顾及多模态数据特征关联的城市功能区识别方法——以武汉市为例

城市功能区在城市化建设当中扮演着重要的角色,城市功能区建模与分析对于规划城市土地布局和优化土地利用模式有着重要意义。目前在城市功能区建模与分析的研究中,仍存在多模态数据利用率低、关联特征损失大的问题,这导致难以精确捕捉城市空间结构信息。因此,本研究以武汉市中心区域为例,基于街景影像数据和兴趣点数据构建城市功能区识别方法。首先,将研究区域划分为500 m×500 m的格网单元,运用自然语言模型、深度学习、空间插值等方法来提取多维度的城市功能特征;其次,利用核典型相关分析方法提取多模态数据的关联特征,分析不同共享空间维度和相关性的关系;最后,基于建成环境特征、社会经济语义特征、拼接特征及关联特征的多维度特征构建随机森林功能区识别模型,并分别与两种常用数据模态进行对比评价。结果表明,本方法相较于没有顾及关联特征的模型准确度提高了3.4%。研究成果可为政府决策规划、城市发展评估提供帮助,推动城市化建设。

基于Transformer特征关联融合小目标检测算法研究

随着信息化时代的发展,数字技术广泛应用在军事领域。目标检测是武器系统的核心功能,是影响战争局势的重要因素,在侦察、预警及监视等方面具有重要的作用。然而当今目标检测领域主要存在四个问题:小目标检测、小样本检测、检测实时性和遮挡目标检测,小目标检测更是其中的重点和难点。小目标一般只占有几十甚至几个像素,传统检测算法难以依据先验知识,构建适当的特征提取模型并取得精确的检测结果。深度学习检测算法在特征提取时容易丢失特征信息,在复杂多变的应用场景下,容易混淆目标特征与背景噪声。此外,当前的小目标检测算法存在小目标语义特征利用不充分、小目标空间特征不突出等问题。算法检测准确率较低,存在大量漏检和误检现象。针对上述问题,本文提出了一种基于多尺度局部卷积特征关联(Multi-scale Local Convolutional Feature Association,MLCFA)机制的小目标检测算法。MLCFA的核心部分包含局部卷积注意力关联(Local Convolutional Attention Association,LCAA)模块和互注意力特征重构(Cross Attention Feature Reconstruction,CAFR)模块。LCAA模块对特征融合网络得到的多尺度特征图提取特征相关性,并加强小目标内部像素之间的联系,抑制背景噪声的同时突出小目标空间特征的统一性,提高复杂背景下的检测鲁棒性。CAFR模块通过自注意力机制得到100个查询向量,并结合LCAA得到的关联特征序列进行全局特征重构,通过全连接网络得到目标检测信息,一定程度上解决了小目标边界框扰动以及特征缺失的问题。在TinyPerson数据集上的对比实验表明,搭载MLCFA的网络模型与RetinaNet等算法相比,对两类目标检测的F1-Score分别提升了19.81%和11.88%,大幅度提高了小目标检测性能,证明了MLCFA模块的有效性。此外通过收敛速度实验表明,MLAFC只需要50个epoch即可具备良好的检测性能,模型推理较快,具有一定的模型迁移能力。

多粒度特征关联的分层分类谱特征选择

利用类别的层次信息解决一个特征子集难区分所有类别的问题,同时将特征间的统计相关性引进谱特征选择解决单个特征区分力问题,据此提出基于多粒度特征关联的分层分类谱特征选择算法.该算法首先对样本按类别层次结构自下而上聚合粒化,形成多粒度分层任务集;然后对子任务中的特征空间利用谱图理论设计异类样本间的相似矩阵并构建目标函数迭代地排序出特征关联重要度.最后,在5个数据集上通过该算法与4种基于传统的及3种新颖的分层特征选择算法相比,文中算法具有有效性,尤其是获取少量的特征.

