基于视觉的草莓品质特征提取与评价模型

为提高草莓分选效率、增加草莓品质评价方法的数据区分度,提出一种基于视觉的草莓品质评价模型。以行业标准的草莓品质传统评价方法为基础,通过图像处理方法提取草莓颜色、尺寸和形状,从而对草莓的成熟度、缺陷、质量和形状特征进行量化,实现对草莓的等级评价和规格评价。进一步采用熵权法,引入权重因子,建立草莓品质综合评价模型,实现对草莓品质的自动分级。设计草莓品质分选装置,验证该模型的有效性。测试结果表明,草莓等级和规格自动分级准确率分别达96.7%和98.4%,品质综合分级准确率达到96.3%,草莓分选成功率达到95.3%,每幅草莓图像品质分级平均耗时37 ms,每颗草莓分选平均耗时0.87 s。研究为基于机械手的草莓自动分选提供参考。

基于GGInformer模型的金融数据特征提取及价格预测

为了解决金融时序预测任务中出现的特征参数冗余问题,用遗传算法对金融数据进行特征提取,通过三组对比实验进行验证分析。实验结果显示,加入了遗传算法的预测模型比未加入遗传算法的模型在三种数据集上的MSE均有所降低。最终结果证明遗传算法可以有效解决金融产品价格预测过程中的特征冗余问题。为了解决非线性的长序列金融数据预测效果差的问题,通过结合GRU网络和Informer模型构建了GGInformer模型来对金融产品价格进行预测。模型在三种外汇产品数据集上与其他四种预测基准方法进行了对比实验,实验结果与可视化分析表明,所提模型在金融产品交易价格的预测结果上有明显优势,可以提高预测的精度。

基于分段特征提取的仿真模型结果验证方法

校核、验证与确认(verification,validation,and accreditation,VV&A)是保证仿真模型可信度的关键手段,其中模型验证是核心环节。针对导弹飞行仿真模型结果验证存在的参考数据不可获得、参考数据来源多样、专家验证主观性强等问题,提出一种基于时间序列分段特征提取的导弹飞行仿真模型结果验证方法。提出了一种综合的时间序列分段线性方法,由基于二阶导数提取趋势边缘点的线性分段算法和基于极值点优化的Top-Down线性分段算法两部分组成,以实现对导弹飞行仿真数据和参考数据进行有效的线性分段表示。基于上述分段结果,对各段时间序列的均值、方差、斜率等特征进行提取,以辅助专家进行验证,从而降低验证中的主观性;或者直接利用TIC系数法、动态时间规整(dynamic time warping,DTW)等方法进行客观的相似性分析。通过充分利用时间序列的分段特征,可实现各种情形下的导弹飞行仿真模型结果验证。通过一个导弹模型结果验证案例演示了所提方法的可行性和有效性。

基于特征提取的切削力波动模型构建方法

切削力对加工稳定性和质量至关重要。随着数据采集技术的进步,有效分析切削力数据并提取关键信息成为精准监控加工过程的关键。本研究提出了一种创新的切削力波动模型,该模型基于特征提取和主-辅特征融合技术,能够精准识别和提取关键波动特征,并通过时空关联方法实现特征的空间映射。模型深入分析了切削力的时、频域等特性,捕捉加工过程中的细微变化,既能反映切削力的变化趋势,也能表示工件任意位置的切削力波动。实现了从现实切削加工到数字模型的单向映射。优化实验结果表明,利用该模型优化切削参数显著降低了波动比例,提高了加工效率,验证了波动模型的加工过程表征能力的优越性。

基于深度强化学习的自动特征提取模型研究

介绍了深度强化学习在自动特征提取领域的应用。首先,简单地概述了现有的特征提供取方法,包括传统的特征取方法、基于深度学习的特征提取方法和基于深度强化学习的特征提取方法;其次,阐述了深度强化学习和图像处理技术;最后,详细地介绍了基于深度强化学习的自动特征提取模型的设计方法,包括数据集准备与预处理、模型架构设计、模型训练过程及参数设置、实验结果分析与评估。该模型能够提高图像处理的准确性和效率,具有较高的推广使用价值。

