分类识别

摘要： 针对列车滚子轴承内圈外表面缺陷人工检测方法的不足,提出了一种基于机器视觉的表面缺陷检测方法,通过对缺陷图像的处理和分析,快速、准确地实现了轴承表面缺陷的分类识别。这里使用工业内窥镜进行轴承图像的获取,通过对图像的灰度直方图分析,判断其是否为缺陷轴承;对缺陷图像分别进行二值化处理、形态学滤波和图像标记,以准确获得图像的缺陷区域;对缺陷区域进行特征提取后,利用缺陷分类决策树完成缺陷类型的识别。实验表明,该方法实时性好、运算速度快,可有效检测出列车滚子轴承表面缺陷。

摘要： 随着卫星定位技术和移动互联网的不断发展,全球范围内产生了大量不同类型的轨迹数据。通过对不同环境中收集到的轨迹数据进行挖掘,研究移动对象的行为特征,进而实现移动对象的分类识别,对于掌握居民出行规律、国家安全和国防军事具有重要意义。本文首先介绍GPS轨迹数据的内容及具体的应用场景,并在此基础上分析轨迹数据的主要特征;然后,详细阐述轨迹数据分类识别过程中特征提取和分类建模的研究现状,并总结现有的研究方法和发展趋势;最后,对基于轨迹数据的移动对象分类识别存在的问题与挑战进行了讨论。

摘要： 现代社会中,阿尔茨海默病已经成为严重影响和限制个人日常生活甚至危及患者生命安全的一种疾病。轻度认知障碍作为阿尔茨海默病的前一个阶段,对其精确诊断有助于干预或降低患者转化为阿尔茨海默病的几率。目前,功能磁共振成像技术已经广泛应用于轻度认知障碍的检测诊断研究中。从特征提取、特征选择、数据降维和分类识别等方面,对fMRI在MCI方面的研究现状进行介绍。首先,介绍特征提取常用的低频振幅、局部一致性、功能连接等解算指标;其次,介绍特征选择与降维的方法,并总结分类识别环节中高效的机器学习和深度学习算法;最后,指出现阶段研究中存在的主要问题,并对未来的研究做出展望。

摘要： 现代电磁战环境充斥着大量的人为精心设计的有源干扰,使得依赖技术人员经验的干扰识别技术效果不佳。针对该问题,文中研究了一种基于联合特征平面的残差卷积神经网络(CNN-ResNet)的雷达干扰识别算法,实现雷达干扰类型自动识别分类。该算法通过对雷达回波信号的距离多普勒平面和角度多普勒平面进行预处理,构建联合特征平面,实现对噪声调频干扰、单频干扰、脉冲干扰、转发式干扰和切片干扰的识别和分类。通过仿真表明,该算法可有效提高雷达干扰识别的正确率。

摘要： 为了快速检测砷类矿物药,建立了拉曼光谱技术结合主成分分析(PCA)-支持向量机(SVM)分类识别砷类矿物药的新方法。首先对雄黄、雌黄、信石和砒霜的拉曼光谱进行了归属,并进行了PCA-SVM分类识别。然后分别测定了五个批次雄黄的拉曼光谱,并进行了PCA-SVM分类识别,最后对其拉曼光谱的差异进行了分析。该方法快速、方便、准确,为砷类矿物药的检测和质量控制提供了潜在应用价值。

摘要： 塑料制品回收力度小、重复利用率低,造成环境污染和资源浪费,因此对废旧塑料精确分类是提高塑料回收的关键。本文采用激光诱导击穿光谱(LIBS)技术结合遗传算法优化误差反向传播神经网络(GA-BP)和支持向量机(GA-SVM)对常见的10种塑料进行分类识别。利用LIBS技术对塑料样品进行处理,分别采集每种塑料样品100组光谱。对采集到的原始光谱做滤波和归一化处理,提取光谱中14条主要的特征谱线,分别建立GA-BP神经网络和GA-SVM模型。实验结果表明,GA-BP神经网络对塑料的识别性能优于GA-SVM,其中GA-BP神经网络识别精度为99.25%,原因是GA-SVM利用升维算法实现对数据集的分类,在塑料样品种类多的情况,分类效果不及GA-BP神经网络。因此,利用LIBS技术结合不同的识别算法,可以实现对多种塑料样品的分类,也为研究不同算法对塑料样品分类识别提供研究思路。

