多特征融合

摘要： 脑功能超网络的研究对脑疾病的准确诊断具有重要作用,目前已经有多种超网络的构建方法被应用于脑疾病的分类研究,但这些方法均未考虑到组间的重叠性问题。研究证明,组间的重叠性可能会对相关超网络模型的构建及构建后的分类应用产生影响,因此若仅使用非重叠组结构会限制其在超网络中的适用性。针对已应用于脑疾病分类研究的超网络构建方法在构建超网络模型时未考虑到分组之间的部分重叠性问题以及特征提取阶段的属性单一性问题,提出将多特征融合分析的重叠组套索方法应用于超网络的构建,并将其应用于抑郁症的诊断。结果表明,无论是在纯聚类系数属性下还是在多特征融合分析下,重叠组套索方法的分类性能较其他已有方法均有提高;在重叠组套索方法下,采用多特征融合分析较仅使用聚类系数属性分析获得了更高的分类准确率,达到了87.87%。

摘要： 针对交通安全中疲劳驾驶状态识别问题,使用单一的疲劳驾驶特征的方法识别率较低,本文提出一种基于面部多特征加权和的疲劳识别方法.通过人眼状态检测算法提取眼部疲劳参数,即持续闭眼时间、闭眼帧数比、眨眼频率,通过打哈欠状态检测得到打哈欠次数和打哈欠持续时间,通过头部运动状态分析得到点头频率,建立融合以上六个特征的驾驶疲劳状态检测模型来评估驾驶员的疲劳等级并进行相应的预警.实验测试数据选自NTHU驾驶员疲劳检测视频数据集的部分数据.经实验调整后,发现该方法的识别准确率较高,识别效果好.

摘要： 5G网络发生故障可能影响全网稳定性和服务质量,其故障发现与修复是5G网络运维管理的关键之一。基于历史故障发生前的网元关键绩效指标(Key Performance Indicator,KPI)变化以及设备告警信息、指标统计特征、自动异常检测、指标关联特征、告警编码特征等,提出了5G核心网网元多维特征融合故障预警方法,构建了多维特征空间训练故障预警模型。最后,针对现网运行数据,选取了6类网元并进行了实验验证,实验结果表明,该模型对各种类型网元的预警效果有不同程度提升,平均F1值提升了18%。

摘要： 为克服传统逼近理想解排序(TOPSIS)法中权重矩阵赋值及获得正、负理想值时人为因素引起的随机性,该文利用主成分分析(PCA)法对多特征量进行融合,依据主成分确定综合评价指标,联合实验数据得到正负理想值,从而建立改进TOPSIS模型,并结合振动与温度联合作用下换流变压器用绝缘纸的老化状态评估算例验证了改进TOPSIS模型的有效性。首先结合绝缘纸加速机-热老化实验及试样的机械、电气性能指标和对应裂解产物的糠醛含量,由改进TOPSIS模型对聚合度、抗拉强度、糠醛含量和特征频率下介质损耗因数等表征绝缘纸老化的多特征量进行融合;然后获得综合评价指标与绝缘纸抗拉强度间的量化关系,并依此将绝缘性能优良和严重劣化时对应的抗拉强度分别作为正、负理想值;进一步结合绝缘纸抗拉强度损失率给出贴近度序区间的设置原则,实现了绝缘纸老化状态的量化评估。研究表明,改进TOPSIS法既纳入了可表征绝缘纸老化状态的多个特征量,亦克服了传统TOPSIS法的不足,可用于准确评估机-热协同老化时绝缘纸的老化状态。

