类型识别

摘要： 干扰源类型的准确识别以及电能质量治理需求的直观刻画,是电力公司开展“基础性+增值性”有偿电能质量新业务的关键。文中提出基于最大互信息的干扰源类型识别及电能质量需求画像技术。首先,以用户用电水平特征与电能质量特征之间的相关性为基础,提出基于最大互信息的干扰源类型识别方法;然后,基于电能质量监测数据,构建了一套完整的需求画像标签体系,为干扰源电能质量需求画像技术研究提供了数据基础;最后,提出电能质量发射水平和综合用电水平特征的统一量化方法,构建了综合用电水平-电能质量发射水平图,实现了干扰源电能质量治理需求程度的直观刻画。应用中国东部某大型城市的实测数据和双馈风机实验平台,验证了所提方法的正确性和有效性。

摘要： 对潜射鱼雷的综合防御是当前水面舰艇构建防御鱼雷指控系统的核心内容。首先,在基本概念层面区分了纵向综合与横向综合的不同侧重,从主要特征角度归纳了防御对象多样性与防御手段多样性的基本内涵,在防御过程方面明确应立足一次性防御理念展开决策部署,并强调态势生成问题是制约防御效能提升的主要瓶颈。其次,围绕综合防御态势生成过程中的识别与定位2个关键性问题,进一步分析了来袭鱼雷制导类型的识别原理与输出特点,探讨了实际弹道预测法和似然弹道预测法的实现方式及特征差异,从而形成了对综合防御鱼雷态势生成问题的完整表述。最后指出,综合防御鱼雷的目的可划分为主要对抗目的和辅助对抗目的,综合防御基本原则包括综合优先、效费比最佳、硬杀伤优先、威胁优先或信度优先等,综合防御火力分配可采取二级分配的方式,并围绕不同报警距离范围归纳了多手段综合防御鱼雷的关注重点及一般规律。研究表明,一套相对完整的水面舰艇防御鱼雷理论体系已初步形成,这对相关指控装备的研制和相应指挥能力的提升具有参考意义。

摘要： 依据纳税人主观心态、具体行为和后果严重程度,我国体育服务业纳税人的纳税风险可分为政策理解差错导致的轻度风险、不具有合理商业目的的避税安排隐藏的中度风险、规避行业协会自治之行为牵涉的高度风险3种。除却常规原因外,以上风险的产生还有其重要根源,包括税法规范的内容与形式缺憾、涉税经济信息的透明度缺憾、行业协会自治规范的合理性缺憾等。为提升纳税人的风险应对效果,提出多维建设性路径:体育主管部门参与本行业税法续造以提高相关规范的精准度,制定《体育产业税制规范》以提升相关税法规范的易用性;行业协会主导联盟链建设以助力涉税经济信息透明化;完善行业协会自治规范中的财务管理指标,加强自身沟通与服务能力建设;培养纳税人熟练运用税法规范、积极配合税务执法的能力。

摘要： 局部放电(partial discharge,PD)信号的检测能够为电力系统提供绝缘缺陷诊断和运行状态评估。现有的局部放电类型识别算法难以有效识别相似度较高的绝缘缺陷,限制了其应用范围。为此,提出一种基于PRPD(phase resolved partial discharge)图谱多特征融合的局部放电类型识别算法。该算法利用卷积神经网络(convolutional neural network,CNN)提取局部放电PRPD图谱图像特征,将图像特征与PD信号统计特征进行有效融合,利用融合特征识别局部放电类型。在实验室环境下建立了4种局部放电模型,并进行了模拟对比实验。实验结果表明,相比传统的支持向量机(support vector machine,SVM)和反向传播神经网络(back propagation neural network,BPNN)算法,所提出方法的正确识别率分别提高了12.82%和19.70%,对相似度较高的缺陷类型也能进行有效识别,算法具有较好的鲁棒性。

摘要： 乡村振兴常态化背景下,乡村地域系统内外部差异发生深刻变革,客观评价村庄发展潜力、识别村庄发展类型成为实现乡村振兴的重要课题。为了探索镇域范围内村庄分类及其发展策略,本文以天津市蓟州区穿芳峪镇为研究对象展开研究。通过建立发展潜力评价体系,对村庄发展指数进行测评,运用聚类分析及村庄分类模型将26个村庄进行发展类型识别。研究发现,经济发展及村庄用地情况对村庄的发展潜力影响较大;镇域范围内村庄发展潜力呈现由中心地区向边缘区逐渐降低的趋势。根据潜力评价结果,可将穿芳峪镇村庄分为集聚提升发展型、改善提升发展型、保留整治发展型、特色保护发展型及扶持保育发展型五大类型,再根据其村庄特征提出相应发展策略。

