投票机制

摘要： 随着数据的爆炸式增长,大数据问题越来越受到关注,然而由于大数据具有维度较高、数据复杂且变化迅速的特性,导致传统的机器学习算法不再适用,故解决大数据特征选择问题迫在眉睫.本文基于投票机制和决策树算法提出了大数据环境下的投票特征选择算法.具体步骤为,随机划分大数据集U为L个子集,将划分后的L个子集发送到L个map节点,在每个map节点上使用决策树算法进行特征选择.在reduce节点,用每个map节点选择出来的特征进行投票,将得票数大于阙值的特征选择出来.将提出的算法在Hadoop和Spark两个开源大数据平台进行了实验,发现两个大数据平台的运行机制有诸多异同.此外,将提出的大数据投票特征选择算法和单变量特征选择算法与基于遗传算法的特征选择算法在5个高维数据集上进行了实验比对.经过对实验结果的分析,发现提出的算法相较于两个相关算法分类精度和执行效率都有更优的表现.证明了提出的算法优于这两个算法,可以有效地解决高维数据的特征选择问题.

摘要： 作为"智慧法院"的核心应用之一,相似裁判文书的发现有助于解决司法过程中裁判尺度不统一、类案不同、量刑不规范等问题。目前,一部分方法侧重于从裁判文书中总结领域特征,并将这些特征融入到语言模型中来提升相似文书发现的效果。另一部分工作将其转化为分类任务,利用有监督学习模型来进行建模与预测。然而,已有的方法没有考虑将语言模型与分类模型各自的优势进行结合。为此,提出一种基于网络表示学习(network representation learning)和文本卷积网络(convolutional neural network for texts)的类案发现方法。方法分别从无监督学习与有监督学习的视角来建模裁判文书中的信息,并根据法律知识体系对原有模型的负采样方法(negative sampling)进行改进。最终,方法设计了一种较为合理的投票机制将两类模型的结果进行融合。实验结果表明,提出的联合方法较已有方法能在类案发现任务中取得更高的推送准确率。

摘要： 针对现有小电流系统单相接地故障暂态选线特征信息提取、处理以及选线精度的问题,文中对故障进行暂态特征分析,发现各线路暂态零序电流中高频分量具有明显差异。据此结果,文中提出了一种基于暂态零序电流高频分量的波形相似性的投票选线方法。结合VMD算法和巴氏距离算法,分解各条线路的零序电流,得出暂态高频分量,进而求得各线路间暂态高频分量的巴氏系数。然后对系数矩阵采用初步投票与k值检验的方法进行投票,从而判断出故障线路。不同故障情况下的仿真结果表明该方法简单可靠,选线精度及可信度高,具有广泛的适用性和一定的抗干扰性。

摘要： 实时环境监测在当今社会越来越显得重要,微型无源移动式环境监测设备是实时环境质量监测的重要方式,但解决该类设备的能耗问题以增加续航时间是研究的热点问题。提出了一种基于多元融合的无监督室内外场景识别算法,在融合光照传感器、温湿度传感器和地磁传感器的前提下,分别设计各类传感器的室内外场景识别算法,再设计投票机制来提高对室内外场景识别的准确率,用于微型无源移动式环境监测设备动态开启或休眠部分监测传感器,进而降低能,耗延长续航时间。由实验结果可知,基于多元融合的无监督室内外场景识别算法准确率达到了近90%,符合微型无源移动式环境监测设备的使用要求。