摘要： 针对目前常见的U-Net网络结构以及现有的图像去噪算法在去除图像噪声时,处理后得到的图像较为模糊且图像的边缘纹理过于光滑缺乏真实性的问题,提出了一种改进的U-Net网络结构去噪算法。它由去噪模块以及边缘信息提取模块组成,首先,利用U-Net++中的跳跃连接应用到原始的U型去噪子网中,密集连接的U型去噪网络可以减少编码器与解码器特征映射之间的语义差距,还原出更清晰的图像。其次,基于VGG-16网络结构的边缘信息提取模块对去噪网络处理后的图像进行特征提取,同时反向优化U型去噪模块,还原出更真实的图像。实验表明,在常见的Set5、Set12、Kodak24和CBSD68数据集测试所提出的算法,在图像的客观评价指标上均优于目前具有代表性的去噪算法,同时图像的边缘细节和纹理特征更清晰真实,视觉效果上更好。

摘要： 混凝土路面的裂缝检测是确保道路安全的重要基础任务。针对混凝土路面的复杂背景和裂缝本身复杂的拓扑结构,提出了一种基于空洞卷积和多特征融合的混凝土路面裂缝检测网络,该网络采用基于U-Net的编码-解码结构。在编码阶段,使用改进的残差网络Res2Net提高特征提取能力;在网络的中间部分,使用串联和并联相结合的不同空洞率的空洞卷积,从而在增加特征点的感受野的同时不会降低特征图的分辨率;在解码阶段,融合了从低层卷积到高层卷积的多尺度和多级特征,提高了裂缝检测的准确性。为证明所提算法的有效性和准确性,将其与现有的部分检测方法进行了比较并使用F-score来评估检测性能。在多个混凝土路面数据集上的实验结果表明,该算法提高了裂缝检测的准确性,具有较好的鲁棒性。

摘要： 目的针对传统喷码检测方法计算量大、字符区域定位不显著、识别准确率较低等不足,提出一种基于机器视觉的柔性包装袋喷码缺陷检测方法。方法以柔性包装袋上喷码图像为研究对象,以滤波抑噪、阈值处理等技术对图像进行预处理,运用YOLO-V3网络模型对字符区域进行定位,并采用阈值和非极大值抑制算法提高喷码区域定位的显著性,通过改进AlexNet网络结构、运用多特征融合运算等方法,获取更为丰富的图像卷积特征,实现字符串的整体识别,从而提高喷码缺陷识别的准确率。结果将YOLO-V3联合改进AlexNet的检测方法与传统喷码检测方法进行对比,结果表明,所设计喷码缺陷检测方法的分类准确率达到99.39%。结论基于机器视觉的柔性包装袋喷码缺陷检测方法在模型计算量、字符区域定位显著性和字符识别准确率都有一定的优势,并有效解决了字符串整体识别的问题。

摘要： 针对现有飞蛾扑火优化算法精度低、全局搜索能力差的问题,提出一种自适应插值飞蛾扑火优化算法,并将其嵌入多特征粒子滤波中优化,构建自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法.首先,在飞蛾的位置更新机制中加入自适应权值,改善所提算法的全局搜索能力.其次,采用改进的插值飞蛾扑火优化算法对采样过程进行优化,结合多特征自适应融合优化粒子滤波车辆跟踪算法,根据最新观测信息不断调整粒子分布,使低权值层粒子向权值较高的区域移动,增强粒子质量,避免样本退化.实验结果表明,本文算法能够有效降低状态预测所需的样本粒子数,提高算法的跟踪性能,在车辆目标发生遮挡、光照、姿态及尺度变化等干扰下仍然能够准确、稳定地跟踪目标车辆.

摘要： 在任务型人机对话系统中,槽抽取任务是至关重要的一个环节。为了提高槽抽取模型的识别准确率,该文提出了一种利用自注意力机制融合文本的多特征维度特征的方法。该方法在常规的双向长短期记忆模型(Bi-directional long short-term memory,Bi-LSTM)和条件随机场(Conditional random field,CRF)的槽抽取模型基础框架之上,引入了自注意力机制融合多维度的特征,如意图特征、词特征、词典特征、字符特征等。通过融合这些特征,槽抽取模型的槽提取能力得到了提升。实验结果证明,该方法的槽抽取F1值能达到97.99%,比常规模型最大提升了3%。