利用预训练模型提升光谱特征提取性能的有效性研究

观测技术的发展带来了海量的光谱数据。如何对这些数据进行自动分类受到广大研究人员的关注,其关键是光谱数据的特征提取。鉴于人工处理方式的局限性,主流研究大多采用机器学习算法进行光谱数据的特征提取。然而,这些机器学习算法由于时空复杂度过高无法处理海量光谱数据。近年来涌现的预训练模型具有优良的特征提取能力,但目前鲜有文献对该模型对光谱数据有效性问题进行探讨。因此,将恒星光谱数据作为研究对象,分别引入BERT、ALBERT、GTP等预训练模型和卷积神经网络(CNN)来对恒星光谱数据进行特征提取和分类处理,通过比较实验结果来检验这几类预训练模型在恒星光谱特征提取方面的有效性。利用Python编程语言编写光谱分类程序。在预训练模型特征提取的基础上,利用TensorFlow1.14中的CNN模型进行光谱类型判定。实验用到的数据集是SDSS DR10恒星光谱数据集,包括K型、F型、G型。利用网格搜索和5倍交叉验证法获得实验最优参数。在相同训练数据集条件下,与ALBERT、GPT相比,BERT模型的分类正确率均最高。从平均正确率看,在K型、F型、G型恒星数据集上,BERT模型的平均正确率比ALBERT分别高0.0251、0.0215和0.0225,比GPT分别高0.0497、0.0424和0.0432。分析实验结果可以得出如下结论:(1)恒星光谱分类正确率随训练数据规模的增大而提高;(2)在训练数据规模占比相同的情况下,同一模型在K型恒星数据集上的分类正确率最高,其次是F型恒星数据集,G型恒星数据集最低;(3)与ALBERT、GPT相比,BERT模型具有具有更优的特征提取能力。

基于BERT模型的电网基建工程知识图谱特征提取方法

由于电网基建工程涉及因素较多,导致在对其知识图谱特征进行提取时,F1值难以得到保障,为此,本文章提出基于BERT模型的电网基建工程知识图谱特征提取方法研究。以RDF模型为基础,构建了以三元组为基本单元的电网基建工程知识图谱模型;通过关系(即边)之间的联系,实现对电网基建工程知识图谱目标特征的有效提取。在测试结果中,设计方法对于不同特征,对应的提取结果F1值基本稳定在0.90以上,最大值达到了0.94,与对照组相比,在稳定性和有效性方面具有较为明显的优势。

融合特征提取的LMM模型在电商企业营销数量预测中的应用研究

准确的销售预测可以帮助电商企业制定合适的营销计划,以减少业务损失。但传统的预测模型对如今大数据发展迅速的时代来说,已经不能满足电商企业的需求。基于特征提取,对销售数据进行傅里叶变换处理,构建一种线性混合预测模型(Linear Mixed Model),应用至电商企业营销数量的预测中。开展实验对预测模型进行效用分析,实验表明,神经网络、支持向量机模型的MAE为0.04927154,0.04847517,而基于特征提取的线性混合模型的MAE更小,为0.04032,说明模型质量和性能更好。涉及RMSE、MAE、RMSE和RMSPE评估指标时,三种模型误差相差均在0.1以内。电商营销数量数据具有时间序列特性,但是线性混合模型在解决时间序列问题方面更有效,因此能够更加有效地处理电商数据。

基于多阶段特征提取的鱼类识别研究

鱼类自动识别在海洋生态学、水产养殖等领域应用广泛。受光照变化、目标相似、遮挡及类别分布不均衡等因素影响,鱼类精准自动识别极具挑战性。提出了一种基于多阶段特征提取网络(Multi-stage Feature Extraction Network,MF-Net)模型进行鱼类识别。该模型首先对图片作弱增强预处理,以提高模型的计算效率;然后采用多阶段卷积特征提取策略,提升模型对鱼类细粒度特征的提取能力;最后通过标签平滑损失计算以缓解数据的不平衡性。为验证模型的性能,构建了一个500类、含32768张图片的鱼类数据集,所建模型在该数据集上的准确率达到86.8%,优于现有的主流目标识别方法。利用公开的蝴蝶数据集对该模型进行泛化性能验证,多组消融实验进一步验证了所提算法的有效性。