摘要： 蒲黄炭是由香蒲花粉炮制而成,具有止血、化瘀、通淋等多种功效,被广泛应用于临床抗血栓,创面和出血。然而蒲黄炭在炒炭过程中,常常会出现炭化过轻或者炭化过重的现象,从而出现不同炭化程度的蒲黄炭药品,主要为轻度炭化、标准炭化与重度炭化三种不同的蒲黄炭药品。由于炭化程度不同,蒲黄炭的凝血效果优劣不等,其中标准炭化的蒲黄炭药品药效最优。目前,鉴别蒲黄炭药品的方法多为人工凭借肉眼与经验进行判别。基于人工的蒲黄炭药品判别方法判别效率低,受主观因素影响大,判别结果不稳定,难以区分出标准炭化的蒲黄炭。为有效地对不同炭化程度的蒲黄炭进行识别,提出一种基于卷积神经网络与投票机制的蒲黄炮制品近红外判别方法。该方法创新性地结合深度学习与机器学习算法,有效利用卷积神经网络强大表征提取能力的同时通过投票决策提升算法模型的泛化能力与鲁棒性。首先通过近红外光谱技术获取蒲黄炭的近红外光谱,并通过卷积神经网络分别提取样本经过四种预处理方法所得到光谱图的高阶特征,并计算预测结果。按照样本准确率与损失值为四种预处理方法分配相应权重得到蒲黄炮制品预测模型。该模型将所得到的四种预测结果结合权重共同投票出样本的最终结果,从而鉴别出蒲黄炭的炭化程度。实验结果表明所提方法可以有效判别蒲黄炮制品的炭化程度。当训练集所占样本比例为80%时,预测准确率达到95.4%。所提方法与传统卷积神经网络方法、线性判别分析方法以及标准正太变量变换-线性判别分析方法相比预测准确率分别提高8.6%,4.3%和2.6%。同时,所提方法具有一定的稳定性,当训练集所占样本比例大于70%时,测试准确率高于90%;当训练集比例仅占10%时,预测准确性仍然能够达到约80%。

摘要： 目的在大规模伤员救治中,伤情分类作为伤员救治的重要组成部分,始终贯穿在救援的全过程之中。本文旨在依照伤员的实时伤情对其进行检伤分类研究,以便实施针对性救护处置,最大程度降低伤亡率与致残率。方法伤员的伤情分类通常分为4种,即轻伤、中度伤、重伤、危重伤,分别对应卫勤急救分类中的常规处置、优先处置、紧急处置和期待处置。为此,基于医院收集的急救数据,采用“一对一”与“一对多”2种多类别分类策略,结合集成学习方法与投票决策机制,实现急救伤情的准确分类。结果基于“一对一”策略的集成学习模型对4类伤情分类的平均准确率可达89%,高于基于“一对多”策略模型取得的87%的平均准确率。结论该技术能够基本实现对伤情快速有效地分类,为伤员救治提供重要参考。

摘要： 数字技术和互联网技术的新进展推动数字创意产业进入了新时代,数字创意产业也面临着一系列新的挑战。区块链作为一项颠覆性的技术,其技术特点能够给数字创意产业带来很多新的应用,尤其是区块链中的一种非同质化代币(Non-Fungible Token,NFT)技术融入到数字创意产业中能够给该产业带来新的变革。然而,数字创意作品平台系统因“零门槛”进入而面临低质量作品泛滥的问题。本文提出在作品被平台收纳之前应引入投票机制来解决该问题。我们首先为平台中的创作者建立基于博弈论的经济模型,并对比分析均分机制、比例机制以及投票机制在达到对称均衡时创作者产出作品质量的情况。通过博弈论理论分析与计算机仿真实验表明,在引入投票机制之后,系统可以通过改变总奖励的方式有效激励创作者上传更高质量的作品到平台中,从而自动过滤低质量作品。

摘要： 针对大数据样例选择问题,提出了一种基于随机森林(RF)和投票机制的大数据样例选择算法.首先,将大数据集划分成两个子集,要求第一个子集是大型的,第二个子集是中小型的.然后,将第一个大型子集划分成q个规模较小的子集,并将这些子集部署到q个云计算节点,并将第二个中小型子集广播到q个云计算节点.接下来,在各个节点用本地数据子集训练随机森林,并用随机森林从第二个中小型子集中选择样例,之后合并在各个节点选择的样例以得到这一次所选样例的子集.重复上述过程p次,得到p个样例子集.最后,用这p个子集进行投票,得到最终选择的样例子集.在Hadoop和Spark两种大数据平台上实现了提出的算法,比较了两种大数据平台的实现机制.此外,在6个大数据集上将所提算法与压缩最近邻(CNN)算法和约简最近邻(RNN)算法进行了比较,实验结果显示数据集的规模越大时,与这两个算法相比,提出的算法测试精度更高且时间消耗更短.证明了提出的算法在大数据处理上具有良好的泛化能力和较高的运行效率,可以有效地解决大数据的样例选择问题.

