进行的神经网络初至提取，精度高，拾取速度快。

摘要： 利用油液分析监测机械设备磨损、润滑和油品状态是常用且有效的方法.然而对于关键设备(如大型冲压自动生产线),由于难以区分监测手段等及其特征属性的优势差异,通过铁谱分析、光谱分析方法得到的结果可能不同甚至矛盾,这为监测设备状态带来困扰.用具有独特优势(如整合定性定量信息等)的层次分析法(AHP),通过奇异值分解,有效解决了不同监测方法及其特征属性的权重排序及选择问题,使油液分析更有针对性,从而增强其诊断效果.

摘要： 目的：基于Hedonic模型构建药品价格指数,并进行实证分析.方法：本文从全军抗菌药物临床应用监测数据管理中心、CFDA、药智网收集了2014年10月至2017年6月抗菌药品相关数据,采用Hedonic价格指数进行实证分析.结果：有效成分含量、DDDs、DDDc、最高价格、最低价格呈现正相关,是否口服药品、同品种厂家数量、是否医保药品、是否国产药品、药品使用人数呈现负相关.结论：基于Hedonic模型建立起来药品价格指数和预期是相符的,并且更加明确了药品价格和特征属性的关系.

摘要： SMDFS(Small files Distributed File System)可以高效地管理百亿级数量文件.然而针对照片、音乐等海量数据,往往需要从多个维度快速浏览文件,基于目录结构管理海量文件的传统文件组织方式很难满足这一要求.本文在SMDFS文件系统基础之上,为文件引入特征属性,并提出基于特征的海量小文件倒排索引技术和分布索引技术,可根据多个特征快速浏览文件.论文实验数据表明,支持特征的SMDFS为海量小文件提供高效管理和多维度快速浏览能力,海量小文件的访问性能并没有明显下降.

摘要： 应用图像底层特征来表达高层语义是一种有效的图像自动分类技术.本文针对图像分类过程中高维特征向量处理、合适的描述符集合选择难题,由模糊决策表出发,使用图像语义贴近度概念来检验图像特征属性间的数据依赖关系,以达到属性约简、图像分类规则推导的目的,最后定义了图像类别隶属度函数来判断图像的类别.实验结果表明,该方法能较好地实现图像自动分类。

摘要： 本文拟从“两型”高速公路内涵和特征属性出发，通过分析高速公路生态学问题，对“两型”高速公路的建设思路进行初步探索。

摘要： 本文借助麦克斯韦小妖的构想创立了麦克斯韦多妖机器分类模型，算法的子样聚类部分由于采用了特征属性排序就可以发现类簇分界点，因此算法复杂性主要取决于排序算法。好的排序算法可以做到O(plogP)。通过UCI多个算例验证，该算法是可行的。本算法给静态的元素赋予了类气体分子的随机运动的属性，其子样聚类目标只是确认小妖数和放行标尺。为实现这个目标，其操作仅仅是对特征属性排序的错位断点进行识别。因此，算法的效率比经典的蚂蚁聚类算法LF有显著提高。本算法的瓶颈问题是特征属性的识别。当集合样本提供的维数较高噪声较大时，特征属性的识别将消耗较多的时间，有时还要加上专家因素。其次，由于子样构建的随机性，也将导致最终结果的某些差异，为此，引进精英策略可能是必要的。

摘要： 本文就语音中的情感识别问题进行了相关讨论,针对该问题中悲伤和害怕不易区分的方面,利用欧氏空间建立了一种情感空间,通过定义的欧氏距离聚类方法进行语音信号识别的属性值的离散归一化处理,构成一个语音信号识别知识数据表,利用粗集理论中信息一致性和最大信息覆盖率准则提取了语音情感信号识别有用的特征参数,大大简化了语音情感识别系统。实验结果表明,我们提出的语音情感识别模型不仅简化了系统而且提高了语音情感识别率。