摘要： 机场场面目标跟踪常面临目标遮挡、背景干扰、低分辨率等因素的影响,导致跟踪准确性降低甚至丢失跟踪目标。针对以上问题,研究了基于滤波器自适应更新的机场目标跟踪算法。选取跟踪目标的颜色特征和深度特征,通过插值算子进行多特征融合,再将融合特征与之对应的滤波器进行卷积求和计算各区域置信度,置信度高的区域即为跟踪目标位置。为提高跟踪准确性,利用峰值旁瓣比与平均响应峰值能量建立了跟踪结果校验机制,并设计了1种滤波器自适应更新策略,使滤波器能够自适应调整学习速率,仅在结果可靠时更新。在西南某机场采集的视频数据集上进行测试,结果表明:算法在目标特征不明显或发生变化时具有更好的性能,在目标遮挡和背景干扰等9种因素下的跟踪性能有较大提升,整体精确度和成功率分别达到0.834和0.828,较原ECO算法分别提升了11.35%和11.29%,且均优于文中提到的其他5种经典算法。

摘要： 为了获取关于同一事件的汉越双语新闻的自动摘要,提出了一种多特征融合的汉越双语新闻摘要方法.关于同一事件的新闻文本,其句子间具有一定的关联关系,利用这些关联关系有助于生成摘要.根据该思想,首先计算句子间的新闻要素共现程度及句子间的相似度;然后将这两种特征融入句子无向图并利用图排序算法对句子进行排序;之后结合句子的位置特征对排序结果进行调序;最后挑选重要句子并去除冗余生成摘要.在汉越双语新闻文档集上进行了摘要实验,结果表明提出的方法取得了较好的结果,具有有效性.

摘要： 软件开发者能力评价和协作关系推荐是大数据环境下软件智能化开发领域的一个研究热点.通过分析互联网开发者社区和企业内部开发环境,设计出基于模糊综合评价的开发者能力模型;随后,通过挖掘开发者与任务的动态交互行为、静态匹配度以及开发者能力三个不同维度的特征并结合矩阵分解技术,提出一种能力与行为感知的多特征融合协同过滤开发者推荐方法,最终解决开发者推荐面临的评价矩阵稀疏性和冷启动问题,提升个性化精准推荐效率.从系统层面给出适合大数据环境的多特征融合开发者推荐原型系统实践及对现有开源技术框架的优化改进,实验过程分别基于互联网问答社区StackOverflow和企业内部GitLab环境进行了实验分析.最后,对未来研究可能的问题及思路进行了展望.

摘要： 本文提出了一种基于多特征融合和随机森林(Random Forest,RF)的眼底图视网膜血管分割算法.以彩色眼底图像中的每个像素点为一个样本,为其构造一个包括图像不变矩特征,灰度共生矩阵特征,LoG结合高斯二阶导特征,梯度法特征,相位一致性特征以及Hessian矩阵特征在内的23维特征,选取一定数量的样本点共同构造一个特征矩阵作为输入数据,再采用随机森林算法进行分类器的训练,用生成的RF分类器对待分割图像像素点分类,判定是否为血管点,进而完成对图像血管的分割.在初步分割的基础上进行基于连通区域补足血管的后处理得到优化的血管分割结果.本文所提出的方法在DRIVE公共数据库上进行试验,平均精确度达到0.9606,平均灵敏度达到0.7447,平均特异性达到0.9838,比已有的血管分割方法性能更优。

摘要： 本文提出一种基于多特征融合的空间非合作目标近距离相对位姿测量方法.该方法在提取图像SIFT特征和点云SHOT特征的基础上融合SIFT特征和SHOT特征匹配结果,实现基于几何一致性约束的空间非合作目标识别.最后基于全局优化的假设检验方法,通过最小化全局代价函数计算出最佳相对位姿测量结果.多特征信息的融合和3D目标识别方法的引入减小了光照和遮挡等空间非结构化环境对算法的影响,拓展了非合作目标相对位姿测量方法的适用范围,提高了非合作目标相对位姿测量精度.卫星地面仿真实验验证本文方法在相对位置和相对姿态角的测量精度,证明本文方法的有效性和适用性.

