特征映射

摘要： 文章提出了单阶段连续手势识别模型,它可以通过单个模型在单个视频中检测和分类多个手势。这种方法学习手势和非手势之间的自然转换,不需要预处理分割阶段来检测单个手势。为了实现这一点,引入了多模态融合机制,以支持来自多模态输入的重要信息集成,并且可以扩展到任意数量的输入模态。此外,文章还提出了单模态特征映射和多模态特征映射模型来分别映射单模态特征和融合多模态特征。为了进一步提高性能,提出了一个基于中点的损失函数,促进标注和预测结果之间的平滑对齐。该框架可以处理可变长度的输入视频,并在两个具有挑战性的数据集上表现出良好的性能。

摘要： 随着深度神经网络在人工智能领域的广泛应用,其模型参数也越来越庞大,神经网络剪枝就是用于在资源有限设备上部署深度神经网络。结合神经网络通道级编码和自动剪枝的概念,提出了一种基于遗传算法的通道搜索模型。其主要思想是通过小波分解计算剪枝网络与原始网络特征映射的相似性,以相似度为适应度函数进行通道的搜索。在实验中,选择ResNet系列网络在ImageNet数据集上的剪枝性能进行评估,与现有的神经网络剪枝算法相比,该模型不仅具有更高的剪枝率,而且具有更好的精度。

摘要： 针对航空领域整体壁板的高效展开需求,首先建立了一套复杂特征的重建方法,完善了复杂壁板展开的理论基础,进而基于曲面展开方法和本文提出的特征重建方法,使用MATALB软件对CATIA进行二次开发,搭建了一套飞机壁板展开软件。以某机翼壁板典型验证件为例,对软件的展开精度进行了验证,结果表明,展开毛坯数模的形状与尺寸准确。

摘要： 为了将高维富模型特征投影与分类器结合,降低隐写图像的检测误差,提出对高维富模型特征分割再结合混合核的特征投影算法的隐写分析方法.将高维特征纵向分解为若干特征块,对每个特征块投影,投影后的特征块拼成新的特征.设计非线性混合核函数代替单核函数进行特征投影,以克服样本规模巨大、多维数据的不规则等现象.投影后的特征用FLD(Fisher Linear Discriminant)集成分类器分类.实验结果表明,该方法进一步降低了隐写图像的检测错误率,同时有效降低了运行内存需求.

摘要： 搜索式无载体信息隐藏方法无需修改载体即可嵌入秘密信息,可有效维持秘密信息的不可感知特性,但算法性能极度依赖文本大数据集.基于此,提出一种基于声调特征映射的文本无载体信息隐藏方法.该方法通过声调特征编码获取文本的特征序列,利用特征匹配与指定匹配算法构建文本与秘密信息的映射关系,直接从文本集中检索符合映射关系的文本并发送,以此实现秘密信息的隐蔽传输.实验结果表明,所提方法在小规模文本集条件下性能稳定,显著降低了搜索式无载体信息隐藏方法对文本大数据集的依赖.

摘要： 近年来,随着各大光谱巡天项目的陆续实施,观测得到的天体光谱数据急剧增长.大型光谱巡天项目对光谱的自动分类和分析提出了更高的要求.本文将分类问题转化为回归问题,提出一种基于深度残差网络的光谱类别预测方法,对恒星光谱进行光谱次型预测.网络主要包括25个卷积层,1个最大池化层,1个平均池化层,全连接层以及12个残差结构.最大池化层用来筛选特征,卷积层提取特征,平均池化层用于减少模型参数,提高效率.残差结构可以防止网络退化,加深网络来提取高维抽象特征以及提高训练速度.考虑到数据有非零几率存在错误标签以及损坏数据,采用Log-Cosh作为损失函数来降低坏样本带来的负面影响.实验数据使用的是从LAMOST DR5中随机抽取的80000条光谱,由于光谱质量等原因,每个光谱型的光谱数量不一.经过剔除坏值,流量归一化后,按7:1:2分为训练集、验证集和测试集.实验包括两个部分,第一个部分是使用数据集训练网络在光谱次型上进行类别预测,使用最大绝对误差、平均绝对误差以及标准差来比较不同形状卷积核的性能.将预测值作为横坐标,标签作为纵坐标,对测试集所有样本点使用二阶非线性拟合,得到了一条与y=x重合的直线.证明模型可以很好的预测光谱次型.第二部分是对模型进行内部分析,使用类别激活映射的方法分别研究了模型预测A,F,G和K四种类型光谱时所关注的主要特征,赋予了模型可解释性.在文中数据集上,该方法对91.4％ 的光谱预测误差在0.5个光谱次型以内,预测的平均绝对误差为0.3个光谱次型.并与非参数回归、Adaboost回归树、K-Means三种方法进行同数据集比较,结果表明文中提出的方法可以很好地预测光谱次型并且速度更快,准确率更高.