摘要： 目前基于端到端的卷积神经网络在文本情感分析中大量应用,但是其缺乏对罕见词的处理以及对不同领域的泛化性.基于此提出了一种加入词典特征以及词性特征进行特征增强的卷积神经网络模型——多特征改进卷积神经网络模型.首先采用字特征、词典特征以及词性特征表示句子向量,其次采用分段多池操作抽取重要特征,最后采用投票机制判段文本的情感倾向性.实验中,在数据集相同的情况下与多种情感分析网络模型的进行对比,MFICNN模型的情感识别精度最高,达到了0.944.

摘要： 物联网容易遭受多类拒绝服务攻击,其中黑洞攻击是最严重的攻击之一.为此,提出基于投票法的黑洞攻击检测算法(Voting Method-based Blackhole Attack Detection,VMBAD).通过VMBAD算法检测RPL协议上的黑洞攻击.先通过过滤器构建嫌疑节点,再验证嫌疑节点的行为,各节点作出自己的决策意见,并传输到边界路由(Bor-der Router,BR).接收后,BR利用投票机制融合各节点的决策意见,进行最终的决策,进而判断节点是否为黑洞攻击节点.一旦认定为黑洞攻击,就将黑洞攻击节点与网络隔离,使其不参与RPL路由.仿真结果表明,VMBAD算法能够有效地检测黑洞攻击节点,并且通过排除攻击节点,提高了数据包传递率.

摘要： 针对投票机制的个性化推荐系统，本文利用了人工免疫网络模型的动态适应性、自组织性等特性，通过构建用户的兴趣模型，设计用户投票行为的抗体(抗原)编码及交叉克隆算子，通过人工免疫网络模型来产生高效的推荐结果。仿真实验表明，新技术有效避免传统方法带来的数据稀疏性问题，具有跟踪用户兴趣变化的动态适应能力。

摘要： 本研究旨在探讨将发言管理功能以及投票功能运用于网路讨论室,对于学习讨论之品质是否有显着的影响.在实证研究中,讨论过程的所有发言会先经由讨论室主持人审核内容是否适当,主持人也可适时加入投票机制,对于讨论中的事项进行表决,以提高讨论的品质与效率.

摘要： 在日常自然言语中,会出现哈欠、填音、掌声、笑声等非文字类的语音事件,它们在一定程度上会反映出聊天的气氛和背景,说话人的情感状态和性格等信息,所以对这些非文字类的语音事件的研究有助于语音副信息研究.本文主要关注与连续语音中的笑声检测问题,基于语音帧层面,使用ELM(极限学习机)算法的连续语音中的笑声检测的有效方法,并且基于笑声事件的连续特性以及时长特性对基于ELM算法的检测结果进行优化.

摘要： 在日常自然言语中,会出现哈欠、填音、掌声、笑声等非文字类的语音事件,它们在一定程度上会反映出聊天的气氛和背景,说话人的情感状态和性格等信息,所以对这些非文字类的语音事件的研究有助于语音副信息研究.本文主要关注与连续语音中的笑声检测问题,基于语音帧层面,使用ELM(极限学习机)算法的连续语音中的笑声检测的有效方法,并且基于笑声事件的连续特性以及时长特性对基于ELM算法的检测结果进行优化.