摘要： 本文就语音中的情感识别问题进行了相关讨论,针对该问题中悲伤和害怕不易区分的方面,利用欧氏空间建立了一种情感空间,通过定义的欧氏距离聚类方法进行语音信号识别的属性值的离散归一化处理,构成一个语音信号识别知识数据表,利用粗集理论中信息一致性和最大信息覆盖率准则提取了语音情感信号识别有用的特征参数,大大简化了语音情感识别系统。实验结果表明,我们提出的语音情感识别模型不仅简化了系统而且提高了语音情感识别率。

摘要： 本文就语音中的情感识别问题进行了相关讨论,针对该问题中悲伤和害怕不易区分的方面,利用欧氏空间建立了一种情感空间,通过定义的欧氏距离聚类方法进行语音信号识别的属性值的离散归一化处理,构成一个语音信号识别知识数据表,利用粗集理论中信息一致性和最大信息覆盖率准则提取了语音情感信号识别有用的特征参数,大大简化了语音情感识别系统。实验结果表明,我们提出的语音情感识别模型不仅简化了系统而且提高了语音情感识别率。

摘要： 本发明属于模式识别、计算机视觉、视觉场景分析及多标签分类领域，具体涉及了一种基于属性特征学习解耦的行人属性识别方法及系统，旨在解决有技术采用相同的特征分类不同的属性，从而行人属性识别的有效性低、鲁棒性不强的问题。本发明包括：通过基于深度神经网络构建的特征提取模型，并提取待识别预处理图像的卷积图像特征；预设可学习参数并获取每个类别属性的属性索引特征；通过语义空间互注意力模块提取属性特征和索引注意力图；以前一个语义空间互注意力模块的输出作为当前模块的输入进行迭代；通过属性分类器进行迭代获得的最终的待识别图像属性特征的分类。本发明可应用于各场景的行人图片属性识别，并能显著提高行人图片属性识别的性能。

摘要： 本发明属于雷达技术，涉及一种雷达目标属性特征提取方法，公开了一种基于全极化属性散射中心模型的目标属性特征提取方法，其实现过程是：首先利用噪声样本建立散射中心强度门限，在雷达图像中进行强散射中心检测，并确定散射中心参数的取值集合；然后根据属性散射中心模型构建字典，通过对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束，利用坐标轮回下降法对极化分解系数矩阵与极化散射机理矩阵进行优化，进而可得目标属性散射中心参数及其极化特征。本发明能在属性散射中心重叠情况下有效提取目标属性散射中心及其极化特征，可用于雷达目标分类识别。

摘要： 本发明公开了一种基于属性特征和身份特征融合的跨域行人重识别方法，采用基于属性特征和身份特征融合的跨域行人重识别模型实现，所述基于属性特征和身份特征融合的跨域行人重识别模型设置有卷积及池化层、4个残差模块，在每一个残差模块之后皆插入一个注意力和风格归一化模块，在第3个注意力和风格归一化模块之后引出一条属性分支，所述属性分支包含属性特征提取模块和特征融合模块，所述属性分支的特征提取模块所提取到的属性特征将与第4个所述注意力和风格归一化模块所得域不变全局特征进行融合；利用具有很好泛化能力和鲁棒性的基于属性特征和身份特征融合的跨域行人重识别模型进行行人重识别。

摘要： 本发明属于模式识别、计算机视觉、视觉场景分析及多标签分类领域，具体涉及了一种基于属性特征学习解耦的行人属性识别方法及系统，旨在解决有技术采用相同的特征分类不同的属性，从而行人属性识别的有效性低、鲁棒性不强的问题。本发明包括：通过基于深度神经网络构建的特征提取模型，并提取待识别预处理图像的卷积图像特征；预设可学习参数并获取每个类别属性的属性索引特征；通过语义空间互注意力模块提取属性特征和索引注意力图；以前一个语义空间互注意力模块的输出作为当前模块的输入进行迭代；通过属性分类器进行迭代获得的最终的待识别图像属性特征的分类。本发明可应用于各场景的行人图片属性识别，并能显著提高行人图片属性识别的性能。