摘要： 与常规分割对象不同,医学图像中肿瘤组织像素占比小且解剖结构相近于人体狭小组织,不同肿瘤之间差异度不明显,这导致常规分割方法对肿瘤的分割效果低于期望值.因此,为了增强肿瘤特征传递的有效性,提出一种结合高低维稠密特征映射的肿瘤分割模型.首先,模型采用特征3维映射技术改进网络参数,将CT图像聚合成3维序列结构进行硬阈值3维变换,从而建立特征连接并减少不可逆初始特征丢失现象.然后,构建融合特征映射的稠密卷积网络,使用SELU代替ReLU激活函数,激活网络并提升网络优化度,引入负数部分参数避免"死特征"出现,并在每个稠密块后增加一层最大池化层抽象图像特征,减少时间、空间资本消耗.最后,采用特征复现方法进行特征重建,融合通道特征、空间特征提升特征表达能力.实验采用山东省千佛山医院提供的CT图像数据集,在TensorFlow环境下将模型与U-Net等分割模型进行对比,并对模型进行了消融实验.实验结果表明,该模型有效地提升了肿瘤分割的准确度,与已有经典模型相比,在均像素精度、均交并比等性能指标上均取得了更好的效果.

摘要： 针对弹载计算机硬件验收过程中,人工分析测试数据耗时长、易误检等问题,提出一种基于PNN网络的弹载计算机故障诊断方法.该方法首先将测试数据由矩阵形式简化为向量,然后通过编码映射,计算出对应的故障编码输出值,最后利用PPNN网络对简化后的向量和故障编码输出值进行训练,实现不同测试数据的故障分类.通过对某型弹载计算机试验数据进行仿真,验证了该方法可行性及准确性.

摘要： 针对风格迁移算法在迁移过程中图像内容特征映射出错,无法保证特征映射完整性,使生成图像出现内容失真的问题,提出多通道特征增强风格迁移算法.该算法在CycleGAN(Cycle Generative Adver-sarial Networks)风格迁移网络基础上,引入多通道特征增强机制,增强每个通道对图像特征的非线性表达能力,不仅可保持通道的独立,还能提取更加丰富的内容特征,在确保特征映射一致的同时,提高风格迁移质量.经仿真实验表明,本文所提算法与CycleGAN相比:在风景方面,冬-夏季节场景数据集在评价指标IS和FID上分别提高6.2％和25.7％;在静物方面,苹果-橘子水果静物数据集在评价指标IS和FID上分别提高9.3％和24.4％.

摘要： 针对风格迁移算法在迁移过程中图像内容特征映射出错,无法保证特征映射完整性,使生成图像出现内容失真的问题,提出多通道特征增强风格迁移算法。该算法在CycleGAN(Cycle Generative Adversarial Networks)风格迁移网络基础上,引入多通道特征增强机制,增强每个通道对图像特征的非线性表达能力,不仅可保持通道的独立,还能提取更加丰富的内容特征,在确保特征映射一致的同时,提高风格迁移质量。经仿真实验表明,本文所提算法与CycleGAN相比:在风景方面,冬-夏季节场景数据集在评价指标IS和FID上分别提高6.2%和25.7%;在静物方面,苹果-橘子水果静物数据集在评价指标IS和FID上分别提高9.3%和24.4%。

摘要： 近年来,将深度神经网络(deep neural network,DNN)应用于语音增强取得了一定的效果.该文采用DNN,通过大量数据来学习带噪信号到干净信号之间的非线性映射关系,形成深度映射网络,以谱映射(spectral mapping)的方式实现了对目标信号的估计与重构,以特征映射(feature mapping)的方式实现了特征增强,并在实际噪声场景下的CHiME-3数据集上获得了识别率的有效提升.同时,该文进一步对比谱映射与特征映射在自动语音识别应用中的性能表现,分析了将映射网络作为后处理方案和用于匹配训练时的性能差异.

