基于BiLSTM-ATT的微博用户情感分类研究

针对目前微博平台的文本情感分类模型大多是对句子的词性、表情符号等进行情感分析而不了解用户本身的情感倾向且存在语义理解不足的问题,提出一种利用Word2Vec结合深度学习的方法对微博用户进行情感分类。使用Word2Vec中的Skip-Gram模型结合负采样对语料训练词向量,然后利用双向长短期记忆网络(Bi LSTM)-ATT模型自动学习词向量中的情感信息,捕捉文本数据中最具代表性的特征,最后经过Soft Max层对微博用户的情感倾向进行分类。在NLPCC2013数据集上进行测试,同时做了5组对比试验。结果表明:所提出的模型AVP达到0.814,AVF1值达到0.831,且在词向量维度取150时效果最好。

基于Django的文本情感分类系统设计与实现

针对当前对文本情感分类任务的应用研究相对较少的问题,设计实现了一种利用Django框架实现的简易文本情感分类系统。后端主要使用双向长短时记忆(BiLSTM)网络结合自注意力机制构建的模型对文本进行情感分类,前端主要是由HTML,CSS,JQuery等实现。经过测试,可以较好地实现系统对输入文本的情感分类结果。

基于轻量级卷积神经网络人脸识别算法的研究与应用

针对多数卷积神经网络(CNN)人脸识别算法在追求高精度的同时,加大网络层数,造成网络参数过多、计算量过大、训练速度缓慢且对设备要求高,增加了成本的问题,提出了一种改进型轻量级卷积神经网络MobileNet的人脸识别算法。首先,将MobileNet中的SoftMax层为L-SoftMax层,避免了过度拟合,实现更好的分类效果。其次,将改进的MobileNet和区域生成网络(RPN)融合,并在Jetson Nano小型设备上进行训练。实验表明:所提算法与传统的卷积神经网络人脸识别算法相比,在LFW人脸数据库和自建的小型数据库上训练测试,模型的参数量减少了88%,识别准确率与原MobileNet相比增加了0.2%,达到了97.54%。运行速度较原MobileNet网络提高了21.3%。

基于Jetson nano的改进MobileNet人脸识别系统

现有的大多数人脸识别算法均采用深度学习中各种改进的卷积神经网络算法。但算法存在参数多,训练时间长等问题。因此,为了减少训练过程所消耗的时间和分类过程中的计算量,设计运用了改进的MobileNet算法来实现人脸识别,并将其移植到Jetson nano设备上构成完整的室外安防系统。将MobileNet模型中原本的Soft Max分类器进行了改进,通过对比实验,发现使用A-SoftMax分类器的效果要好于Soft Max。实验结果表明:本文提出的模型在LFW人脸数据库上达到97.4%的准确率,计算时间减少为传统卷积神经网络的1/9,计算参数减少为传统卷积神经网络的1/7。

基于卷积神经网络的学生课堂疲劳检测算法

为了提高教学质量,需要对学生的课堂状态进行判断,找出处于疲劳的学生;然而传统的卷积神经网络不能同时保证检测的实时性和准确性。为此,提出一种改进的多任务级联神经网络(MTCNN)来实现疲劳检测。首先,通过MTCNN实现人脸关键点定位;其次,提出一种基于多任务约束学习的眼部精准定位方法;并将常规的激活函数ReLU替换为Leaky ReLU避免了神经元失活的影响;接着,构建眼、嘴数据集,完成眼、嘴部状态分类模型训练;最后,利用训练好的模型,结合相应的判断标准实现疲劳检测。实验结果表明:本文方法的准确率达到了95.7%,同时实时性也得到了极大的改善。

基于MTCNN的多特征融合学生疲劳检测算法研究

目前疲劳检测主要是通过眼部PERCLOS值来判断,但是这种方法检测疲劳特征较为单一,影响了检测的准确率。本文提出一种基于卷积神经网络的多特征融合学生疲劳检测算法,首先用MTCNN对人脸进行关键点定位,在此基础上用人脸归一化的方式精准提取眼睛和嘴部的特征图像并进行眼部定位;其次,构建眼、嘴数据集,完成眼、嘴部状态分类模型训练;最后,用训练好的模型将眼、嘴部的疲劳特征相融合并根据改良的MAR值判断方法进行疲劳检测。实验结果表明该方法的准确率达到了96.2%,实时性也得到了极大的改善。

模糊推理下多模型融合的异步测距定位算法

针对水下节点随着洋流运动具有移动性特性,导致现有水下测距定位算法存在定位精度低、抗干扰能力差等问题.对此,提出一种模糊推理下多模型融合的异步定位算法.首先采用深海拉格朗日洋流模型描述水下节点运动规律,模拟节点运动速度,构建锚节点与待定位节点信息动态交互模型.在此基础上,构建基于信号传播时延(Round-trip Time,RTT)与接收信号强度(Received Signal Strength Indication,RSSI)动态定位模型,再引入波动系数作为调节因子,利用模糊推理规则建立RTT与RSSI相融合的动态定位模型,提出模糊推理下多模型融合的异步测距定位算法.仿真实验表明,改进算法与对比算法相比,考虑了水下节点的移动性,降低了水声信道的不稳定性对定位精度的影响,定位误差降低了25.58%,抗干扰能力显著提高.