摘要： 文章以中国285个地级及以上城市为研究对象,构建城市综合发展指数(UCDI),评价中国城市发展水平,通过计算2010—2018年、2010—2014年及2014—2018年三个阶段UCDI平均变化率,探究中国城市收缩/扩张的时空格局,并对城市的收缩/扩张类型进行识别。研究发现:全国发展水平持续提高,各维度增速变动各异。另外,UCDI空间分布具有高高聚集、低低聚集特征。2010—2018年,综合、经济和基础设施与生活环境收缩城市均有1个,人口收缩型城市最多,经济扩张型城市最多,没有人口扩张型城市。从城市收缩/扩张的时空演变格局来看,收缩现象愈加明显,扩张城市迅速减少。东北地区收缩最严重,且已开始在全国蔓延,而扩张型城市在全国零散分布。类型识别方面,单维及双维收缩型与扩张型城市占主体,人口对城市综合收缩的驱动力最大,而经济是城市综合扩张的主导因素。另外,东北地区收缩类型最多样化,中西部地区扩张类型最多样化。

摘要： 文章以吉林省的农村居民点作为主要研究对象,利用GIS平台,通过获取村庄的现状情况、人口流动、交通区位、土地数据等进行分析。通过对村庄进行国土空间“双评价”分析,参照国土空间规划技术指南文件,以此为研究标准,对现有村庄内的综合资源、生态环境、村庄产业发展结构、村庄空间结构以及人口规模等要素,进行村庄识别评价模型的构建工作,为我国国土空间规划农村发展提供数据支撑。

摘要： 针对波形异常扰动的识别问题,提出一种基于小波-隐马尔可夫的分类方法,利用小波变换提取波形异常扰动特征.波形异常扰动利用小波变换被分解成多分辨率小波域,其小波系数由HMM构建模型.基于此模型,结合最大似然实现波形异常扰动的分类识别,并在7200 V配电线上的实际波形异常扰动数据进行分类,并通过后处理对结果进行调整.实验结果表明,该方法在电力工业的507个真实波形异常扰动事件分类的正确率为99％.

摘要： 为解决车辆识别系统中类型识别率低的问题,提出了一种基于改进CenterNet的车辆识别方法.首先,该方法采用ResNet18作为基础网络,以减少网络参数;然后,针对CenterNet车辆目标识别存在定位效果不理想的问题,采用带间距的交并比损失取代CenterNet损失函数中的偏置损失和宽高损失,同时采用单尺度自适应空间特征融合及自适应逐层特征融合方法,将网络的多级特征进行融合.实验结果表明:在Vehicle数据集上,平均精度均值提升了1.9个百分点;在BDD100 K和Pascal VOC数据集上,预测边框跟真实边框交并比为0.5时的平均精度分别提升了5.2个百分点和2.5个百分点;在GTX1080 Ti上,推理速度每秒可达149帧,文中提出的改进CenterNet能够明显提高车辆的识别精度.

摘要： 【目的】利用时空融合技术生成高时空分辨率影像,为农作物类型识别研究提供一种思路和方法。【方法】以河套灌区部分区域(40°10′N~41°25′N、106°23′E~108°47′E)为研究区,基于MODIS和Landsat融合影像,利用增强型时空自适应反射率融合模型(ESTARFM),预测Landsat影像并建立NDVI时间序列影像数据集。结合地面样方数据将真实影像与预测影像数据集导入随机森林分类器,并对比分析研究区主要农作物类型。【结果】ESTARFM模型融合影像具有较清晰的空间表达能力,预测影像与真实影像波段表现出较好的相关性,其R值均能达到0.6以上。利用NDVI时间序列预测影像数据集农作物类型识别总体精度为93.03%,比真实影像精度高12.07%,Kappa系数为0.89。【结论】ESTARFM模型能够有效地解决农作物特定窗口期影像缺失困难,并能为农作物类型识别研究提供一种较好的应用方法。

摘要： 本文介绍一种基于自适应高斯表达(Adaptive Gaussian Representation,AGR)的散射类型识别与提取方法.该方法使用自适应时频变换算法AGR计算目标散射回波的频谱图,分离其中高斯基函数宽度大的信号分量和宽度小的信号分量,分别进行ISAR成像,实现散射机理的定位和分离.本文介绍的方法可用于识别复杂目标上局部化和非局部化散射类型产生的位置,并可通过提取不同高斯基函数实现对不同散射类型的分离,可用于电磁隐身设计、SAR/ISAR图像理解和处理等.