基于太赫兹成像检测技术与特征提取方法结合巴旦木饱满度检测方法研究

巴旦木是一种营养丰富的坚果,对巴旦木的品质进行检测具有重要的经济价值和实际意义。由于巴旦木具有较为坚硬的外壳,传统的检测手段较难实现内部检测,因此,采用新兴的太赫兹透射成像检测技术,开展巴旦木饱满度的检测研究。首先采集不同饱满度巴旦木的太赫兹透射图像,并且从太赫兹图像的感兴趣区域分别提取无样品区域、空壳区域和满仁区域的太赫兹光谱信息;为了提高模型的精度,减少计算量,采用竞争性自适应重加权算法(CARS)、无信息变量消除(UVE)、连续投影算法(SPA)、蒙特卡罗无信息变量消除法(MCUVE)和遗传算法(GA)对太赫兹光谱信息进行特征提取,建立对应的最小二乘支持向量机(LS-SVM)、随机森林(RF)和K-近邻(KNN)定性判别模型,对巴旦木的饱满和空壳区域进行检测和鉴别。此外,对太赫兹特征图像转为JPG格式,接着转化为RGB格式进行G通道提取和图像二值化分离出外壳和果仁图像,检测饱满度为太赫兹特征图像的壳仁像素点之比;对原始图像进行轮廓提取和图像二值化分离出外壳和果仁图像,实际饱满度为原始图像的壳仁像素点之比。通过计算检测饱满度和实际饱满度的误差,证明了太赫兹透射成像技术检测巴旦木饱满度的可行性。建立的KS-GA-RF模型的鉴别效果最优,准确率为98.21%;通过壳仁像素点之比分别计算出对应的检测饱满度和实际饱满度,误差为16%。研究验证了采用太赫兹图、谱相融合的方法,可以很好地实现对巴旦木内部种仁饱满度可视化检测,为巴旦木的准确分级提供了新的思路,也为太赫兹成像技术检测其他坚果饱满度提供了理论参考,具有重要的应用价值。

基于听觉模型ZCPA的故障诊断特征提取方法研究

将一种听觉模型——ZCPA模型引入机械故障诊断特征提取中。介绍了该模型的基本原理,并根据故障诊断中振动信号分析的特点对模型的具体实现方法进行了一定的调整。利用S函数取代对数函数对耳蜗内毛细胞进行模拟,将频率箱按照频率范围等比递增的方式在频率轴上进行分布;同时,利用Gammatone滤波器组进行耳蜗基底膜的建模。利用ZCPA模型对四种转子故障进行了特征提取试验验证,结果表明,该模型只使用少量特征数据(如16个)即可有效表征不同故障,同时,对同一类型故障的特征提取结果具有很好的稳定性和一致性,具有一定的工程应用前景。

非刚性三维模型检索特征提取技术研究

三维模型特征描述符是一种简洁且信息量丰富的表示方式,特征提取是许多三维模型分析处理任务的关键步骤.近年来,针对非刚性三维模型特征提取技术的研究引起了人们的广泛关注.首先,汇总了常用的非刚性三维模型基准数据集和算法评价标准;然后,在广泛调研大量文献和最新成果的基础上,将非刚性三维模型特征分为人工设计的特征描述符和基于学习的特征描述符两大类,并分别加以介绍,对每类方法所包含的典型算法,尤其是近几年基于深度学习的特征提取算法的基本思想、优缺点进行了分析、对比和总结;最后进行总结,并对未来可能的发展趋势进行了展望.