摘要： 针对人眼识别犬类准确率不高且效率低的问题,对基于AlexNet网络模型的图像识别分类算法进行了改进。在传统AlexNet网络结构的基础上,部分筛减了卷积层,并在2层全连接层后增加了Dropout层及L2正则化以进一步减少过拟合,添加了通道维度的注意力机制。实验结果表明,本研究算法的准确率较传统算法提高了2%~5%,得到了一种能有效进行犬类图像识别分类的解决方案。

摘要： 针对天然地震事件、爆破事件分类问题,使用甘肃及周边地区80个天然地震事件和20个爆破事件建立数据集,采取深度学习卷积神经网络(convolutional neural network,CNN)方法搭建两个不同结构的模型进行训练,并用500条训练集之外的天然地震事件与爆破事件波形作为测试数据集,其训练和测试准确率均达到90%以上。结果表明,本文设计的两种模型均具有一定的泛化能力,尤其是Inception V1模型在天然地震事件与爆破事件分类识别中效果良好。

摘要： 传统的心电信号分类方法通常需要人为提取特征,导致系统的分类性能不稳定。基于此,运用了基于深度置信网络的心电信号分类算法,利用网络的深层次学习能力自动学习信号的特征。提取特征后,选用Softmax分类器对信号进行分类,并用误差反向传播算法微调网络,提高分类性能。选取MIT-BIH数据库中的正常心拍、室性早搏、房性早搏和起搏心拍进行实验,通过实验结果和方法对比,深度置信网络整体的分类精度达到98.8%,表明其在心电信号分类问题中具有良好的分类识别效果。

摘要： 为解决国家对垃圾分类重视和人们垃圾分类意识淡薄问题,本文提出了基于Android的垃圾分类App设计与实现,该款App设计采用了C/S结构、Springboot框架以及Java语言。主要实现了识别文字/拼音、语音、图片、AI来进行垃圾分类识别的功能。该App的UI设计界面清晰、富有童趣、操作简单,以确保用户最大限度的使用查询,最大程度的增加人们对垃圾分类的兴趣。

摘要： 合成孔径声纳、多波束成像声纳等高分辨率水下成像装备在海洋勘探、海底地质分类以及水下目标探测等方面具有非常重要的作用,在民用方面,如海底沉船、海底管线探测等人工目标以及海底地质以及礁石等自然目标的探测;在军用方面,如各种布设形式的水雷目标探测等.在实际使用中,由于成像声纳数据规模的庞大,人工进行数据处理的强度非常大,迫切需要探索高效率的水下声图像目标处理方法研究. 本文提出一种基于声图像的水雷目标分类识别方法，首先对水雷声图像进行去噪、分割处理，然后提取水雷目标的方向梯度直方图(Histogram ofOriented Gradient,HOG)特征，最后利用统计机器学的支持向量机方法进行水雷目标的分类识别。

