识别模型

摘要： 本文提出一种基于模糊层次分析的智慧高速公路主数据获取方法及系统,首先确定高速公路主数据的评价指标为共享性、稳定性、关键性、原始性、可持续性、不可替代性和广泛使用性;其次利用模糊层次分析法建立模糊互补判断矩阵,并进行权重计算和一致性检验,得到高速公路主数据识别模型;再将广东省高速公路业务系统数据代入模型中识别,设定高速公路主数据的阈值为0.8。最终得出高速公路的主数据为路线数据、路段数据、设施数据、设备数据和互通节点数据。

摘要： 针对梨炭疽病和黑斑病发病症状很相似,难以区分,导致实际生产中不便对症施药的问题,以砀山酥梨叶片为研究对象,探究利用高光谱技术来识别梨叶片炭疽病与黑斑病的可行性。首先,运用高光谱成像系统采集砀山酥梨正常叶片、炭疽病叶片和黑斑病叶片的高光谱图像,提取图像的平均光谱反射率。采用多元散射校正法(Multiplicative scatter correction,MSC)、SavitzkyGolay卷积平滑法和标准正态变换法(Standard normal variate,SNV)分别对原始光谱数据进行预处理。然后,采用主成分分析算法(Principal component analysis,PCA)、连续投影算法(Successive projections algorithm,SPA)、无信息变量消除法(Uniformative variable elimination,UVE)、竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)、随机蛙跳算法(Shuffled frog leaping algorithm,SFLA)提取特征波长,分别获取了27、12、15、26、20条特征波长,并将其作为后期建模的输入变量。经对比发现,在各基于特征波长建立的支持向量机(SVM)分类识别模型以及BP神经网络分类识别模型中,SPASVM识别模型效果最佳,测试集准确率为93.25%,建模集准确率为94.80%。试验结果证明,利用高光谱技术能够有效识别砀山酥梨叶片的黑斑病与炭疽病。

摘要： 青年女性臂部体型包含了大量的非线性特征,单一的BP神经网络很难达到理想预测精度,为快速准确地识别青年女性臂部体型,提高预测精度,本文构建了一种基于思维进化算法(MEA)优化BP神经网络的青年女性臂部体型识别模型。首先,通过[TC]^(2)三维人体测量获取611名青年女性的臂部数据;其次,通过主成分因子分析得到影响青年女性臂部体型特征的5大形态因子,选取5个特征指标采用两步聚类法将臂部体型分为4类;最后使用Matlab软件构建基于MEA-BP神经网络的青年女性臂部体型识别模型。实验结果显示:该模型能有效识别臂部体型,准确率为95.45%,与单一BP神经网络和GA-BP神经网络对比,该模型具有更高的预测精度和更优的非线性映射能力。

摘要： 为寻找一种能快速识别核桃油品牌和产地的方法,以来自4个品牌3个产地的冷榨一级核桃油为研究对象,分批次收集了300个样品,用荧光检测仪进行样品扫描,分两个时间段采集三维荧光光谱,间隔为1个月。对收集的共600组光谱数据运用主成分分析(PCA)进行特征提取,同品牌或同产地的样品分别选取主成分1组成新的数据集,达到数据降维,再结合偏最小二乘判别(PLS-DA)和人工神经网络判别(BP-ANN)化学模式识别方法,对应构建核桃油的品牌识别模型和产地识别模型。结果表明:PLS-DA和BP-ANN对核桃油的品牌和产地的识别率都能达到100%。因此,三维荧光光谱与PLS-DA和BP-ANN方法结合,可用于快速识别核桃油的品牌和产地。

摘要： 为了判断国内二级市场未知股票是否被人为操纵,本文以2017-2022年期间的证监会行政处罚决定书中的案例为基础数据,将Logistic回归模型(即逻辑回归模型)与MACD、换手率等指标相结合,用机器学习方法训练出以Logistic回归模型为基础的股票操纵识别模型,模型总体识别准确率最高达到91.80%。中国股市成立30年以来,涉嫌操纵股价的案件层出不穷,这些案件既严重影响了证券市场的公平公正。