摘要： 本发明提供一种基于多尺度特征和属性关联挖掘的细粒度属性识别方法，自下而上提取输入图片的多尺度特征；对多尺度特征以特征金字塔形式自上而下进行特征融合得到融合不同尺度特征的四支路输出；对四支路输出分别进行属性关联性挖掘得到包含属性关联关系的特征输出；对四支路输出分别进行属性预测得到各支路属性预测值得到每个属性最终的预测输出。本发明针对人物属性分处不同的特征层次，采用多尺度特征融合的方式，提取融合多层特征信息，增强特征表征能力。人物属性间往往具有语义依赖性和空间关联性。本发明通过对属性间关联关系的挖掘，进一步提高识别算法性能，有效提升整体预测准确度。

摘要： 本发明属于雷达技术，涉及一种雷达目标属性特征提取方法，公开了一种基于全极化属性散射中心模型的目标属性特征提取方法，其实现过程是：首先利用噪声样本建立散射中心强度门限，在雷达图像中进行强散射中心检测，并确定散射中心参数的取值集合；然后根据属性散射中心模型构建字典，通过对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束，利用坐标轮回下降法对极化分解系数矩阵与极化散射机理矩阵进行优化，进而可得目标属性散射中心参数及其极化特征。本发明能在属性散射中心重叠情况下有效提取目标属性散射中心及其极化特征，可用于雷达目标分类识别。

摘要： 本发明公开了一种基于属性特征和身份特征融合的跨域行人重识别方法，采用基于属性特征和身份特征融合的跨域行人重识别模型实现，所述基于属性特征和身份特征融合的跨域行人重识别模型设置有卷积及池化层、4个残差模块，在每一个残差模块之后皆插入一个注意力和风格归一化模块，在第3个注意力和风格归一化模块之后引出一条属性分支，所述属性分支包含属性特征提取模块和特征融合模块，所述属性分支的特征提取模块所提取到的属性特征将与第4个所述注意力和风格归一化模块所得域不变全局特征进行融合；利用具有很好泛化能力和鲁棒性的基于属性特征和身份特征融合的跨域行人重识别模型进行行人重识别。

摘要： 本发明涉及一种基于属性特征和加权的分块特征相融合的行人再识别方法，包括以下步骤：构造属性特征提取子网络，该子网络融合了手动提取的特征和深度神经网络提取的特征；采用设置加权的交叉熵损失函数来训练属性特征提取子网络；构造基于分块的特征提取子网络，该网络可融合多个分块的深度特征；训练基于分块的特征提取子网络，设置局部损失函数的加权融合层，自主学习不同的权重，进而赋予各局部损失函数；对整体网络进行训练，提取融合了属性特征和基于分块的深度特征的行人特征表示。本发明设计合理，其有效结合了属性特征和深度特征，在损失函数计算方法上进行优化，获得了很好的行人再识别结果，使得系统整体匹配准确率大大提升。

摘要： 本发明公开了一种多属性特征环境下高效特征选择方法，本发明针对股票趋势预测时，RF算法本身无法识别并选择更高效的特征的缺点，结合离散二进制粒子群算法优化特征选择机制，在趋势变化初期不明显的情况下，筛选出最优特征，且作为属性输入RF算法，提出BPSO‑RF股票趋势预测智能混合方法；本发明缩小了特征子集，剔除无关或效果重复的特征属性，减少了股票趋势预测的时间；本发明在多属性特征环境下，提出高效特征选择方法，通过BPSO算法全局搜索，选择出最佳特征作为输入变量输入到RF算法，大幅度提高了股票趋势预测的准确率。

摘要： 本发明提供一种特征属性计算装置、特征量提取装置、图形核对装置、方法以及程序，即使在图形中存在变化，也能够对图形特征的对应关系进行更高精度的检测。从图形信号对流线进行检测(S1)，设定由流线确定的流线坐标系(S2)，基于流线坐标系，计算图形特征的属性(S3)(图6)。