摘要： 在日常自然言语中,会出现哈欠、填音、掌声、笑声等非文字类的语音事件,它们在一定程度上会反映出聊天的气氛和背景,说话人的情感状态和性格等信息,所以对这些非文字类的语音事件的研究有助于语音副信息研究.本文主要关注与连续语音中的笑声检测问题,基于语音帧层面,使用ELM(极限学习机)算法的连续语音中的笑声检测的有效方法,并且基于笑声事件的连续特性以及时长特性对基于ELM算法的检测结果进行优化.

摘要： 在日常自然言语中,会出现哈欠、填音、掌声、笑声等非文字类的语音事件,它们在一定程度上会反映出聊天的气氛和背景,说话人的情感状态和性格等信息,所以对这些非文字类的语音事件的研究有助于语音副信息研究.本文主要关注与连续语音中的笑声检测问题,基于语音帧层面,使用ELM(极限学习机)算法的连续语音中的笑声检测的有效方法,并且基于笑声事件的连续特性以及时长特性对基于ELM算法的检测结果进行优化.

摘要： 一种投票器，包括一输入界面及一可充电电池。所述输人界面用于显示投票的议题及选项，并根据投票者的选择通过无线网络输出一投票数据。所述输入界面包括一触控屏，投票者通过点选所述输入界面进行投票。所述可充电电池用于为所述投票器供电。上述投票器利用无线网络实现数据传输，利用可充电电池给投票器供电，方便了投票者的携带，使用便利。本发明还提供了一种使用该投票器的电子投票系统。

摘要： 本发明涉及一种基于区块链股权授权证明共识机制的全关联投票方法，首先各节点从对称语言术语集中选择自己对某节点的偏好信息进行投票；收集所有区块链节点的投票信息，并计算语言术语的概率分布信息，利用比例犹豫模糊语言术语集对每个区块链节点的群体投票信息进行建模；区块链网络中n个区块链节点的群体投票信息可以表示为n个比例犹豫模糊语言术语集；对所有区块链节点进行两两比较，得到二级可能度矩阵；之后计算每个区块链节点i的累积可能度；将n个区块链节点的累积可能度按降序排序；最后根据预设的代理节点数目m，选择累积可能度排在前m个的区块链节点作为代表，采用以上技术方案有效地提高了股权授权证明共识机制的公平性。

摘要： 本发明涉及一种基于深度投票机制的端到端瞳孔中心定位方法，属于计算机视觉应用领域。该方法包括：S1：获取包含人脸的图像集，并对图像集进行标注，然后将标注后的图像集分为训练集和测试集；S2：构建瞳孔中心定位模型，并将训练集输入模型进行训练；S3：将测试集中的待定位图像输入训练好的瞳孔中心定位模型，得到最终的瞳孔中心定位坐标。本发明通过将卷积神经网络和经典视觉中的投票机制相结合，在保持高精度定位的同时，实现了端到端的数据流处理。

摘要： 本申请公开了一种基于复合投票机制的类案推送方法及装置，将信息网络输入至预设的非监督学习模型中，得到与案情描述之间的相似度大于预设阈值的多个裁判文书。将案情描述的文本嵌入矩阵，输入至监督学习模型中，得到案情描述的罪名。将与案情描述之间的相似度大于预设阈值的多个裁判文书、以及案情描述的罪名，作为投票机制的参考依据，并利用投票机制从各个裁判文书中选取出目标裁判文书，作为对外推送的裁判文书。将非监督学习模型的输出结果(即与案情描述之间的相似度大于预设阈值的多个裁判文书)、以及监督学习模型的输出结果，作为投票机制的参考依据，并利用投票机制从各个裁判文书中选取出目标裁判文书，能显著提高类案推送的准确性。

摘要： 本发明公开了一种基于图像亮度信息和投票机制的硫熏干姜鉴定方法，它包括以下步骤：(1)样品制备和图像数据采集；(2)提取图像特征；(3)分别使用采用支持向量机(SVM)、BP神经网络(BPNN)与随机森林算法(RF)建立硫熏干姜鉴别模型；(4)根据三种模型的结果，建立一套基于投票机制的识别模型。本发明首次采用基于图像亮度信息与投票机制的硫熏干姜鉴别方法，能够准确预测干姜硫熏程度，具有快速无损、识别准确率高以及稳定性强的优势。

