基于多源特征融合的实验室不安全行为检测系统设计

为降低实验室事故发生率,设计一种基于多源特征融合的实验室不安全行为检测系统。首先,构建系统基础框架,在图像采集单元中利用高清摄像机获取实验室监控视频图像,经过图像处理单元的灰度化、去噪、平滑滤波处理后,在目标识别单元中采用帧间差分法获得视频目标区域图像;然后,在特征提取单元中处理视频目标区域图像,提取HOG特征以及人体行为重心特征,通过对二者进行融合处理得到一维特征向量,将其输入到行为检测单元中,利用SVM分类器检测不安全行为。实验结果表明:所设计系统可有效检测实验室不安全行为,F1指数均值、召回率均值分别为98.94%、99.15%,错误检测数量较少。

云服务推荐中基于多源特征和多任务学习的时序QoS预测

随着云计算技术的普及,云服务数量指数级增长,用户不再满足于功能性需求,服务质量(Quality of Service,QoS)成为比较服务优劣的关键性能指标.如何在动态、复杂的云环境中实时、准确地预测服务质量并为用户推荐高质量服务成为热点问题.考虑到云服务器的负载、网络状态、用户接入云环境的偏好等随着时间变化,本文提出了基于多源特征和多任务学习的时序QoS预测方法(T-MST),它可以实时、准确地同时预测多种QoS属性.首先,TMST对用户、服务进行特征表示,通过Time2Vec刻画时序特征,再结合多种QoS属性的历史记录生成多源特征表示.其次,基于滑动窗口采用LSTM感知窗口内的时序关系,借助注意力机制细化窗口内不同时刻的关键性,从而构造待预测时刻的隐藏状态.最后,T-MST采用多任务预测层实现多种QoS属性的同时预测,它们共享上游模型,仅在预测层采用不同的感知模块以提升模型的鲁棒性和计算效率.本文基于真实世界的数据集进行了全面的实验验证,结果表明T-MST在吞吐量和响应时间的时序预测任务上平均绝对误差(Mean Absolute Error,MAE)分别平均提升了37.53%和20.38%,优于现有的时序QoS预测方法;而且TMST的计算效率更高,能够有效应对实时QoS预测的需求.

基于多源特征门控融合的软件缺陷预测

随着当前软件开发规模的增大和复杂度的不断提高,如何在保证效率的同时提高软件质量成为软件工程领域研究的重点和难点.软件缺陷预测是软件质量保障的重要研究方向,旨在帮助软件从业人员预测软件产品中潜在的缺陷模块,从而更有效地分配测试资源.已有研究主要提取软件特征来建立缺陷预测模型,但通常仅使用单一类型特征作为模型输入,并且缺乏特征的有效融合,导致缺陷预测的性能有待提高.提出了一种基于多源特征门控融合的软件缺陷预测方法(DP⁃GM),首先利用抽象语法树和词嵌入模型得到代码语义表示;然后,采用门控循环单元(GRU)对语义特征向量和传统特征向量进行特征提取;最后,利用门控机制融合多源特征来训练模型并进行软件缺陷预测.实验结果表明,与当前具有代表性的三个基线方法相比较,提出的方法在召回率和F1值分别高出最优基线方法35.3%和10.5%.因此,提出的方法可提升软件缺陷预测的准确性,帮助软件从业者提高开发效益.

基于多源特征智能融合技术在乳腺癌识别中的应用

目的提出一种基于多源特征融合技术结合限制内存-拟牛顿法-反向传播(Limited-Memory Broyden-Fletcher-Goldfarb-Shanno-Back Propagation,L-BFGS-BP)神经网络模型,以期为乳腺癌筛选和诊断提供参考依据。方法选取2016年9月1日至2022年8月31日于南京大学医学院附属金陵医院收治的388例乳腺癌确诊患者及同时期收治的288例非乳腺癌患者为研究对象,从生物遗传学、临床特征、血清标志物、影像学等方向收集并整理多源特征集,建立L-BFGS优化算法及L-BFGS-BP模型。结果相对于随机森林、BP神经网络模型、支持向量机、朴素贝叶斯模型,L-BFGS-BP模型测试准确度分别提高了8.07%、13.55%、3.55%和8.39%,且差异具有统计学意义(P<0.05);精准度分别提高了9.12%、16.42%、7.50%和7.19%,且差异具有统计学意义(P<0.05);L-BFGS-BP模型在召回率、F1分数方面亦有相同的结果。结论L-BFGS-BP模型具有更好的鲁棒性、更快的收敛速度和更好的优化能力,预测能力较强,具有广泛的应用前景和研究价值。