摘要： 随着脑电图技术和脑科学研究的不断深入,脑电信号的分析方法得到飞速的发展.脑电信号的分析分类处理主要包含三个阶段:脑电信号预处理、特征提取和分类识别.每个阶段都有各种不同的处理方法,本文对每个阶段的分析处理方法进行综述.脑机接口在人脑与外部设备之间建立直接连接通路，实现这一连接的设备主要有脑电图（EEG）、皮层脑电图(ECoG)等，而EEG 作为一种无创的生理信号检测方法得到了广发的研究和应用。BCI 系统依赖EEG 判断人脑发出的指令，在这个过程中EEG 信号的采集、数据处理和模式分类决定了BCI 系统的性能。EEG 数据处理包括数据预处理和特征提取，数据处理影响后续模式分类的速度和准确率；分类器的选择决定了模式分类的结果。脑电信号是复杂的非平稳随机信号，脑电数据的分析和处理是BCI 系统的关键技术，是研究的重点和难点，决定了BCI 系统的发展前景。近年来脑电数据的预处理、特征提取和分类识别方法得到了广泛深入的研究，多种脑电数据处理方法应用于BCI 系统。具体实践中选择何种数据处理方法主要由研究对象决定，根据研究所需脑电数据的特征和数据量的大小决定采用的数据预处理和特征提取方法，多种分类识别方法的综合运用是脑电信号模式识别的发展趋势。

摘要： 本文面向政府、军工等单位对敏感内容的流转严格管控需求,针对政府、军工类单位敏感信息界定的特点,提出了一种基于多重过滤策略的敏感内容识别技术,通过基于规则的计数投票策略和基于规则的等级优先策略结合朴素贝叶斯内容识别模型,实现对文档类型文件的分类识别,本文详细介绍了该内容识别引擎的识别模型、功能架构、概念模型和数据处理逻辑等详细设计,最后通过实验测试验证了该内容识别引擎具有较快的识别速度和较高的识别准确率,同时证明了基于多重过滤策略的内容识别方法的有效性.

摘要： 枪声探测计数一般用于靶场子弹管控.弹药安全管控一直是国家安全的一项重要任务,在军事靶场进行射击训练或民间靶场进行射击游戏时,防止射击人员私自截留子弹弹药是非常重要的.在射击现场,如何在复杂环境下准确统计已经发射的子弹数目,以判断是否所有子弹已经发射,还是存在没有发射被私自保留的子弹,是迫切需要解决的安全大问题.通过对不同的某型自动步枪射击时采集到的声波进行分析，得知相同的步枪的枪声信号相似度特别高，不同的步枪的枪声信号有差异。本文试图利用这一差异，对探测到的枪声信号进行分类识别。

摘要： 机器学习是目标识别的主要方法,在水声工程中,大量水声工作者尝试利用机器学习方法对水下目标进行分类识别.机器学习方法目前已经从浅层学习发展到深度学习.浅层学习结构需要依靠特征工程.深度学习是机器学习研究中的新领域,其在图像分类、语音识别、自然语言处理等领域取得的优异效果使其成为人工智能研究领域炙手可热的方法.目前已有将深度学习方法应用于水声目标识别的研究成果均针对单一数据模态进行处理.对于水声目标而言,其一维的时域信息以及二维的时频域数据均能够为目标的分类识别提供信息支撑,因此有必要针对水声目标的分类识别问题发展多模态数据结合的学习方法.本文提出一种异态多模构的深度学习水下目标分类识别方法,综合CNN的图像处理能力和RNN的语音识别能力,建立CNN与RNN的共享关联表示方法,并与单模态处理方法和传统的支持向量机方法进行性能对比.

摘要： 风能被认为是一种最清洁的能源,最近几年发展迅速,随着风力发电的规模不断扩大,对风机的维护有了更高的要求,风机的故障维修成本非常高,同时也严重影响风机的发电量,发电企业及风电装备制造商对风机的状态监测要求更高,需做到提前发现、提前预警、预防检修,颠覆了传统的风机故障检修模式,然而目前的监控软件平台无法满足高效率、高质量的统计分析及决策要求,随着计算机处理能力的加强,特别是机器学习技术的发展和完善,各专业逐渐将机器学习和机器设备的运行信息结合起来,神经网络作为机器学习的重要部分,希望通过神经网络技术对设备的故障进行诊断,通过运行数据分析,预测即将发生的故障,经过近几年的发展,基于RBF,决策树,等神经网络技术在故障判别和运行数据预测等方面逐渐发展起来.通过该技术的应用,可以对大部件损坏进行预防与诊断,降低故障及大部件的损坏程度,降低维护成本,提高效益的目的.本文对风场数据库中50台风力发电机组机近两年的数据进行了统计分析,根据故障发生的种类进行数据筛选,引入了神经网络模型对风机故障进行分类研究.