摘要： 本文提出了一种在3D人体关节点轨迹数据(序列)上的基于生成式模型特征映射的动作识别算法.该算法使用隐马尔可夫模型(HMM)对关节轨迹数据进行建模,但与之前基于HMM的方法相比,主要区别在于将HMM与判别式分类器的结合,以获取和利用更多的判别信息.首先,本文使用HMM对人体关节序列进行建模.然后使用后验分歧(Posterior Divergence)从训练好的HMM模型中得到样本的特征映射,该映射可以将所有长度不一致的序列映射到一个维度固定的特征向量,然后可以用支持向量机(SVM)进行分类.我们在大量的3D人体运动数据上对提出的算法进行实验,结果表明,与其他方法相比,所提出方法具有更好的结果。

摘要： 提出了一个电力用户负荷特性表征体系用于对负荷特性的研究。负荷定性模块和负荷分类模块构成了该体系。负荷定性模块使用自组织特征映射(SOM)网络和K均值聚类操作创造出一套用户分组，并取每个分组内所有负荷曲线的均值以标识出各组的典型负荷特性。分类模块根据这些训练集的聚类结果和负荷曲线形态指标建立出一个ID3分类决策树，使其能够把不同的用户分配到现有的分组中。文章最后用一个真实数据算例说明了方法的有效性。

摘要： 提出将概念模型状态图描述转化为Petri网描述以支持动态行为校验,为此需要实现概念模型UML状态图与Petri网模型的映射算法.本文首先介绍概念模型动态行为描述方法的特点,并分析基于Petri网实现概念模型动态校验的优点,然后提出UML状态图与Petri网模型的映射算法,建立映射流程.最后通过实例验证这种方法可以有效支持概念模型的动态校验.

摘要： 提出将概念模型状态图描述转化为Petri网描述以支持动态行为校验,为此需要实现概念模型UML状态图与Petri网模型的映射算法.本文首先介绍概念模型动态行为描述方法的特点,并分析基于Petri网实现概念模型动态校验的优点,然后提出UML状态图与Petri网模型的映射算法,建立映射流程.最后通过实例验证这种方法可以有效支持概念模型的动态校验.

摘要： 提出将概念模型状态图描述转化为Petri网描述以支持动态行为校验,为此需要实现概念模型UML状态图与Petri网模型的映射算法.本文首先介绍概念模型动态行为描述方法的特点,并分析基于Petri网实现概念模型动态校验的优点,然后提出UML状态图与Petri网模型的映射算法,建立映射流程.最后通过实例验证这种方法可以有效支持概念模型的动态校验.

摘要： 提出将概念模型状态图描述转化为Petri网描述以支持动态行为校验,为此需要实现概念模型UML状态图与Petri网模型的映射算法.本文首先介绍概念模型动态行为描述方法的特点,并分析基于Petri网实现概念模型动态校验的优点,然后提出UML状态图与Petri网模型的映射算法,建立映射流程.最后通过实例验证这种方法可以有效支持概念模型的动态校验.

摘要： 一般算子系统作为算子系统的一种推广性的研究,包括算,系统外,也包含了一般的C*-代数,因此有着比较重要的意义.本文首先定义了一般算子系统的商和完全NUOS一商映射,并探讨了他们与算子系统商及完全商映射的一些关系,从而说明一般算子系统的商既可以通过其单位化定义,也可以通过MOS的正规化定义,并且两种定义的结果是一样的.然后,本文利用商及完全NU0s-商映射得剑了一些关于一般算子系统的极大和${maxaO$张量积结构的射影性的结果.