摘要： 驾驶人分心状态判别是实现分心预警的基础。由于视觉分心相比认知分心对行车安全具有更大威胁,本文针对驾驶人不同分心类型的识别展开研究,设计了驾驶人两种分心类型和正常驾驶下的模拟驾驶试验,利用1-back任务和看手机任务分别诱导驾驶人产生认知分心和视觉分心,采集并提取驾驶绩效、眼动及头动特征,采用序列后向选择算法进行特征优选,运用网格搜索确定分心识别的最佳时间窗口及模型参数。结果表明,基于随机森林所构建模型在测试集上取得了94.07%的宏精准率、93.89%的宏召回率和93.98%的宏F1值,分类表现优于两种比较方法,说明模型能够准确地对驾驶人的3种状态进行分类。根据随机森林模型的特征重要性排序结果以及采用不同类型特征作为输入训练模型的分类结果发现,驾驶人眼动及头动特征对驾驶人分心类型的识别更为重要。本文研究可为分心预警系统根据分心类型判定风险等级提供基础。

摘要： 针对手写数字识别模型偏大、嵌入式系统芯片运算量有限等问题,开展基于机器视觉的手写数字识别系统设计研究。采用STM32H743VIT6作为主控芯片,利用OV7725视觉传感器、LCD显示屏等构建基于机器视觉的手写数字识别系统原理样机。提出优化的卷积神经网络算法对手写数字图像进行特征提取、模型训练,获得TFlite手写数字图像识别模型。将该模型经压缩与加速处理后布署到设计的手写数字识别原理样机中,并对手写数字进行识别试验。试验结果表明:设计的基于机器视觉的手写数字识别原理样机的平均识别正确率约为98.4%,识别速度约为0.3 s。设计的手写数字识别原理样机可靠性和准确率较高,能够满足手写数字识别的要求。该研究为机电控制系统中手写数字识别的应用提供了新思路。

摘要： 据四川水力发电网国家能源集团大渡河公司利用InSAR等新技术对大渡河流域重点区段地质灾害进行普查,并研发了“基于InSAR的地灾隐患早期识别模型”,在流域装上“天眼”,进一步探索西南地质活跃地区隐蔽性地质灾害隐患识别方法,助力流域水电工程安全运行,为发电保供提供保障。今年汛期,大渡河公司库坝中心以推进InSAR等多类型遥感应用为抓手。

摘要： 为了探明城市快速路出口分流区的车辆犹豫行为特性,针对犹豫车辆的特征及其识别方法进行研究。采用无人机在230 m的高空对出口分流区进行拍摄,获取车辆运行视频数据,并利用Deepsort-Yolov3多目标追踪算法,提取犹豫车辆及周边车辆的行驶轨迹数据。根据车辆轨迹特征的差异,将其分为变道型及迟缓型两类。通过对滞后系数、距出口距离、最大瞬时速度差等特征指标的分析,得出:两类犹豫车辆的滞后系数均集中在20%~30%,显著大于正常车辆;变道型犹豫车辆距出口的距离集中在-10~70 m,显著小于正常变道车辆的100~130 m;迟缓型犹豫车辆的最大瞬时速度差集中在4~7 m·s^(-1),显著大于正常直行车辆的0~2 m·s^(-1)。说明与正常行驶车辆相比,犹豫车辆在出口分流区减速幅度更大,变道型犹豫车辆变道时,距离出口过近,不利于后方车辆的跟驰,增加了出口区的冲突及安全风险。采用滞后系数与距出口距离作为变道型犹豫车辆的识别指标,采用滞后系数与最大瞬时速度差作为迟缓型犹豫车辆的识别指标,分别构建两类犹豫行为的样本集,并随机划分为训练集和测试集。根据训练集数据,基于支持向量机(SVM)对两类犹豫行为进行识别模型的建立,并利用测试集数据进行评估。测试集评估结果表明:基于SVM的变道型犹豫行为识别模型预测准确率为96.7%,召回率为93.3%,AUC为0.990;迟缓型犹豫行为识别模型预测准确率为88.2%,召回率为100%,AUC为1.000,均效果良好。研究成果可以为犹豫型驾驶行为的快速识别及分流区交通安全风险防控提供理论依据。

摘要： 受到村落分布特征差异化影响,自然村空心化程度识别难度较大。为此,提出设计基于用电数据分析的自然村空心化程度识别模型。根据特征提取层、特征映射层和特征池化层的特征分类,标记自然村空心化程度的分类结果,计算出自然村空心化的理论面积,选取主要影响指标修正自然村空心化理论值。通过计算自然村空心化程度的现实修正系数,预测自然村空心化趋势,计算自然村空心化程度的权重关系,构建自然村空心化程度识别模型。实验结果表明,所设计模型具有较高的识别效率和识别准确率。

摘要： 文章提出一种融合博主属性和微博消息文本特征的神经网络识别模型.首先根据博主信息获取博主特征:博主类别、博主活跃度、博主好友值、博主粉丝值、博主消息原创比;接着基于word2vec得到微博文本表征向量,并利用并行卷积人工神经网络提取文本特征,根据语义内容得到文本的特征表示;最后构建BP神经网络识别模型,融合微博文本的语义属性和微博博主的自身属性,作为识别模型的多元特征输入,利用BP神经网络识别微博消息.