摘要： 风能被认为是一种最清洁的能源,最近几年发展迅速,随着风力发电的规模不断扩大,对风机的维护有了更高的要求,风机的故障维修成本非常高,同时也严重影响风机的发电量,发电企业及风电装备制造商对风机的状态监测要求更高,需做到提前发现、提前预警、预防检修,颠覆了传统的风机故障检修模式,然而目前的监控软件平台无法满足高效率、高质量的统计分析及决策要求,随着计算机处理能力的加强,特别是机器学习技术的发展和完善,各专业逐渐将机器学习和机器设备的运行信息结合起来,神经网络作为机器学习的重要部分,希望通过神经网络技术对设备的故障进行诊断,通过运行数据分析,预测即将发生的故障,经过近几年的发展,基于RBF,决策树,等神经网络技术在故障判别和运行数据预测等方面逐渐发展起来.通过该技术的应用,可以对大部件损坏进行预防与诊断,降低故障及大部件的损坏程度,降低维护成本,提高效益的目的.本文对风场数据库中50台风力发电机组机近两年的数据进行了统计分析,根据故障发生的种类进行数据筛选,引入了神经网络模型对风机故障进行分类研究.

摘要： 风能被认为是一种最清洁的能源,最近几年发展迅速,随着风力发电的规模不断扩大,对风机的维护有了更高的要求,风机的故障维修成本非常高,同时也严重影响风机的发电量,发电企业及风电装备制造商对风机的状态监测要求更高,需做到提前发现、提前预警、预防检修,颠覆了传统的风机故障检修模式,然而目前的监控软件平台无法满足高效率、高质量的统计分析及决策要求,随着计算机处理能力的加强,特别是机器学习技术的发展和完善,各专业逐渐将机器学习和机器设备的运行信息结合起来,神经网络作为机器学习的重要部分,希望通过神经网络技术对设备的故障进行诊断,通过运行数据分析,预测即将发生的故障,经过近几年的发展,基于RBF,决策树,等神经网络技术在故障判别和运行数据预测等方面逐渐发展起来.通过该技术的应用,可以对大部件损坏进行预防与诊断,降低故障及大部件的损坏程度,降低维护成本,提高效益的目的.本文对风场数据库中50台风力发电机组机近两年的数据进行了统计分析,根据故障发生的种类进行数据筛选,引入了神经网络模型对风机故障进行分类研究.

摘要： 风能被认为是一种最清洁的能源,最近几年发展迅速,随着风力发电的规模不断扩大,对风机的维护有了更高的要求,风机的故障维修成本非常高,同时也严重影响风机的发电量,发电企业及风电装备制造商对风机的状态监测要求更高,需做到提前发现、提前预警、预防检修,颠覆了传统的风机故障检修模式,然而目前的监控软件平台无法满足高效率、高质量的统计分析及决策要求,随着计算机处理能力的加强,特别是机器学习技术的发展和完善,各专业逐渐将机器学习和机器设备的运行信息结合起来,神经网络作为机器学习的重要部分,希望通过神经网络技术对设备的故障进行诊断,通过运行数据分析,预测即将发生的故障,经过近几年的发展,基于RBF,决策树,等神经网络技术在故障判别和运行数据预测等方面逐渐发展起来.通过该技术的应用,可以对大部件损坏进行预防与诊断,降低故障及大部件的损坏程度,降低维护成本,提高效益的目的.本文对风场数据库中50台风力发电机组机近两年的数据进行了统计分析,根据故障发生的种类进行数据筛选,引入了神经网络模型对风机故障进行分类研究.