多目标击水声信号特征关联方法

目标入水产生的击水声信号形式复杂,在海洋尖刺干扰的影响下易造成漏报和虚警,当多目标不等间隔陆续入水,不同观测节点间同一目标的击水声信号难以正确关联。针对上述问题,提出一种多目标击水声信号关联方法。通过经验模态分解将检测到的瞬态信号分解为固有模态函数(Intrinsic Mode Function,IMF),并提取各阶IMF的频谱等特征,利用灰色关联分析,模糊C均值聚类两种算法实现多击水声信号的关联,为后续的分布式定位提供必要条件。仿真结果表明:当特征参数个数为6时,两种方法的目标关联正确率分别可达98%和87%;当测量节点个数为7时,两种方法的目标关联正确率分别可达95%和87%。仿真结果证明了本文方法的可行性和有效性。

基于特征关联的零件图尺寸自动标注方法

三维模型生成二维零件图后,存在多视图尺寸标注繁琐、尺寸表达不规范等问题,为确保零件图尺寸标注的完整性,提出了一种基于特征关联的零件图尺寸自动标注算法。首先,建立特征封装体的参数化建模方法,分析零件特征关联关系;其次,创建“修饰特征-特征关联-尺寸”的关联机制获取特征尺寸,并结合尺寸完备性处理方法完成零件图多视图尺寸自动标注。将该算法无缝集成到Creo软件平台上,开发一套零件图尺寸自动标注系统。最后,在Creo平台通过实例测试,验证了所提方法的有效性和可行性。

特征关联的服务功能链可靠性优化算法

针对优化服务功能链(Service Function Chain,SFC)可靠性时资源利用率低的问题,提出了特征关联的服务功能链可靠性优化算法。首先,从底层节点的资源可用率、周边资源密集度、全网中心性评价其作为虚拟网络功能(Virtual Network Function,VNF)实例备选节点的优势,从VNF实例的节点度数与带宽流量评价其作为备选对象的优势。其次,逐个对优越性最高的VNF实例选择备份底层节点,直到所有SFC的可靠性满足客户要求。在为VNF实例选择备份底层节点时,提出了基于资源特征关联感知的备份节点选择算法,将当前VNF实例所映射的底层节点与其他待备份VNF实例的底层节点的邻接节点进行关联,为当前VNF实例选择最优备份底层节点的同时,减少为其他待备份VNF实例选择备份底层节点时链路的开销。仿真结果表明,相比于已有算法,该SFC可靠性优化算法下备份实例数降低了约29%,备份带宽资源消耗降低了约42%,SFC接受率提升了约12%。

基于Transformer的跨空间特征关联多目标追踪

多目标追踪算法在复杂场景中常会出现目标识别不精确与追踪效果差的问题,在追踪目标数量多且相互遮蔽情况严重的环境中追踪目标丢失现象更为明显。为此,提出一种基于Transformer跨空间特征关联的多目标追踪算法,利用Transformer结构提取全局特征与多头注意力机制的优势提升目标特征的提取能力。此外,为解决追踪目标之间相互遮蔽而导致的追踪目标丢失问题,利用互注意力机制映射追踪目标与干扰目标之间的特征进行增强与抑制,以提高追踪算法的准确性和可靠性;同时基于追踪目标与干扰目标之间的特征相似度确定特征增强与抑制的程度。在MOT16与MOT17数据集上进行实验,所提算法分别取得了58.81%和60.05%的多目标追踪准确性,相较其他主流算法性能更优。

基于联合注意与特征关联的实例分割算法

针对现有实例分割算法因目标特征表示不充分、模型捕获信息不完整等因素导致分割精度较低的问题,提出一种基于联合注意和特征关联的实例分割算法。该算法采用联合注意力机制,沿通道和空间两个不同维度对感兴趣区域特征进行权重优化,聚焦关键对象位置,实现目标特征表示,抑制冗余信息对实例检测和分割结果干扰。在此基础上,在分割阶段建立特征关联关系,充分挖掘实例内部各像素点相似性,加强网络对实例部分的细节特征感知,实现高质量的掩膜预测。此外,通过引入协调损失函数监督检测中分类和回归任务产生一致预测,提高目标对象检测的准确性,进一步提升分割性能。在MS COCO 2017和Cityscapes两个数据集上进行实验验证,结果表明:该算法能够有效提高各现实场景下实例的检测和分割质量。当主干网络为ResNet-50/101时,该算法在COCO数据集上的掩膜平均精度分别达到37.5%和38.6%,较基线方法Mask R-CNN分别提高1.9和2.4个百分点;在Cityscapes验证集和测试集上,该算法较Mask R-CNN在主干网络为ResNet-50时分别提高2.4和2.5个百分点。