摘要： 风电机组数据采集与监控系统中采集的风速和功率数据中通常因弃风限电、传感器故障等原因存在异常数据,这些异常数据对风电机组运行状况、功率预测、优化调度等会造成较大的影响.针对风速和功率间存在一定的相关性,本文提出基于Copula理论的风电机组异常数据识别方法.利用Copula函数建立风速和功率间相关关系的概率功率曲线,结合三类异常数据特征得到了相应异常数据识别模型.最后以西北地区酒泉风电场的实测数据作为算例验证了该方法的有效性.

摘要： 否定表达作为自然语言文本中常见的语言现象,对自然语言处理上层应用,如情感分析、信息抽取等,具有十分重要的意义.否定聚焦点识别任务是更细粒度的否定语义分析,其旨在识别出句子中被否定词修饰和强调的文本片段.本文将该任务作为序列标注问题,提出了一种基于双向长短期记忆网络结合条件随机场(BiLSTM-CRF)的否定聚焦点识别模型,其中,BiLSTM网络能够充分利用上下文信息并抓取全局特征,CRF层能够有效学习输出标签之间的前后依赖关系.在*SEM2012评测任务数据集上的实验结果表明,基于BiLSTM-CRF的否定聚焦点识别方法的准确率(Accuracy)达到69.58％,与目前最好的系统相比,性能提升了2.44％.

摘要： 该文提出一种基于汉语语块结构并利用AdaBoost-SVM集成学习算法的汉语韵律短语识别方法.首先,对语料进行自动分词、词性标注和初语块标注,然后利用基于结合紧密度获取的规则对初语块进行归并,得到最终的语块结构.其次,基于语块结构并利用AdaBoost-SVM集成算法,构建汉语韵律短语识别模型.同时,该文利用多种算法分别构建了利用语块信息和不利用语块的多个模型,对比实验结果表明,表示浅层句法信息的语块能够在韵律短语识别中做出积极有效的贡献;利用AdaBoos-SVM集成算法实现的模型性能更佳.

摘要： 本文从某大型财产保险公司已经结案的机动车索赔数据库中随机采集欺诈及诚实索赔87组共696个数据,其中识别指标分为8项,针对我国机动车保险欺诈采样数据,应用逐步判别法,筛选出出险时车的使用年限、维修厂的类别、有无交警事故认定书、索赔人、已有索赔次数5个显著的特征指标.本文将支持向量机方法以及BP神经网络方法同时运用到机动车保险欺诈的识别研究中,并针对原有方法进行相应改进,然后从识别精确度、收敛性、收敛速度等方面对识别效果进行比较,证实了以B-SVM为代表的支持向量机方法在机动车保险欺诈识别中明显优于以BP神经网络为代表的其他识别模型,从而为机动车保险欺诈识别提供了准确有效的方法.

摘要： 识别二进制程序中的程序算法,在恶意程序检测、软件分析、网络传输分析、计算机系统安全保护等领域有着广泛的应用和重要的意义.本文提出基于离线汇编指令流分析的恶意代码算法识别技术,综合运用二进制插桩、污点跟踪、循环识别等技术,从行为语义、关键常数两个维度对程序进行描述,并且分析提取特征.算法识别模型使用机器学习算法,针对双维度特征生成初阶识别模型,并通过模型融合优化识别效果,实现对广义程序算法的高准确率识别.

摘要： 气象灾害是全球的主要自然灾害之一,冰雹是能够造成气象灾害的一种,具有受灾面积广、损失程度大等特性,为时下的研究热点.本文依据气象雷达反射率图像的回波强度,提取雹云图像的特征数据;分析雹云图像和非雹云图像特征数据的差异性;利用一阶统计测度作为Fisher判别法的变量数据,构造判别模型.利用此模型对已有样本检测,可知雹云判别模型识别率为较高,且判别有较低的误差率.结果表明,通过气象雷达反射率图像的回波强度的一阶统计测度与Fisher判别相结合构造的雹云判别模型,具有较好的效果.