基于多源特征融合的高速公路路网交通状态判别

为满足管理者和出行者全面掌握高速公路路网交通状态的需求,以高速公路路网数据和收费数据为基础,采用多源特征融合的方式构建高速公路路网交通状态判别模型。首先,将高速公路路网划分为路段,提取路段的静态特征和动态特征,以多源特征融合的方式全面刻画路段特征;然后,采用自定义规则结合人工标注的半自动化数据标注方式对数据进行标注,保证原始数据标注的准确性;最后,针对数据不均衡的问题,提出由两层随机森林模型组成的双随机森林模型,利用第二层随机森林模型提升第一层随机森林模型分类的准确性。为了证明所提方法的有效性和准确性,收集了辽宁省高速公路的路网数据和收费数据对模型的效果进行验证,结果显示:畅通状态的准确率为100.0%,基本畅通状态的准确率为94.0%,轻度拥堵状态的准确率为98.0%,中度拥堵状态的准确率为94.0%,重度拥堵状态的准确率为97.0%,全网交通状态的平均准确率为96.6%。

顾及多源特征的城市违章建筑监测技术应用

对违章建筑的传统监测和管理主要依靠群众发现举报,监测手段滞后,违章建筑屡禁不止且不能及时发现,以致监测和拆违成本急剧增高,阻碍了城市的发展和建设。以某市两期0.3 m分辨率航空影像为基础,基于DSM数据提取建筑物目标高程变化信息;通过相关阈值的设定以及影像特征分类识别,实现对植被等干扰因素的剔除过滤,保证了建筑物变化图斑检测的准确性;与规划红线套合确定变化区域建设的合法性,能够较好地确定违章建筑的具体位置与范围,为规划监察部门对违章建筑的监测执法提供高质量的数据支撑。

融合多源特征的高分遥感影像语义分割方法研究

提出融合多源特征的高分遥感影像语义分割方法,实现遥感影像中的像素分类,为后续影像处理奠定基础。以U-Net网络设计思想为基础,添加SE(squeeze and excitation)模块和多源特征自适应融合模块,构建多源特征融合的高分遥感影像语义分割网络框架;框架采用双输入模式,将IRRG(infrared、red、green)图像与数字表面模型(digitalsurfacemodel,DSM)图像作为输入图像,利用U-Net编码器和SE模块分别提取两种模态图像的特征图,通过多源特征自适应融合模块对二者实施融合处理,获得融合后的新特征图;利用U-Net的解码器将新特征图还原成原图尺寸,利用像素点分类模块的Softmax分类器完成高分遥感影像语义分割。实验证明,所提出的方法可以有效实现高分遥感影像语义分割,在平均像素精度和分割后图像质量方面均有较好的表现。对比其他方法,针对不同的数据集,所提出的方法平均交并比可达0.95以上。

考虑多源特征融合的变压器谐振过电压故障检测

在变压器谐振过电压故障检测中,多个变量如电压、电流和频率等之间相互关联,并且受到外界条件和操作方式的影响。这些复杂的变量相互作用使得故障检测的分析和判断变得困难。为此,本研究考虑多源特征融合,提出一种变压器谐振过电压故障检测方法。选择多源低层特征融合技术,对变压器多源特征完成加权融合。基于此,以谐振过电压熔断量判断是否存在过电压故障,实现变压器谐振过电压故障检测。实验结果验证了研究方法能够精准检测出变压器的过电压时刻,且可准确输出突变电压值,说明该方法具有较好的应用性能。

融合多源特征的电梯广告推荐系统

针对电梯传媒终端广告精准投放面临的采集广告受众个人隐私数据难的问题,提出融合电梯交通流量、广告主行为时空特征、广告主题特征、广告主评分行为等多源特征的电梯广告推荐算法。首先,利用差分函数算法从电梯运行数据中提取电梯交通流量峰值特征;然后,通过广告主广告行为数据提取广告主行为时空特征;接着,将电梯交通流量峰值特征与广告主行为时空特征融合,并利用ReliefF算法进行特征筛选;最后,设计融合多源特征的电梯广告推荐系统,实现电梯广告节目的精准投放。实验结果表明:融合多源特征的电梯广告推荐算法的Precision、Recall和ROC曲线的AUC值等评价指标均明显提高;在一定程度上解决了冷启动、数据稀疏等问题。该系统无需采集广告受众的个人隐私数据,具有较强的实用性。