三维模型检索中的特征提取技术综述

介绍了三维模型检索的主要研究内容 ,综述了三维模型检索中的关键技术———特征提取的研究现状 ,通过对基于统计特征、骨架几何学的特征提取方法的综合比较与分析 。

基于实体模型的加工特征提取与识别

提出一种加工特征提取与识别的新方法。在生成有向边 -面图的基础上提取特征 ,并识别出凸起 。

基于Delaunay三角网模型的等高线地形特征提取及谷地树结构化组织

基于Delaunay三角网模型在矢量等高线基础上通过弯曲特征分析 ,给出了一种地形结构特征提取及谷地树组织的方法 ,与传统的基于DEM或TIN数据结构提取地形特征的方法相比 ,该方法不仅得到了谷地系统在平面图上的拓扑结构 ,还获得了河谷在空间分布上的汇水范围 ,依托矢量线、多边形的几何关系判断 ,增强了谷地树组织中的结构化 ,避免了DEM方法中的噪音干扰 ,方法的核心是Delaunay三角网在单根等高线弯曲深度表达上的层次结构识别。基于系统地实验详细讨论了 3种树的结构化组织 :等高线弯曲特征嵌套结构表达的二叉树、谷地系统拓扑关系表达的平面结构树、水文意义上主支流河谷表达的语义层次树。

植被光谱维特征提取模型

提出了一种针对植被的光谱维特征提取模型植被光谱特征提取模型 (Vegetation Spectral Feature ExtractionModel,缩写为 VSFEM)。该模型通过分析大量野外植被高光谱曲线 ,选择了 8个光谱维特征位置 。

鸡蛋透光图像特征提取与新鲜度检测模型研究

消费者对蛋品品质的要求越来越高,系统地对鸡蛋新鲜度进行无损检测也越来越重要。通过冷光源照射获取鸡蛋彩色透光图像,提取透光图像Lab空间的L分量进行灰度阈值分割得到鸡蛋的二值图像;将L分量进行预处理后,采用连通区域检测法提取气室边缘、霍夫直线检测气室与鸡蛋的分割线,得到气室的二值图像;提取透光图像RGB空间的G分量进行自适应灰度调整、自定义模板的线性空间滤波,利用形态学方法和阈值分割法提取蛋黄图像;使用sobel算子提取蛋黄边缘并利用最小二乘法拟合蛋黄椭圆。提取透光图像中与新鲜度有关的气室大小、蛋黄大小和椭圆度三种特征,计算三种因素值并分别建立了它们与鸡蛋新鲜度的单因素线性回归模型;利用梯度下降法综合三种特征因素训练得出鸡蛋透光图像三元新鲜度模型。该模型经拟合优度检验和F检验具较高可靠性,可对禽蛋进行实时新鲜度检测与分级。

基于点对分布的三维模型特征提取算法

基于形状分布算法提出了一种基于点对分布的三维模型特征提取算法。该算法根据两随机点间的连线与模型是否有交点,将连线分为U类和W类,并分别为两类连线构建形状分布直方图,从而解决了形状分布算法对于外形相近但细节不同的三维模型的检索问题,提高了检索精度。

一种基于听觉模型的抗噪语音识别特征提取方法

提出了一种新的语音识别特征提取方法。该方法是建立在听觉模型的基础上,通过计算语音的上升过零率作为频率信息并通过非线性幅度加权相结合来获取语音特征。仿真实现了中小词汇量、孤立词的语音识别,得到了较好的实验结果,证明了此方法具有较强的抗噪声性能。

基于活动轮廓模型的人脸特征提取方法的研究

人脸面部特征提取是自动视觉翻译和人脸识别中的最关键的技术之一 .本文对活动轮廓模型理论的基本原理、方法和技术等作了有益的探索和尝试 ,并在此基础上 ,提出了提取人脸面部特征的系列算法 ,特征是精确的轮廓描述而非简单的数字表达 .实验中 ,我们用动态模板方法提取眼睛轮廓 ,用活动轮廓方法提取眉毛形状 ,结果证明 ,该方法具有较强的鲁棒性和自适应性 .