摘要： 本文依据当前水库诱发地震最关心和需要解决的问题是水库中强地震类型(天然的构造地震或是水库诱发构造地震)的识别.建议采用主动震源和被动观测库区介质波速的技术方法,寻求水库中强地震类型识别的建议.

摘要： 辐射源信号高度密集、波形复杂、频域宽广、隐身和抗干扰能力强的复杂现代电子对抗信号环境下,雷达辐射源类型识别面临着严峻的挑战.文章总结了雷达辐射源类型识别技术的最新发展动态.针对特征提取和识别算法的现状、雷达辐射源信号数据海量、高维和递增的特点、及特征参数随雷达丁作参数和模式变化的特性,分析了雷达辐射源类型识别算法的不足.并且,为改进上述不足之处,提出了现代电子对抗信号环境下雷达辐射源类型识别的新流程,以进一步提高雷达辐射源类型识别的实时性和准确性.

摘要： 面板数据模型的正确设定直接关系到模型的估计精度和应用分析.本文根据效应特征先对面板数据模型的类型进行合理划分,再按照从一般到特殊的原则讨论了固定效应模型和随机效应模型的类型识别检验过程.以及随机效应模型的LM检验方法.

摘要： 针对ZigBee网络中虫洞攻击破坏网络拓扑、路由发现和资源分配等问题,在定义虫洞节点、显式和隐式虫洞节点的基础上,提出一种虫洞攻击检测方案,通过判断邻居关系与通信半径是否匹配标记虫洞节点,并在此基础上,设计虫洞节点类型识别流程.安全性分析及实验结果表明,方案在有效检测虫洞攻击的同时具有较小的计算开销.

摘要： 本文选择PALSAR全极化数据和宜良县森林资源二类调查数据作为数据源,首先对PALSAR全极化数据进行了定标、多视和配准处理.在此基础上,选择了Pauli、Krogager 、Freeman-Durden和Cloude-Pottier算法进行了极化分解研究,利用宜良县森林资源二类调查数据中的地类和森林类型作为已知地物覆盖类型,比较分析了四种目标分解算法对不同地物类型的分解结果.Pauli分解算法可以清晰的分辨出植被、建筑和水体,Krogager和Freeman-Durden分解算法可以清晰的分辨出植被和水体,但有一部分农地和幼林没有分辨出来,Cloude-Pottier分解算法分辨效果不是太好,仅仅能够分辨出植被,对于水体、建筑和农地的效果不理想.

摘要： 在不破坏木材原有结构的前提下，利用x射线透视法获取木材数字图像。与以往需要具有丰富经验的技术人员通过综合考虑木材数字图像中内部缺陷部位的各种视觉特征来识别缺陷种类的方法不同，提出根据提取出的木材数字图像中缺陷部位视觉特征参数，应用人工神经网络方法中的BP网络对木材内部结构进行快速、准确的缺陷种类识别。针对木材数字图像含有噪声且对比度较低的特点和木材图像中各缺陷的视觉物理特征，提出了对木材图像的数字化处理方法和缺陷部位特征值的提取方案。分析不同的BP网络结构和网络参数对网络的缺陷识别性能的影响，给出了用于识别木材缺陷种类的BP网络的最佳网络参数。提出并验证了一种用于识别术材内部缺陷种类的新方法，证明用BP网络方法识别木材内部缺陷种类是一种可行的方法。

摘要： 针对目前动态手势识别方法受手势旋转、平移、缩放的影响,并解决手势识别的实时性问题,提出一种基于手势二进制编码和类-Hausdorff距离模板匹配的手势识别方法.首先,把分割好的手势图像进行标准化处理,求出标准化图像中的手势主方向,建立二维手势直角坐标系,提取空间手势特征;其次,根据前五帧手势图像中手势像素点个数的变化量识别出动态手势类型;然后,用手势二进制描述子从动态手势类型中再筛选出可能的候选手势集合;最后,用类-Hausdorff距离模板匹配方法从候选手势集合中识别出最终手势.