基于多源特征和双向门控循环单元的抗高血压肽识别

为了开发快速、高效和智能的抗高血压肽(anti-hypertensive peptides,AHTPs)识别工具,针对AHTPs的识别,构建基于多源特征和深度学习的识别模型。利用新增强分组氨基酸组分(novel enhanced grouped amino acid composition,NEGAAC)、约简的二肽组分(reduced dipeptide composition,RDPC)、二肽频率与预期平均值之间的偏差(dipeptide deviation from expected mean,DDE)、氨基酸物理化学性质的距离变换(amino acid physicochemical properties-based distance transformation,AAP-DT)和BLOSUM62编码对肽序列进行特征提取。采用双向门控循环单元(bidirectional gated recurrent units,BiGRU)对蛋白质特征进行深度学习,进而有效识别AHTPs。在10-折交叉验证下,基于多源特征和深度学习的识别模型在基准数据集和独立数据集上的识别精度达到96.78%和98.72%。

改进共空间模式与多源特征融合的轴承智能诊断方法

针对传统方法难以有效提取滚动轴承的故障特征,以及单向振动信号易存在故障信息丢失等问题,将共空间模式(CSP)算法引入滚动轴承故障诊断领域,提出了一种改进共空间模式(MCSP)算法与多源特征融合的轴承智能诊断方法。首先,利用CSP算法将轴承3个方向的振动信号进行数据层与特征层的深度融合,充分提取故障信息的同时缩短了数据处理时间;然后,采用子类空间滤波器集合策略改进决策层,构建最优空间滤波器,有效提取轴承不同健康状态的空域特征;最后,通过支持向量机(SVM)实现不同故障类型及程度的识别。使用SLIET轴承公开数据集和实验室轴承数据集进行验证,结果表明:与未改进共空间模式方法相比,改进后的方法在2个数据集上的轴承平均识别准确率均达到99%以上,且分别提升了3.04%和6.26%,平均耗时均在0.1 s以下,验证了所提方法具有更好的故障识别准确率和运行效率。

多源特征数字化信息分层迭代采集系统设计

针对当前多源特征数字化信息分层迭代采集系统,未对数字化信息最小特征子集隐层节点中心值进行筛选分类,导致采集时间较长、能量消耗较大.设计了基于遗传算法的多源特征数字化信息分层迭代采集系统.采用Agent技术采集不同层次的数字化信息,详细的阐述了系统的基本架构和数字化信息采集Agent的结构模型;采用遗传算法,对重叠的数据进行筛选分类,节约空间存储量,并获取隐藏层到输出层的权值,通过全局最优值,对最佳个体进行特征提取,对特征进行选择,并输入到神经网络分类器中,利用神经网络分类器对数字化信息最小特征子集中的隐层节点中心值进行筛选分类,完成对多源特征数字化信息分层迭代采集.测试结果表明,所设计系统信息采集完成时间较短、能量消耗较小.

基于多源特征增强的交通标志识别方法

针对现实场景中交通标志识别在照明不佳环境下和应对扭曲、旋转、平移等空间变化时准确率较低的问题,在优化亮度、对比度特征的基础上结合图像的空间位置信息,提出一个新颖的基于多源特征增强的交通标志识别方法.首先设计亮度与对比度增强模块以凸显低照度图像的特征信息,降低低照度图像识别难度.然后结合空间转换单元构建轻量化特征处理网络,通过弱化图像携带的无关信息聚焦数据中的感兴趣区域,有效分离背景噪声的同时也改善了输入数据的空间不变性.最后主分类网络对图像特征图进行细粒度的识别并输出预测的类别标签.实验结果表明:本文提出的模型在公开基准数据集GTSRB上的准确率达到99.52%,能有效解决交通标志现实场景下识别率较低的问题.

