应用特征串行融合的人脸识别算法

针对光照和姿态变化对人脸识别性能的影响,文章提出一种融合局部特征和全局特征的人脸识别算法。该算法首先对图像作Gabor变换,提取局部特征,再对图像作奇异值分解,提取全局特征,然后将全局特征和局部特征串行融合作为图像的特征,最后运用最近邻分类方法得出识别结果。在ORL标准人脸库上的实验结果表明,该算法能够有效消除光照和姿态变化对人脸识别效果的影响。

基于串行式融合的GA与PSO优化算法研究

遗传算法(GA)存在操作盲目、无方向性、计算时间长、精度不高等缺点,然而粒子群优化算法(PSO)的种群多样性差、易出现早熟从而陷入局部最优。针对这些单一算法的缺点,文章采用算法融合的方法,对遗传算法和粒子群优化算法进行了串行式融合及改进,即PSO-GA、GA-PSO及改进GA-PSO。经基准测试函数的验证,串行式融合算法相对于单一算法在计算精度、收敛速度、全局稳定性方面均有明显提升,其中PSO-GA在多峰函数方面的寻优能力尤为突出。此外,在保证计算精度的基础上,改进GA-PSO相对于GA-PSO,收敛速度明显提高。

基于串行式GA-BP的短期负荷预测方法

针对短期电力负荷预测问题,提出一种基于串行式遗传算法-反向传播神经网络模型的预测方法。首先,由关联分析法确定负荷主要影响因素。然后,确定反向传播神经网络1的输入量为负荷主要影响因素,输出量为相应负荷值,实现多因素回归预测。最后,将反向传播神经网络2串行式融入,并确定其训练数据集为反向传播神经网络1的预测值集,继而实现时间序列预测。两个反向传播神经网络在训练前均采用遗传算法进行初始权值阈值的优化,该方法实现了多因素回归预测与时间序列预测的融合。仿真结果表明,本文所提方法较其他同类型负荷预测方法具有更高的预测精度,可较好地应用于负荷预测工作。

seqAFF-ResNet:面向新冠肺炎的诊断模型

新冠肺炎的计算机辅助诊断是一种实现智能化影像诊断、临床诊断及临床分型的方法,在新冠肺炎的辅助诊断过程中,图像的病灶区域与组织边界对比不明显,导致模型不能较好地关注病灶区域,对有效特征的提取不够充分。针对上述问题,提出一个新冠肺炎辅助诊断模型seqAFF-ResNet(sequential attentional feature fusion-residual neural network)。设计串行注意力特征融合(sequential attentional feature fusion,seqAFF)模块,该模块串联条带注意力特征融合(strip attentional feature fusion,SAFF)模块和全局局部注意力特征融合(global local attentional feature fusion,GLAFF)模块,获取图像的纹理信息以及全局和局部信息,弥补卷积神经网络对于细节特征提取能力的不足,使得模型可以更好地关注于病灶区域;构造深浅层特征融合(deep and shallow feature fusion,DSFF)模块,使用深层特征的语义信息来影响浅层信息,同时将浅层的空间信息传入深层特征中,使深浅层特征进行有效融合,捕获丰富的上下文信息,实现跨层注意力特征增强,使网络能够更好地定位病变区域。与残差神经网络(residual neural network,ResNet)相比,seqAFF-ResNet准确率提升了3.42%,精确率提升了3.53%,F1分数提升了2.77%,AUC值提升了0.9%,实验结果表明,所提模型可以提高新冠肺炎的识别准确率,且与同类模型相比具有更好的性能。所提方法为新冠肺炎的辅助诊断提供了有效的识别方法,对新冠肺炎的计算机辅助诊断具有重要意义。

改进的遗传蚁群混合算法在TSP中的应用

针对遗传算法和蚁群算法的不足,提出一种改进的遗传蚁群混合算法。该混合算法通过判定最优解的改良情况,将遗传算法和蚁群算法动态串行融合,以充分利用遗传算法的全局搜索能力和蚁群算法的正反馈机制。同时,依据信息素在正反馈过程中的重要作用,提出一种改进的带奖惩项的信息素更新机制。仿真计算结果表明,本文提出的混合算法在求解TSP方面,收敛速度和求解质量均较传统的遗传算法及蚁群算法要好。

基于文本数据挖掘的轨道电路故障智能分类

针对轨道电路不均衡的故障历史文本数据,提出了一种针对非均衡历史文本数据挖掘的轨道电路智能分类模型。选取TF-IDF和先验LDA无监督机器学习模型对历史故障文本数据分别进行词项级和主题级故障特征提取并向量化,将提取的历史数据特征向量串行融合,得到其特征向量空间。采用SMOTE算法自动生成历史文本数据中的少数类数据,避免在机器学习过程中出现欠拟合现象。鉴于单个分类器在机器学习及智能分类的精度不高,采用投票的方式实现基分类器与集成分类器的集成学习。选择广铁集团电务段2011年的故障文本数据进行试验分析,验证该模型在历史故障数据分类的准确率和召回率等方面的优势。

面向多引擎融合技术的统计后编辑方法研究

本文介绍了我单位研发的机器翻译系统融入统计后编辑方法后实现串行结构多引擎融合技术,该方法的目的是解决翻译领域适应性的问题,矫正规则为主导的系统翻译结果,提高翻译译文的质量。其中包括提取系统生成的译文作为源语言构建中文平行语料库,然后采用统计的方法训练翻译模型和语言模型,抽取短语表和N-gram文本用于统计后编辑翻译引擎的解码。文中给出了该方法综合性能评价,最后给出下一步工作设想。

基于特征贡献度的mean shift视频跟踪算法

特征空间分析是视觉跟踪中的关键问题.针对mean shift跟踪算法中模板匹配问题,提出了特征贡献度概念,有效减少了背景和噪声因素干扰,使重要性特征在匹配中起到关键作用;利用结构二值分布图携带空间结构信息的优点,很好地避免了统计特征的匹配误差,在一定程度上提高了跟踪的精度和鲁棒性.仿真实验结果表明该算法具有一定的优越性和实时性,在跟踪目标存在变形、噪声、遮挡时也可以达到比较理想的跟踪效果.