摘要： 隐式鉴别机制在解决移动智能终端的安全性与易用性冲突方面具有重要而独特的作用.然而,已有工作通常基于单一特征或动作进行隐式鉴别,仅适合于特定动作、场景和范围.为了解决此问题,本文利用用户在使用设备过程中存在独特的位置、环境、姿态、步态、生物和行为特征,提出了一种基于多特征融合的隐式鉴别方案.该方案采集设备的各种传感器、用户生物和行为数据,通过支持向量机方法训练和提取多种特征,设计多特征融合模型和构建隐式鉴别框架,获得用户身份信任水平,设计个性化安全策略并持续透明地鉴别用户身份.实验验证了该方案的有效性,并且能够平衡安全性与易用性和资源消耗.

摘要： 利用多特征融合以及多核支持向量机技术对高分辨率遥感影像地物要素分类问题展开研究,首先,采用直接矢量叠加的方法将DMPs、MBI、MSI、对象级GLCM、对象级PSI以及对象级SCI特征进行了有效地融合,然后,通过实验对比了单核SVM和多核SVM的分类结果.实验证明:所提取的空间特征具有相辅相成、相互补充的关系,联合全部或者部分空间特征一起使用往往可以取得比单一空间特征更好的结果;多核SVM能够取得比单核SVM更高的分类精度.

摘要： 中国传统视觉文化符号凝结着中国人的智慧和力量,成为世界解读能够诠释中国的一种方式,它能代表中国、影响世界.本论文主要针对中国传统视觉文化符号做识别和分类等智能化处理,目标是探讨一种关于中国传统视觉文化符号智能识别的解决方案.先从简单的分类任务入手,利用浅层学习中多特征融合的方法来解决分类问题,再通过使用深度学习中卷积神经网络来处理这一问题.最后,提出了基于深度层级特征和SVM结合的中国传统视觉文化符号识别的方法,在此基础上,在特定的博物馆中对文化展品进行识别,并做成基于线上线下的识别APP.

摘要： 目的:科研合作关系是一种重要的社会网络.为了促进科研合作,提高科研生产率,对金融领域的科研合作推荐模型进行研究. 方法:建立金融领域个人、机构和区域三个层面的科研合作网络,提出一种新的融合基于邻居节点和基于路径的网络特征的科研合作推荐模型,并从个人、机构和区域三个层面进行实证检验. 结果:通过对2000年到2014年刊载的68905篇金融领域的文章进行分析并构建科研合作网络,在个人、机构和区域三个层面上,基于特征融合的链接预测方法的AUC值分别为84.25％、87.34％和91.84％,均高于基于邻居节点的算法和基于路径的算法的AUC值. 局限:在进行训练集和测试集选取的时候只按时间进行切分,有待使用更多的切分方式对实验结果进行优化. 结论:本文有助于金融科研领域的个人、机构和区域寻求合作对象,为进行科研网络的研究以及科研合作推荐的学者提供新的研究方法和思路.

摘要： 在包含但不限于遥感图像配准等领域中,遥感图像的显著性区域判别是其中的重要一环.本文研究的遥感图像显著性度量问题主要适用于基于互信息配准遥感图像配准等领域.通过分析遥感图像灰度直方图、纹理、边缘等信息,提出了基于图像均值二分分离度、基于直方图双主峰分离度以及基于多特征融合的三种遥感图像显著性度量方法.实验结果表明,三种遥感图像显著性度量各有优势,但整体而言,基于多特征融合的显著性度量方案对云层敏感程度相对较弱,基于该方法选中的遥感图像区域一般包含有更丰富的地物信息、纹理信息和边缘信息,更适用于基于互信息的遥感图像配准等领域.