摘要： 本申请公开了基于二阶H指数和投票机制的影响力节点识别方法和系统，通过获取待测试数据，进行数据预处理，获取数据预处理结果；基于所述预处理结果，进行初始化，获取初始化结果，并通过投票，获取投票结果；基于所述投票结果，进行筛选，获取筛选结果；基于所述筛选结果，进行更新，获取更新结果，选出指定数量的种子节点，完成节点识别。本申请通过将所有节点的初始投票能力设置为该节点的SHIKS值，并在投票阶段将二阶邻居考虑在内并在更新阶段根据节点与种子节点之间的最短路径长度更新二阶邻域内所有节点的投票能力，筛选出的种子节点彼此相聚较远，具有更好的传播效果，相比传统识别方式更具有准确性。

摘要： 本发明公开了一种基于局部关联投票机制的刚体目标关键部位检测方法，该方法首先收集标注了关键部位的图像域数据和空间域数据，然后在YOLOv5网络结构的基础上添加高分辨率通道模块作为图像域检测模型。构建局部关联投票网络作为空间域检测模型。然后将待检测的图像输入图像域检测模型中，判断图像域的检测结果是否存在漏检的被遮挡目标。当存在漏检时，将图像域检测结果的关键部位位置信息输入空间域检测模型中，采用基于局部关联的投票机制对被遮挡目标进行预测，最终解算得到刚体目标的所有关键部位的信息，得到检测结果。本方法在保证检测时效性的基础上，解决了复杂实际环境下可能产生的刚体目标关键部位被遮挡的问题。

摘要： 本发明涉及人工智能技术领域，揭露一种基于投票机制的行为识别方法，包括：获取带有样本行为的目标视频的第一时域段；基于所述第一时域段，获取与所述目标视频相对应的扩增视频段；将所述扩增视频段分别输入预设的神经网络模型中进行训练，直至所述神经网络模型训练成行为识别模型；基于所述行为识别模型对待识别视频中的行为进行行为识别，并获取对应的识别结果；对所述识别结果进行投票，并基于所述投票的结果，确定所述待识别视频的最终行为结果。本发明可以提高基于行为识别的准确度。

摘要： 本发明公开了一种见证人选举的投票机制处理方法及系统，所述方法包括：通过对见证人节点集合的第一节点分别进行第一要素和第二要素的数据采集，获得第一数据集和第二数据集，其中，所述第一要素为保证金数额，所述第二要素为历史共识信息；通过对所述第二数据集进行历史共识分类，第一共识分类结果；根据所述第一共识分类结果对所述第二数据集进行处理，获得第三数据集；通过对所述第一数据集和所述第三数据集进行权重分配计算，获得第一要素统计值和第二要素统计值；根据所述第一要素统计值和所述第二要素统计值，获得票数统计结果。解决了基于原始共识算法的节点投票方案存在投票结果信誉度较低和投票效率较低的技术问题。

摘要： 本发明涉及基于投票机制的工业零件实例分割方法。其步骤为：选定三种图像分割方法，即为Graph Cut，GrabCut和OneCut；输入待分割工业零件图片后分别初始化Graph Cut，GrabCut和OneCut三种图像分割模型的初始参数；根据图像的灰度直方图、RGB三通道高斯混合模型和全图前景和背景的L1‑norm定义能量函数；最小化能量函数，输出三幅分割二值图；基于三幅分割二值图，引入投票机制，对三幅图像的每个像素点进行投票，输出最终分割图。本发明方法在不同工业环境下均能实现对零件精确且稳定的分割，精度高，鲁棒性强；而且，本发明可以直接部署在普通PC机上，无需消耗GPU资源，实现简单，实用性强。