摘要： 一般算子系统作为算子系统的一种推广性的研究,包括算,系统外,也包含了一般的C*-代数,因此有着比较重要的意义.本文首先定义了一般算子系统的商和完全NUOS一商映射,并探讨了他们与算子系统商及完全商映射的一些关系,从而说明一般算子系统的商既可以通过其单位化定义,也可以通过MOS的正规化定义,并且两种定义的结果是一样的.然后,本文利用商及完全NU0s-商映射得剑了一些关于一般算子系统的极大和${maxaO$张量积结构的射影性的结果.

摘要： 一般算子系统作为算子系统的一种推广性的研究,包括算,系统外,也包含了一般的C*-代数,因此有着比较重要的意义.本文首先定义了一般算子系统的商和完全NUOS一商映射,并探讨了他们与算子系统商及完全商映射的一些关系,从而说明一般算子系统的商既可以通过其单位化定义,也可以通过MOS的正规化定义,并且两种定义的结果是一样的.然后,本文利用商及完全NU0s-商映射得剑了一些关于一般算子系统的极大和${maxaO$张量积结构的射影性的结果.

摘要： 本发明适用于图像处理技术领域，提供了一种图像局部不变特征的语义映射方法，所述语义映射方法包括以下步骤：步骤A：对彩色图像局部不变特征提取及描述；步骤B：提取局部不变特征后，基于监督模糊谱聚类算法对彩色图像提取的局部不变特征生成视觉词典，所述视觉词典包含有视觉特征与视觉单词的隶属关系;步骤C：根据步骤B生成的视觉词典对步骤A提取的局部不变特征所隶属图像进行语义映射以及图像描述。采用所述的图像局部不变特征的语义映射方法能消除语义鸿沟问题，提高图像分类、图像检索以及目标识别的准确性，可以促进机器视觉的理论和方法的发展。

摘要： 一种基于分步三维空间-特征域映射的点云直线特征提取方法，它主要适用于从三维点云中提取直线特征，方便目标相对姿态的测量，属于三维测量和机器视觉技术领域，共有六大步骤。该方法运用了Hough变换原理，分步对点云直线特征进行提取。首先对每个点进行邻域搜索，并用邻域点集确定某点的空间方向，通过在参数空间观察指向分布找出可能存在的直线方向。将原始点云按照提取的直线方向投影，在二维平面直线上的点理论上会汇聚于一个区域内，对投影点借用近邻函数准则算法原理进行分析，估计直线的投影点，从而得到各直线的全部参数。

摘要： 本发明涉及用于通过适用于根据第一码元映射方案而生成码元的码元映射单元来生成根据第二码元映射方案的调制码元的方法和设备，其中，第一和第二码元映射方案根据相应的码元映射方案定义流的数据字到调制方案的调制码元的不同映射。此外，本发明涉及用于生成数据字到方形16 QAM星座的调制码元的映射的方法和设备，所述调制码元可由同相分量和正交分量表示。本发明的一个方面引入了将在映射之前变换要映射到调制码元的数据字的比特序列变换器单元，从而改变映射的汉明距离性质。本发明的另一方面为：新的AICO(对跖反相星座)映射方案的产生。

摘要： 本发明适用于图像处理技术领域，提供了一种图像局部不变特征的语义映射方法，所述语义映射方法包括以下步骤：步骤A：对彩色图像局部不变特征提取及描述；步骤B：提取局部不变特征后，基于监督模糊谱聚类算法对彩色图像提取的局部不变特征生成视觉词典，所述视觉词典包含有视觉特征与视觉单词的隶属关系;步骤C：根据步骤B生成的视觉词典对步骤A提取的局部不变特征所隶属图像进行语义映射以及图像描述。采用所述的图像局部不变特征的语义映射方法能消除语义鸿沟问题，提高图像分类、图像检索以及目标识别的准确性，可以促进机器视觉的理论和方法的发展。