摘要： 本文在继承社会学和人类学传统家庭分类的基础上，综合考虑家庭婚姻对数、代数、婚姻成员流出状况、婚姻成员注销状况(迁移、离婚、丧偶)、性别、年龄等影响因子，提出了五级包含75种类型的家庭类型细分方案。基于家庭类型细分方案，借助家庭户参数和户内代参数，基于关系代数，构建了V级家庭类型识别模型。研究表明，全员人口数据库的数据质量对家庭数量统计有显著影响，但排除错误信息后，测算的区域家庭结构真实可信。

摘要： 随着高铁用户的逐渐增多,如何建设并维护服务质量稳定、用户感知优异的高铁通信网络已成为运营商品牌战役的焦点战场,在高铁网络质量提升过程中面临网管指标问题定位难、测试成本高、无法发现隐性问题、优化效率低等痛点.本文针对现有方法的不足,公开了一种基于XDR信令数据的4G高速铁路用户识别方法和装置,充分利用海量XDR信令数据主动分析网络问题,基于高铁用户特性与用户移动轨迹的高铁用户识别算法,对高铁用户进行识别,实现高铁脱网高风险区域、路段、方向的判断,掌握全量的商务终端发生的问题,了解用户真实感知度,既提高了问题分析的效率又能节省测试成本,也为网络规划建设和优化维护提供更为客观真实的量化数据支撑.

摘要： 随着高铁用户的逐渐增多,如何建设并维护服务质量稳定、用户感知优异的高铁通信网络已成为运营商品牌战役的焦点战场,在高铁网络质量提升过程中面临网管指标问题定位难、测试成本高、无法发现隐性问题、优化效率低等痛点.本文针对现有方法的不足,公开了一种基于XDR信令数据的4G高速铁路用户识别方法和装置,充分利用海量XDR信令数据主动分析网络问题,基于高铁用户特性与用户移动轨迹的高铁用户识别算法,对高铁用户进行识别,实现高铁脱网高风险区域、路段、方向的判断,掌握全量的商务终端发生的问题,了解用户真实感知度,既提高了问题分析的效率又能节省测试成本,也为网络规划建设和优化维护提供更为客观真实的量化数据支撑.

摘要： 本发明的声学模型学习装置使用每个讲话者的学习数据和全部讲话者的学习数据来学习声学模型，因此，能够学习针对第1讲话也不会延迟识别结束时间且确保了识别精度的声学模型，其中，该每个讲话者的学习数据是从每个讲话者的各特征向量中减去每个讲话者的全部特征向量的平均向量而生成的，该全部讲话者的学习数据是从全部讲话者的各特征向量中减去全部讲话者的全部特征向量的平均向量而生成的。并且，在本发明的语音识别装置中，如果所输入的语音是第1讲话，则将全部讲话者的全部特征向量的平均向量作为校正向量，将从所输入的语音的特征向量中减去校正向量而得到的校正后向量与所述声学模型进行核对，因此，针对第1讲话也不会延迟识别结束时间且能够确保语音识别的精度。

摘要： 音频模型学习装置(10)先提取表示语音数据的特征的语音特征量，基于对由神经网络表示的音频条件的计算模型赋予特征的音频条件计算模型参数，利用音频条件的计算模型而计算表示语音数据的音频条件的特征的音频条件特征量。接着，音频模型学习装置(10)生成校正后参数，该校正后参数是基于音频条件特征量而校正对结合了音频条件的计算模型的输出层的由神经网络表示的音频模型赋予特征的音频模型参数的参数。并且，音频模型学习装置(10)基于校正后参数及语音特征量而更新音频模型参数，并基于校正后参数及语音特征量而更新音频条件计算模型参数。

摘要： 本发明公开了一种基于识别模型与分类模型进行列车前向目标精准识别的方法，包括有：由长、短焦距摄像头采集前向列车视频数据的步骤；对视频数据进行先识别后分类的模型处理步骤；最后将目标图像输出至无人驾驶操控系统。经本发明方法处理后能够对前方列车和其他影响行车安全的障碍物进行有效识别，以提供制动防护控制，或为司机提供可靠的制动预警信息，从而有效避免因设备故障或人为失误造成的追尾、侧冲或闯信号等运行事故。