摘要： 随着数据量和数据维数的增加,对数据的分类、查询已经越来越重要了.为了更好地对视频、图片、文本等进行检索,哈希方法应运而生.近年已经有很多好的哈希算法相继出现,其速度快,适应高维数据,在模式识别、机器学习等方面得到了广泛的应用.本文提出了一种新的多特征哈希方法,称为多特征迭代哈希.该方法既考虑数据单特征上的紧哈希码,也考虑各特征之间的关系对哈希码的影响,并且通过迭代量化,得到了最优的哈希码.实验表明该方法在精度上优于三种单特征哈希方法.

摘要： 本发明提供一种基于多模态特征融合的三维对象融合特征表示方法。本发明将三种模态的三维模型特征表示，都做了一个非常细致的实现和复现：三维模型的多视图特征表示、点云特征表示以及网格特征表示。对多模态三维数据进行了处理、增强和融合，并基于此提取出了三维对象的融合特征表示。本发明能实现非常优秀的多模态信息融合，实现更加鲁棒的三维模型特征表示，供给其他三维对象任务使用。

摘要： 本发明公开了一种基于纹理特征与形状特征相融合的水声图像特征提取方法，主要步骤包括图像分割，边界提取，生成基元阵，计算灰度‑基元共生矩阵，获取五项个特征量等几个关键步骤。本发明着手于海底底质水声图像的图形学特征，利用海底底质水声图像的边界形状特征及其灰度相关性，应用并结合边界提取与灰度‑基元共生矩阵法，实现海底底质的水声图像特征提取。本发明不仅能够保证平移、旋转和缩放不变性，并且对噪声不敏感，既可以描述闭合区域，对于非闭合区域也能很好的完成特征提取，实现了基于海底底质水声图像图形学特征的间接识别及提取。

摘要： 本发明涉及一种融合用户时间特征和个性特征的数据特征提取方法，属于人工智能技术领域；本发明基于多用户的批量时序数据，通过时间卷积神经网络建模数据的序列关系，同时引入时间通道和个性特征通道注意力机制自动选择与预测下一个数据点所密切相关的数据特征，从而获取用户的综合数据特征，在此基础上，可以利用现有神经网络模型提供基于用户历史习惯的相关服务。对比现有技术，本发明有效解决了传统神经网络模型在使用数据时效率低下的问题，通过时间通道和个性特征通道两种注意力机制，强调了时间信息和用户个性对于特征提取的重要性，提高了特征提取的有效性。

摘要： 本发明提供一种基于显著图引导的分层密集特征融合网络用于提取乳腺病变超声图像多尺度融合特征参数的方法。该方法联合使用线性光谱聚类超像素方法和多尺度区域分组方法处理得到的特征表示图，避免有用信息的丢失，然后搭建一个三分支的分层密集特征融合网络进行前景特征、背景特征的提取和融合，用于提取乳腺病变超声图像多尺度融合特征参数。前景和背景两个进行性密集特征提取分支网络以原始图像和相应的显著图共同作为输入，分别用来有效地提取与该分类任务相关的前景和背景特征。根据前景和背景之间已知的相关性和补充性信息，分层特征融合分支网络将上述前景和背景信息进行多尺度的融合，获得更加准确，更加显著的多尺度融合特征参数。

摘要： 本发明公开了一种切削信号多域特征高质融合及融合特征性能评价方法，涉及机械加工过程监测技术领域，根据切削信号特征集和辨识目标向量计算每个特征向量与辨识目标向量的皮尔逊相关系数，得到多域相关系数集；根据自动叠加函数计算每个特征向量对应的融合特征分量，得到多域融合特征分量集；对多域融合特征分量集中各融合特征分量矩阵计算平均向量，得到多域融合矩阵；分别计算多域融合矩阵的各维数据与辨识目标向量的皮尔逊相关系数，得到多域融合矩阵与辨识目标向量的融合相关向量；经计算输出最终的多域融合矩阵。本发明能够提高融合特征表现能力，同时通过建立性能评价指标，实现能够在训练识别模型之前预先判断融合后的特征性能的评价方法。