多源特征融合的能见度预测方法研究

为了提高能见度预测的准确性,该文提出了基于逐步回归和有序逻辑回归的能见度预测模型。首先,基于气象要素数据、环境因子数据以及24 h滞后项能见度数据构建了多源数据融合的数据集。其次,利用逐步回归方法对获取的气象因子、环境因子以及24 h滞后项数据进行特征提取,构建多源特征融合的数据集。最后,构建基于有序逻辑回归的能见度预测模型,利用累积概率函数得到每个样本隶属于每个等级的概率。通过在有序逻辑回归模型上预测不同类别特征,把构建模型与多项逻辑回归、线性回归模型进行对比,从而验证了该文构建的多源特征融合数据集的有效性以及所构建模型的有效性。

基于多源特征向量的微电网双向变换器故障诊断

针对微电网变流器相关故障诊断研究的不足,文中对微电网常用的共直流母线型双向多端口直流-直流变换器进行故障诊断方法的研究。通过仿真分析并结合变换器电路中的电流电压特性,提出用于微电网双向多端口变换器并能够同时满足两种工作模式下的小波包变换-多源特征向量-极限学习机故障诊断方法,即采用小波包变换频谱分析法获得的电流与电压构造多源联合故障特征向量,结合ELM(极限学习机)对其实现故障诊断分类,定位其故障元件。此方法诊断精度高、泛化性能好,可以作为微电网逆变系统故障单元定位和健康管理(PHM)设计的参考和基础。

多源特征层融合故障诊断方法在电力电子电路中的应用

科学技术和社会的不断发展和融合,带来了人们对大型设备的多源化需求,随着这些设备的使用和推广,不仅为人们的生活和工作带来了诸多便利,也为人们带来了有关设备故障的安全隐患。为尽可能减少安全事故的发生,保障人们的生产和生活安全,人们在不断研究和发展故障诊断技术。多源特征层融合故障诊断是相对较为智能和高效的故障诊断方法,随着应用的不断发展与推广,在故障诊断领域占据着越来越重要的位置。本文通过对电力电子电路中运用多源特征层融合故障诊断方法的研究,希望能真正促进电力电子电路中安全系数的提升,为相关工作研究提供参考。

一种融合多源动态时空特征的战术互联网流量预测模型

战术互联网流量具有极强的动态时空特征,且与天气、高程等外部特征紧密相关,现有的网络流量预测模型不能很好地提取其复杂特征,提出了一种融合多源动态时空特征的战术互联网流量预测模型。首先,将外部特征与流量特征融合为多源特征;然后,提取当前时刻网络流量的空间特征,并对随时间变化的卷积权重迭代更新得到不同时间片下的空间特征信息;最后,通过时间卷积聚合当前和历史时刻的空间信息以预测下一时刻的多源动态时空流量。相比单一的基础模型,该方法在平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R 2)三种评估指标中效果均更好。

多源信号特征融合的电能质量扰动识别

为了解决风能、太阳能等可再生能源输出的不稳定性和间歇性给电能质量带来的问题,提出多源信号特征融合的电能质量扰动识别方法.该方法引入电流信息增强扰动特征,为解决电能质量扰动识别提供了新的视角.算例分析结果表明:相对于其他2种方法,该文方法的4个评价指标(准确率、精确率、召回率和F1分数)均最高.因此,该文方法具有优越性.

多源流量特征分析方法及其在异常检测中的应用

针对不同的网络攻击会造成不同流量特征的变化,单一的网络流量特征难以全面检测网络异常的缺陷,提出了一种多源流量特征分析方法。通过选取一组网络流测度,分析其分布特征并采用雷尼信息熵方法进行多源流量特征融合以实现对网络异常行为的全面检测。基于真实网络流量的实验结果表明,提出的网络异常行为检测方法实现简单、计算量小、检测精度高,可适用于大规模网络,能有效检测已知及未知异常。

遥感图像土地覆盖分类中多源特征数据选择研究

多源特征数据可以提高遥感图像的分类精度,选择合适的特征数据十分重要。利用基尼指数对多尺度纹理信息、主成分变换前三分量、地形数据等特征进行选择,选出最佳特征子集。利用支持向量机、神经网络分类法、最大似然法分别对全部特征数据和最佳特征子集结合多光谱数据进行分类。实验结果表明:基尼指数可以有效地对多源特征数据进行选择,特征选择可以提高分类器效率,提高分类精度。