摘要： 说话人识别装置：获取识别对象语音数据；获取登记语音数据；在识别对象语音数据的说话人以及登记语音数据的说话人的任意其中之一的性别为男性的情况下，选择为了识别男性说话人而利用男性的语音数据进行了机器学习的第1说话人识别模型，在识别对象语音数据的说话人以及登记语音数据的说话人的任意其中之一的性别为女性的情况下，选择为了识别女性说话人而利用女性的语音数据进行了机器学习的第2说话人识别模型；以及，通过将识别对象语音数据的特征量和登记语音数据的特征量输入到所选择的第1说话人识别模型以及第2说话人识别模型的任意其中之一，从而对识别对象语音数据的说话人进行识别。

摘要： 公开了一种数据识别模型构建设备。所述数据识别模型构建设备包括：视频输入器，被配置为接收视频；图像合成单元，被配置为基于形成所述视频的至少一部分的多个图像中的每个图像中包括的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；学习数据输入器，被配置为接收产生的合成图像；模型学习单元，被配置为使用产生的合成图像使数据识别模型进行学习；以及模型存储器，被配置为存储学习后的数据识别模型。

摘要： 本发明属于恶意网页识别技术领域，具体涉及一种恶意网页识别模型、识别模型建立方法、识别方法及系统，在通过爬虫工具采集完恶意网页内容数据样本和正常网页内容数据样本后，依次使用SMOTE算法、GAN算法对恶意网页内容数据样本进行扩增，使其与正常网页内容数据样本数量均衡，之后利用恶意网页内容数据样本、正常网页内容数据样本训练5个分类器，生成5个模型后进行融合，并对融合后各模型的权重进行调整，得到最终的恶意网页识别模型，本发明在恶意网页样本数据与正常网页样本数据能够基本均衡的情况下建立模型，准确率高；并且能够避免用单一模型进行结果输出带来的误差，同样能够提高准确率。

摘要： 本发明提供了一种色情图片识别方法、识别模型构建方法及识别模型和计算机可读存储介质，接收待识别图片；对接收图片进行人体像素分割，分割出人体像素区域；对分割出的人体像素区域进行色情人体识别，输出识别结果；基于语义分割网络的基础上，从卷积层的抽象特征中恢复出每个像素所述的类别；采用反卷积层对感受野为8的卷积层的特征图进行上采样，使所述感受野为8的卷积层恢复到输入图像相同的尺寸；在所述上采样的特征图上进行逐像素分类，区分出人体像素；所述类别包括人体和非人体类别。与现有技术相比，本发明技术方案能够缩小算法识别范围，提高色情图片识别准确率和效率。

摘要： 本发明实施例涉及一种人物识别模型构建及人体部件识别模型构建方法，包括：获取携带标准识别框的样本图片集以及未携带标准识别框的训练图片集，所述样本图片集与所述训练图片集来自同一视频；将所述样本图片集以及所述训练图片集输入至第一初始模型中进行深度学习训练，直至所述第一初始模型的输出结果与标准识别框的相似度大于或等于第一阈值，则确定所述第一初始模型训练完成，将训练好的第一初始模型作为人物识别模型。由此方法，只需要较少的视频数据集即可完成模型的训练，节约计算资源。

摘要： 本发明涉及一种用于为用于在车辆的环境传感装置的传感器数据中识别对象的识别模型生成训练数据的方法，包括：将分别包括环境传感装置的第一和第二环境传感器的多个时间上连续的真实测量的第一和第二传感器数据输入学习算法，第一环境传感器的每个真实测量分配有第二环境传感器的时间上对应的真实测量；通过学习算法基于第一和第二传感器数据来生成训练数据生成模型，其生成分配给第一环境传感器的测量的第二环境传感器的测量；将包括第一环境传感器的多个时间上连续的模拟测量的第一模拟数据输入训练数据生成模型；通过训练数据生成模型，基于第一模拟数据生成包括第二环境传感器的多个时间上连续的模拟测量的第二模拟数据作为训练数据。

摘要： 本申请实施例提供了一种健身动作识别模型、模型的训练方法及健身动作识别方法，模型包括获取深度图像中训练对象的图像信息的信息提取层；通过随机决策森林对人体关键点三维坐标进行位置估计；将训练对象的身体部位定义为相应的身体组件，并标定身体组件对应的所有人体关键点三维坐标的像素点定位层；通过所有人体关键点三维坐标，提取用于动作识别的关键点位置特征、身体移动速度特征和关键点移动速度特征的特征提取层；将关键点位置特征、身体移动速度特征、关键点移动速度特征组合为高维特征向量，并将高维特征向量进行降维的向量降维层；对降维后的高维特征向量进行分类，以识别训练对象的健身动作的特征向量分类层。