摘要： 本发明公开了一种基于特征筛选和深度融合的卷积神经网络特征融合算法。方法包括如下步骤：(1)、将来自同一幅影像的多个不同的卷积特征按照通道进行拼接。然后对拼接后的特征进行批量归一化，来调整各层输出特征的分布。(2)对融合后的综合特征进行包括挤压、激励和注意三个过程的特征筛选。(3)通过一维卷积对多个特征进行深度融合，进一步挖掘各个特征的信息和特征信息之间的关系。(4)最后对深度融合的特征进行激活，通过激活函数把激活的特征保留并映射出来。本发明可以明显提升深度学习方法中多特征(多尺度特征融合、注意力特征融合等)相关类别算法模型的精度，提高图像分类、语义分割和目标检测等任务的识别效果。

摘要： 本发明公开了一种电子病历中异构数据特征融合方法及基于融合特征的预测方法、系统及可读存储介质，所述方法包括：步骤1：将患者的电子病历数据进行处理构成患者的就诊向量；步骤2：将每类数据的就诊向量作为原始输入数据，分别利用Bi_LSTM模型和CNN模型提取时序特征和非时序特征；步骤3：分别综合每类数据的时序特征和非时序特征得到综合特征；步骤4：利用所述综合特征挖掘每类数据的之间的作用信息得到每类数据对应的最终特征。其中，利用得到最终特征可以用于疾病风险预测，本发明综合了不同类型医学数据各自的时序和非时序特征及其之间的相互关系，以获得更准确的患者表示特征，进而提高了疾病风险预测结果的可靠性。

摘要： 本发明提供一种基于多模态特征融合的三维对象融合特征表示方法。本发明将三种模态的三维模型特征表示，都做了一个非常细致的实现和复现：三维模型的多视图特征表示、点云特征表示以及网格特征表示。对多模态三维数据进行了处理、增强和融合，并基于此提取出了三维对象的融合特征表示。本发明能实现非常优秀的多模态信息融合，实现更加鲁棒的三维模型特征表示，供给其他三维对象任务使用。

摘要： 本发明公开了非负特征融合方法和基于非负特征融合的模式分类方法，包括以下步骤，获取原始数据的多种非负特征，定义并建立特征矩阵；对特征矩阵进行非负特征分解，得到基础特征和特征融合因子；使用基础特征和特征融合因子进行融合特征重建，得到融合特征；基于融合特征，建立基于正规化F范数误差的融合单特征分类器；使用融合特征Boosting算法对融合特征进行提升，得到融合单特征提升权重矩阵和融合多特征提升权重矩阵；基于提升权重矩阵，建立融合多特征分类器。本发明提出非负特征分解与融合特征重建的两步特征融合方法，为原始数据多种非负特征的融合提供了技术手段，实现多种特征的优势互补，基于融合特征建立的分类器能够得到更高的分类准确率。

摘要： 提供一种基于深度神经网络的人工特征与卷积特征融合的特征提取方法，所述方法包括：获取电动液压舵机的故障预测数据；对所述故障数据进行综合预处理，以得到训练数据集和测试数据集；将所述训练数据集分别送入卷积神经网络一次自编码器和基于专家知识的人工时域特征提取模块；在所述卷积神经网络一次自编码器中进行基于卷积神经网络的特征提取，获得卷积特征集；在所述人工时域特征提取模块进行基于专家知识的时域特征提取，获得人工时域特征集；对所述卷积特征集和所述人工时域特征集进行特征拼接，得到融合特征；将所述融合特征送入二次自编码器和解码器，进行基于堆叠自编码器的深度特征融合。