摘要： 分类推进、精准施策、规划先行是实施乡村振兴战略的科学思路.以99个美丽乡村示范村为代表构建乡村发展"成功案例"数据库,深度挖掘乡村发展内外性"要素-组合"信息,结合投影寻踪分类法构建乡村振兴诊断体系,对乡村进行科学分类.结果表明:①生计资源、工业基础、区位交通、文化/生态环境及市场需求要素是乡村振兴的重要发展要素,其中市场需求决定着乡村发展的外部性,生计资源在内部性要素中最为关键;②要素的组合直接影响乡村的振兴潜能,"成功案例"识别出10类乡村振兴要素组合,其中生计资源优越-工业基础薄弱-区位交通优势-文化/生态环境优越的组合最具备振兴潜能;③基于"要素-组合"信息建立包含评价体系和分类体系的乡村振兴诊断体系,划分优先振兴型、预备振兴型、保留维持型和衰弱搬迁型乡村发展类型.中国乡村振兴工作应尊重客观规律,分门别类有序推进,同时借鉴国内外乡村发展成功经验,科学制定乡村规划,形成一套兼顾科学性与实用性的振兴策略体系.

摘要： 本发明涉及一种害虫稀疏表征分类识别方法与分类识别装置，包括对k类害虫进行编号；对包含k类害虫的所有图片进行图像预处理；对预处理后的所有图片进行特征提取：满足约束等距性条件的特征字典的构造；对预处理后的任一待识别图片进行特征提取；求解分类模型；对害虫进行识别。由于本发明的特征字典符合RIP条件，所以本发明所提出的识别方法准确度高、可靠性与稳定性强，性能优于现有技术。

摘要： 一种脉搏数据分类模型建立装置、分类识别装置和测量系统，其中，该分类识别装置包括计算机程序存储介质和处理装置，所述处理装置执行计算机程序时进行如下处理，包括：获取脉搏数据；提取脉搏数据的特征点；根据提取的脉搏数据的特征点计算分类特征；使用训练好的分类模型对脉搏数据进行分类。本发明通过脉搏特征点的获取、用于分类的脉搏特征的提取和分类模型的训练，利用训练好的分类模型，能够快速、自动地实现对脉搏数据的分类识别，克服现有的脉搏测量装置中无法对脉搏进行深入分析的弊端。本发明可充分挖掘脉搏信号的医学价值，在生物识别、中医脉诊等方面具有广泛的应用前景。

摘要： 本发明公开了一种基于多特征和多分类器的骨髓细胞分类识别方法及系统，基于3个迁移学习分类器对骨髓细胞进行训练测试；分别提取骨髓细胞图像数据集的纹理特征LBP，形状特征HOG和颜色特征HSV并进行融合得到特征融合图像，利用Keras模型融合算法对3个迁移分类器进行融合，得到融合分类器，并利用在单个分类器中取得最好测试准确率的特征融合图像对融合分类器进行训练，得到测试准确率最好的多特征多分类器融合模型；对骨髓细胞图像中的骨髓细胞进行定位分割，得到模型应用数据集；并利用测试效果最好的多特征多分类器融合模型对该数据集进行测试，得到最终的模型应用效果。本发明结合不同特征和不同分类器的优势，提高了骨髓细胞的测试分类准确率。

摘要： 本发明公开了一种图片分类、分类识别模型的生成方法、装置、设备及介质。该方法包括：获取待分类的图片集，图片集包括至少两张图片；将图片集输入至预先训练的当前级分类识别模型中，得到每张图片的分类得分；如果图片的分类得分满足预设条件，则根据分类得分确定图片的分类识别结果；如果图片的分类得分不满足预设条件，则继续将图片输入至预先训练的下一级分类识别模型中，直至得到图片的分类识别结果；其中，每级分类识别模型基于神经网络训练生成。本发明实施例提高了图片分类的准确率和效率。