摘要： 针对目前动态手势识别方法受手势旋转、平移、缩放的影响,并解决手势识别的实时性问题,提出一种基于手势二进制编码和类-Hausdorff距离模板匹配的手势识别方法.首先,把分割好的手势图像进行标准化处理,求出标准化图像中的手势主方向,建立二维手势直角坐标系,提取空间手势特征;其次,根据前五帧手势图像中手势像素点个数的变化量识别出动态手势类型;然后,用手势二进制描述子从动态手势类型中再筛选出可能的候选手势集合;最后,用类-Hausdorff距离模板匹配方法从候选手势集合中识别出最终手势.

摘要： 针对目前动态手势识别方法受手势旋转、平移、缩放的影响,并解决手势识别的实时性问题,提出一种基于手势二进制编码和类-Hausdorff距离模板匹配的手势识别方法.首先,把分割好的手势图像进行标准化处理,求出标准化图像中的手势主方向,建立二维手势直角坐标系,提取空间手势特征;其次,根据前五帧手势图像中手势像素点个数的变化量识别出动态手势类型;然后,用手势二进制描述子从动态手势类型中再筛选出可能的候选手势集合;最后,用类-Hausdorff距离模板匹配方法从候选手势集合中识别出最终手势.

摘要： 本申请提供了一种识别物品类型的方法及识别物品类型的装置。所述识别物品类型的方法包括：获取待识别物品的物品特征信息；获取物品数据库，所述物品数据库包括至少一个物品特征以及每个物品特征所对应的垃圾分类标签；根据所述物品数据库以及所述待识别物品的物品特征信息，识别所述待识别物品所对应的垃圾分类标签。本申请的识别物品类型的方法在获取待识别物品的物品特征信息后，即可给出相应的垃圾分类标签，使得使用者能够很快的区分出垃圾种类。

摘要： 本发明公开了一种集成电路电感器件类型识别辅助层，该识别辅助层呈矩形，该识别辅助层的两条边沿纵向分别与被识别电感器件的第一端口、第二端口的内壁重合，该识别辅助层另外两条边沿横向与电感器件第三端口内壁重合。本发明还公开了一种利用上述集成电路电感器件类型识别辅助层的集成电路电感器件类型识别方法。本发明采用一层识别辅助层取代传统多层辅助层的技术方案即能区分出不同类别电感器件，利用EDA工具实现对集成电路版图中电感器件的识别，能够准确的区分版图中对称型与非对称型电感器件，能准确识别示例中三种类别的平面电感器件，并通过电路网表的比对验证。本发明能降低LVS验证人力成本及LVS验证电容器件识别出错率。

摘要： 本发明提供了一种建立扰动类型识别模型、识别接入设备类型的方法和装置，建立模型方法包括：分别获取配电网中至少一种类型的电力扰动的电力参量；对每种电力扰动对应的电力参量进行划分，其中将频率小于预设频率的电力参量划分为第一频率数据，将频率大于或等于预设频率的电力参量划分为第二频率数据；分别提取每种电力扰动所对应的第一频率数据和第二频率数据的特征向量；根据特征向量生成电力扰动类型识别模型。该方案拓展了配电网电力参量识别的带宽，为在未来配电网的高频电力参量愈加复杂的情况下，能够更加全面地甄别配电网多种暂态电力信息，进一步反映配电网上的各种接入行为提供了更加精确可靠的识别方案。

摘要： 本申请实施例提供了一种股东类型识别模型的训练方法、股东类型识别方法及其装置，股东类型识别模型的训练方法包括：获取股东名称样本以及所述股东名称样本的股东类型标签；基于所述股东名称样本以及所述股东名称样本的股东类型标签，对所述模型参数进行调整以对所述股东类别识别模型进行训练；其中，所述股东名称样本包括自然人股东名称样本、法人股东名称样本、非自然人且非法人股东名称样本中至少其一，所述股东类型标签包括自然人股东标签、法人股东标签、非自然人且非法人股东中至少其一，基于该股东类型识别模型有效地识别出了股东类型。