一种多尺度特征关联网络的遥感影像场景分类方法

针对遥感影像场景分类中提取特征信息不准确以及融合冗余信息的问题,提出一种多尺度特征关联网络的遥感影像场景分类方法。首先,利用ResNet18提取多尺度影像特征,并在特征金字塔结构中引入空洞卷积和多头自注意力模块关注各层有效信息,以增强语义信息和抑制周围噪声;其次,使用多特征关联模块来增强关键特征信息,对各层使用全局平均池化并加和,得到特征向量;最后,采用全连接层进行分类。该方法在NWPU数据集上的总体分类精度为90.51%,相比VGG_VD16-MSCP、VGG_VD16-SAFF以及DTDCNN等网络分别提升1.58%、2.65%和6.39%。结果表明,文章所用的多尺度融合方式能够更好地提取特征地物并抑制周围背景,从而取得更高的遥感影像场景分类精度。

在图形转换中建立特征关联——以“长方体的认识”教学为例

“长方体的认识”是人教版数学五年级下册第三单元的内容。本课旨在引导学生经历观察、操作、想象等活动,探索并发现长方体的特征及各组成元素之间的关系,培养学生的空间观念和推理能力。一、借助实物观察,提取直观特征教学中,教师可引导学生迁移平面图形的认识经验,通过有目的、有重点的观察,形成对长方体特征的基本认识。

基于特征关联度的K-means初始聚类中心优化算法

针对K-means算法在进行文本聚类时对初始聚类中心敏感的问题,提出基于特征关联度的初始聚类中心选择算法。由于在原始文本集中不易找到类别代表性都较强的多个独立文本作为初始聚类中心,因此先从降维后的文本特征集合中,选取关联度大的特征构造新的文本集,再利用"或运算"合并其中的相似文本得到初始聚类中心候选集,最后通过计算文本密度并结合"最小最大"原则从候选集中选取最优的初始中心。在5个数据集上进行对比实验,该算法在多数聚类结果中的F-score值都高于90%,熵值低于0.5,明显优于Mahout提供的K-means算法,表明该算法可选出高质量的初始聚类中心,得到更好的聚类结果。

基于信息增益特征关联树的文本特征选择算法

传统的信息增益算法在类和特征项分布不均时,分类性能明显下降。针对此不足,提出了一种基于信息增益特征关联树的文本特征选择算法(UDsIG)。首先,对数据集按类进行特征选择,降低类分布不均时对特征选择的影响。其次,利用特征分布均匀度改善特征项在类内分布不均对特征选择的干扰,并采用特征关联树模型对类内特征进行处理,保留强相关特征,删除弱相关和不相关特征,降低特征冗余度。最后,使用类间加权离散度的信息增益公式进一步计算,得到更优特征子集。通过对比实验表明,选取的特征具有更好的分类性能。

特征关联的类别间面孔适应

研究通过系列实验探讨了面孔适应不仅仅发生在形状选择性上,也能发生在任务相关的特征上有内在关联的两个不同类别的物体间。实验1以带有明显性别倾向的物品图片作为适应刺激,让被试对男女之间morphing程度不同的图片面孔进行性别辨别,考察了不同适应刺激呈现时间的类别间面孔适应。结果表明适应刺激呈现时间大于50 ms时均存在类别间面孔适应效应。实验2评估了"性别"这一特征以及适应刺激形式在类别间面孔适应中所起的作用,结果发现带有性别倾向的物品图片、相应的物品名称和性别文字("男性"、"女性")3种适应刺激类型均能产生类别间适应。实验3通过操纵适应刺激上的注意负荷(高负荷、低负荷和无负荷),探究了注意对类别间面孔适应的影响。结果表明随着注意负荷的增加,类别间面孔适应效应减小。3个实验报告了一个新异的类别间适应后效,证明了适应也能发生于在任务相关特征上有内在关联的两个不同类别的物体间。

改进的K-Means算法在特征关联中的应用

特征关联是无源多传感器辐射源融合识别的一个关键步骤。特征关联是根据来源于同一辐射源的量测数据所具有的相似性,采用一定的算法和分配策略将多传感器获取的对多辐射源的量测值进行分类划分和关联判定,利用辐射源的特征信息来消除关联模糊。特征关联过程中一个重要环节就是分类算法的选取。K-Means算法是基于划分的聚类算法,已经广泛应用于诸多领域。改进了K-Means算法,用灰关联度代替传统的距离度量定义了样本点间的距离,并对模拟产生的雷达辐射源特征参数样本集Radar-database进行了分类。仿真结果表明,改进的K-Means算法提高了关联正确率,但消耗了更多时间。