摘要： 多分类识别器识别数据所表征的特征是属于多个分类中的哪个分类，具备：第1阶层识别器生成单元，其生成进行1对N的识别的多个第1阶层识别器；和第2阶层识别器生成单元，其通过将多个第1阶层识别器分别输出的各计分值进行连结来生成第2阶层特征向量，输入该第2阶层特征向量来生成进行1对N的识别的多个第2阶层识别器，多分类识别器将通过使数据输入到多个第1阶层识别器而由该多个第1阶层识别器输出的各计分值进行连结来生成第2阶层特征向量，将与通过使该第2阶层特征向量输入到多个第2阶层识别器而输出了最大的计分值的第2阶层识别器相对应的分类，识别为所输入的数据所表征的特征所属的分类。

摘要： 一种尿液细胞图像分类识别系统及分类识别的方法。该系统主要由细胞筛、通路转换控制器、图像识别分类器和计算机组成。分类识别方法的步骤是：先将尿液细胞进行稀释，使用细胞筛进行细胞筛选，旋转细胞筛中的筛选盘到规格最小的分子筛上，再通过计算机控制旋转筛选盘，旋转到下一个分子筛上，达到增大所筛选细胞大小的要求，重复此步骤，从而将尿液中不同大小的细胞分离开来，再由计算机控制通路转换控制器的开关，将所筛选的不同大小的细胞传输给显微镜进行图像观察和采集，然后传输给计算机，再由图像识别分类器利用图像预处理以及分割技术对待检测图像进行处理，最后完成分类识别。

摘要： 本发明涉及一种害虫稀疏表征分类识别方法与分类识别装置，包括对k类害虫进行编号；对包含k类害虫的所有图片进行图像预处理；对预处理后的所有图片进行特征提取：满足约束等距性条件的特征字典的构造；对预处理后的任一待识别图片进行特征提取；求解分类模型；对害虫进行识别。由于本发明的特征字典符合RIP条件，所以本发明所提出的识别方法准确度高、可靠性与稳定性强，性能优于现有技术。

摘要： 本发明公开了一种回收物分类识别系统及分类方法，所述系统包括信号转换模组、数据储存模组和通信模组，所述信号转换模组、数据储存模组和通信模组皆分别与回收机构组件和用户使用终端通过线上网络连接，所述回收机构组件通过与用户使用终端通过线上网络相互连接。实现了在收运分类垃圾时，自动识别并记录所收运的分类垃圾的相关信息，而通过湿度、亮度和温度感应组件即时对投放物进行监测，以便后续的快速处理，为促进在源头进行垃圾分类和垃圾溯源提供了数据支持，使系统更加人性化切合实际的运作给人们使用带来极大的便捷。

摘要： 本发明涉及一种基于目标检测和分类网络的麻鸭性别分类识别方法，包括：构建数据集，并标注数据集中每张图像中的麻鸭全身；对数据进行预处理，然后进行自适应图片缩放，再通过Focal Loss对目标检测中正负样本比例进行调节；通过添加CBAM注意力机制的Yolov7网络结构对图像进行麻鸭头部的目标检测得到麻鸭头部图像，并进行筛选和统一尺寸后输入到分类网络中，对麻鸭头部图像进行性别分类，得到麻鸭性别比例。本发明可通过计算机数据库可以记录每一只麻鸭的生长、销售的全过程，实现麻鸭生长信息可追踪、鸭肉来源可追溯、鸭肉去向可记录，有利于在未来构建产品来源可追溯、去向可查证、责任可追究的智能化产业追溯体系。

摘要： 本发明公开了一种基于SVM分类器的竹子叶片分类识别方法，属于竹子分类技术领域。该方法包括(1)获取待分类识别的叶片图像，然后给图片加上转化实际长度与图像分辨率的标板，并对图像依次进行等比例缩放、灰度化、边缘检测、膨胀和腐蚀处理；(2)提取叶片形状特征参数和颜色特征参数，将提取到的叶片参数数据输入到训练好的分类模型中进行识别；(3)输出识别得到的竹子所属种类。本发明采用训练好的算法模型，通过对颜色特征进行标准化和模型参数的优化，进一步提升了竹种识别的精度。