摘要： 本发明公开了一种耳机类型识别装置、耳机类型识别方法、设备及存储介质，耳机类型识别装置包括：电源寄存器，用于触发电源向耳机供电；耳机插拔检测寄存器，用于检测电源与第一上拉电阻之间的第一电平；类型检测寄存器，用于检测第二上拉电阻与待检测端之间的第二电平。本发明中仅需配置少量的寄存器，即通过配置电源寄存器触发电源耳机供电，通过配置耳机插拔检测寄存器检测耳机的插拔状态，通过配置类型检测寄存器，在耳机插拔检测寄存器检测到耳机为插入状态时，则继续检测耳机是否有麦克风端，从而可以通过寄存器的检测信号来判断耳机的具体类型，本发明节约了检测时间也降低了检测成本。

摘要： 本申请涉及一种道路类型识别模型的训练方法、道路类型识别方法、道路类型识别模型的训练装置、计算机设备、存储介质和计算机程序产品，通过获取车辆样本数据以及当前道路类型识别模型，并提取当前道路类型识别模型的模型参数，采用粒子群算法对模型参数进行优化，得到优化后的参数，根据优化后的参数以及车辆样本数据对当前道路类型识别模型进行优化训练，能够满足多种道路类型的识别需求，提高道路类型识别模型的训练精度，从而提高道路类型的识别效率。

摘要： 本发明涉及一种FLASH的类型识别方法及类型识别系统，所述类型识别方法包括：步骤1、配置FLASH进入预设访问模式；步骤2、基于FLASH内置寄存器中设置的待测试的块保护配置位的相邻关系，分批次地对相应的块保护配置位进行读写测试；当每一批的块保护配置位在读写测试中都读取出对应块保护配置位上最新写入的一位二进制数时，确定FLASH的类型为当前配置的预设访问模式相匹配的闪存存储器类型；其中，块保护配置位的相邻关系包括彼此相邻和互不相邻；其中，不同批的块保护配置位执行读写测试的时间点是不同的；待测试的块保护配置位是任意FLASH都设置的。既提高硬件兼容性，又保证FLASH的类型识别的正确性。

摘要： 本发明公开了一种车牌类型识别模型构建及车牌类型识别方法，包括：获取多个不同种类的车牌图像作为训练样本；对训练样本进行均匀采样，将采样后得到的车牌图像输入到第一神经网络模型进行训练得到第一车牌类型识别模型；确定所述训练样本中每一种车牌图像的数量；对数量满足第一预设数量条件的车牌图像进行过采样处理；对数量满足第二预设数量条件的车牌图像进行欠采样处理；利用过采样处理后得到的车牌图像和欠采样处理后得到的车牌图像构成的训练样本训练第二神经网络模型得到第二车牌类型识别模型；将第一车牌类型识别模型和第二车牌类型识别模型进行融合，得到用于进行车牌类型识别的骨干网络。

摘要： 本申请公开了一种建立票据类型识别模型与识别票据类型的方法，涉及人工智能领域，具体涉及计算机视觉和深度学习技术，可用于OCR场景下。建立识别模型的方法：获取训练数据；对多个票据图像进行文本检测，确定各票据图像中的文本框以及各文本框的位置信息和文本信息；构建包含多模态特征提取模块的神经网络模型；使用各票据图像、各票据图像中各文本框的位置信息和文本信息、以及标注类型对神经网络模型进行训练，得到识别模型。识别票据类型的方法：获取待识别票据图像；对待识别票据图像进行文本检测确定文本框以及各文本框的位置信息和文本信息：将待识别票据图像、各文本框的位置信息和文本信息作为识别模型的输入，将输出结果作为票据类型。

摘要： 本申请提供一种设备类型的识别模型训练方法、设备类型识别方法和装置，所述方法包括：获取不同类型的设备的样本图像；对所述样本图像中的设备进行标记，得到标记后的样本图像；将所述标记后的样本图像输入至设备类型的识别模型中的FCN模型中进行训练，得到训练好的FCN模型；将所述样本图像输入到所述训练好的FCN模型中进行设备图像提取，得到所述样本图像中的设备图像数据；利用所述设备图像数据对所述设备类型的识别模型中的LSTM‑CNN模型中进行训练，得到训练好的LSTM‑CNN模型，其中，所述训练好的LSTM‑CNN模型，用于确定输入的设备图像数据的特征向量，继而能够利用训练好的设备类型的识别模型实现对对设备类型的准确识别。