基于模糊聚类的多传感器特征关联算法研究

特征关联源于量测过程中的不确定性,是无源多传感器多目标跟踪中一个关键环节。模糊集理论的基本思想是把经典集合中的绝对隶属关系模糊化,为处理不确定事物的建模提供有力工具。一种基于模糊聚类的辐射源特征关联模型被提出,同时给出了确定相似性度量和检验门限的方法。最后模拟产生了雷达数据库,对雷达数据库进行了聚类,并与硬聚类算法和灰色聚类算法进行了比较,实验结果证明了该方法的优势和有效性。

基于灰关联度和距离的特征关联算法研究

特征关联是无源多传感器多目标跟踪中一个关键环节。针对多传感器系统对多个辐射源进行量测过程中存在的测量误差,导致的量测值和它源于的辐射源之间出现的对应模糊问题,提出了基于灰关联度和距离度量的特征关联算法。该算法通过计算特征向量之间的灰关联度和距离,把相似度较高的特征向量划分为一类,成功地消除了对应模糊问题。模拟产生了辐射源数据库,并比较了不同相似性度量性能优劣,不同噪声环境下的关联正确率,进行了关联效果检验,仿真结果表明用灰关联度作为相似性度量关联正确率高于距离度量,但所用时间较长。

一种基于区域不变矩的图像特征关联方法

为了研究多源图像特征关联问题,提出基于区域不变矩的特征关联方法;对经过区域分割后的图像各个区域计算其区域不变矩特征,提出一种区域相似性度量算法,并对计算出的图像区域不变矩进行特征关联。通过对一种飞机二值图像问题进行特征关联的仿真实验,并通过图像形式给出飞机二值图的特征关联结果,验证了该算法的实用性和有效性。该算法可以用于其他类型图像中区域不变矩的特征关联。

基于特征关联性的人脸高层特征研究

在特殊应用领域，注册者只能注册一张人脸信息，使得人脸注册信息极为有限，给人脸识别带来很大的限制。文章以参考集为基础，开展了基于特征关联性的人脸高层特征研究，通过对参考集中该人脸的所有图片特征均值和训练集、测试集中数据进行距离计算，将对应训练集、测试集中的各人脸的距离依次组合构成向量作为该脸的高层特征，该方法在很大程度上解决了注册信息缺失的问题；在Multi-PIE库和扩展YaleB库中进行了实验，并与基于稀疏表示的分类（sparse representation-based classifier，SRC）算法进行了对比。实验表明：该算法比余弦距离分类方法人脸识别的正确率提高5％～6％；与SRC算法相比，该算法更具有优越性。研究结果对单训练样本条件下的人脸识别研究有一定作用。

基于广域特征关联的公钥高深度加密方案

研究基于广域特征关联的标准模型下伪装网络入侵容忍公钥高深度加密方案,提出一种基于特征关联的公钥加密方案,通过对入侵网络数据进行特征分析的方法,提取入侵数据的原始特征,在此基础上,通过特征关联的方法对公钥进行加密,大大提高了破解难度;采用一段随机的文本进行性能测试,结果显示,与传统加密方案相比较,所提加密方案具有更高的加密深度和解密正确率,且加密后文本容量较小,基本不影响系统处理和传输,具有很好的应用价值。

基于特征关联的服装图像特征描述研究

为了自动生成更全面的服装商品图像的特征描述,突破图像分类技术获取信息的局限性,建立一种基于特征关联的自然语言描述模型,以优化用户在网上购物的体验。根据服装描述语句的文本特点,对大量文本语料潜在的丰富信息进行分析,设计出改进的统计加权技术,在此基础上结合条件概率的方法最大化地获得高精度的商品文本特征,设计并构建关联规则与图像识别特征构建出更高级的语义概念,训练长短期记忆的自然语言描述模型,最后生成描述服装特征信息的语句。通过实验评估表明在多种模型上利用特征关联的方法对服装信息的特征描述在评测分值上都有显著的提高。