摘要： 一种基于分步三维空间-特征域映射的点云直线特征提取方法，它主要适用于从三维点云中提取直线特征，方便目标相对姿态的测量，属于三维测量和机器视觉技术领域，共有六大步骤。该方法运用了Hough变换原理，分步对点云直线特征进行提取。首先对每个点进行邻域搜索，并用邻域点集确定某点的空间方向，通过在参数空间观察指向分布找出可能存在的直线方向。将原始点云按照提取的直线方向投影，在二维平面直线上的点理论上会汇聚于一个区域内，对投影点借用近邻函数准则算法原理进行分析，估计直线的投影点，从而得到各直线的全部参数。

摘要： 一种控制资源映射或解资源映射的方法及装置，以及资源映射或解资源映射的方法及装置用于利用较低的硬件开销实现较高效率的资源映射或解资源映射。控制资源映射或解资源映射的方法包括：确定有效带宽内的M个RE组；根据待发送或待接收的信道和/或信号，生成第一参数，该第一参数包括M个位域，每个位域对应M个RE组中的一个RE组，以指示对应的RE组是否有效；根据每个有效RE组内有效RE的位置，确定有效RE组的图样类型；输出配置参数，以控制资源映射或解资源映射，其中，对基本类型的有效RE组，配置参数包括第一参数；对非基本类型的有效RE组，配置参数包括第一参数，第二参数和索引信息，第二参数用于指示非基本类型的有效RE组的图样。

摘要： 本发明公开了一种将斜面上凸起特征映射相应制造特征体的映射方法，其特征在于、具体步骤如下：步骤1，基于交互式方式获取斜面上凸起特征的面组及其相邻面；步骤2，判断斜面上的凸起特征类型是单体积凸起特征还是多体积凸起特征，如果为多体积凸起特征，则将多体积凸起特征转化为单体积凸起特征，并形成新的倾斜平面以及制造特征体；步骤3，根据单体积凸起特征的映射算法，映射相应的制造特征体；步骤4，输出步骤2和步骤3获取的制造特征体。采用本发明，解决了在面向机加工零件含有斜面上凸起特征而不能快工艺创建工艺模型的问题，实现了提高工艺规划效率的目的。

摘要： 本发明公开了一种将斜面上凸起特征映射相应制造特征体的映射方法，其特征在于、具体步骤如下：步骤1，基于交互式方式获取斜面上凸起特征的面组及其相邻面；步骤2，判断斜面上的凸起特征类型是单体积凸起特征还是多体积凸起特征，如果为多体积凸起特征，则将多体积凸起特征转化为单体积凸起特征，并形成新的倾斜平面以及制造特征体；步骤3，根据单体积凸起特征的映射算法，映射相应的制造特征体；步骤4，输出步骤2和步骤3获取的制造特征体。采用本发明，解决了在面向机加工零件含有斜面上凸起特征而不能快工艺创建工艺模型的问题，实现了提高工艺规划效率的目的。

摘要： 本发明公开了基于变分模态分解与拉普拉斯特征映射的特征提取方法，属于数据分析技术领域。主要针对强背景噪声下特征数据难以与噪声有效区分的问题，提出结合传统时频域分析与机器学习的方法进行特征精确筛选，用于对产品运行状态数据进行特征识别与健康状态评估。其主要实施方法为：获取产品多维度原始特征数据，以多维度原始特征作为数据输入，由变分模态分解方法筛选各单维度特征数据的信息，以此构造特征高维流形，进一步的，由拉普拉斯特征映射方法完成多维信息高维流形降维与数据融合，获取最终综合特征。

摘要： 一种通过使用采用包括特征上采样网络(FPN)的CNN的装置生成特征映射的方法。所述方法包括以下步骤：(a)如果获得了所述输入图像，则允许所述下采样块通过对输入图像应用预定操作获取下采样图像；(b)如果获得了所述下采样图像，则允许第(1‑1)至第(1‑k)过滤块中的每一个通过对所述下采样图像应用一个或多个卷积运算来获取第(1‑1)至第(1‑k)特征中的每一个；并且(c)允许每个上采样块从其对应的过滤块接收特征映射，从其前一个上采样块接收特征映射，然后将一个特征映射的尺寸重新调节为与另一个特征映射的尺寸相同，并且向两个特征映射应用特定操作，从而生成第(2‑k)至第(2‑1)特征映射。