结合余弦相关性的卷积网络识别汉字的方法

为了提高卷积神经网络(Convolution Neural Network,CNN)的识别率,增强卷积网络的特征提取能力,使其在模糊、光照不均等恶劣条件下能够有更好的识别效果,因此提出将余弦相关性加入神经卷积网络作为相似度度量的方法。较传统神经卷积网络相比较,有着更强的模式检测能力、更快的收敛速度以及更高的准确率的优点。在卷积神经网络的卷积层加入余弦相似性度量,最后通过对比传统神经卷积网络方法和余弦相关性神经卷积网络在脱机手写汉字的识别实验,在进行20次实验后,得出了在相同训练参数以及相同层数的卷积神经网络上,基于余弦相关性的神经卷积网络在手写汉字数据集上的准确率比传统的神经卷积网络的识别率平均提高了2.01%,并且有着更快的收敛速度。最后通过与现今流行的算法在MNIST数据集上的实验进行准确度、损失函数、时间复杂度的比较,得出结合余弦的卷积神经网络在准确度和损失函数上有一定的优势性,在时间复杂度上还需进一步提高。

基于数据挖掘的户变关系辨识技术

低压台区长期面临拓扑结构缺失、户变关系不明确的问题,而近年来对配电网的精细化管理及控制需求明确的户变关系。针对此提出了一种基于数据挖掘技术的户变关系辨识方案。所提方法首先基于台区内节点的电压波动相似特点,以电压序列相似性为距离标准,利用DBSCAN算法聚类出疑似的不属于目标台区的离群节点;其次基于上下游设备的电度数据相似性确认疑似节点是否属于目标台区,采用Apriori算法生成符合约束条件的台区从属节点集,再使用余弦相似度判别得到最可能的户变从属结果。最后,以某市供电公司一实际台区数据通过结果对比验证了文中算法的有效性。

基于小波矩的图像复制粘贴篡改检测

图像的局部复制粘贴篡改技术,是最常见的一种图像伪造方式,对此提出一种基于小波矩的图像复制粘贴篡改检测算法.首先通过变分水平集活动轮廓模型初步确定图像篡改的可疑区域;然后对每一块可疑区域利用小波矩算法提取其小波矩特征;接着利用余弦相关性测度判别可疑区域的相似性;最后定位图像的篡改区域.实验结果表明本算法能够有效提取可疑区域,并进一步定位篡改区域.此外,算法对图像前景篡改区域的平移、旋转和缩放具有较强的鲁棒性.

A Study on Automatic Scoring for Machine Translation Systems

String similarity measures of edit distance, cosine correlation and Dice coefficient are adopted to evaluate machine translation results. Experiment shows that the evaluation method distinguishes well between "good" and "bad" translations. Another experiment manifests a consistency between human and automatic scorings of 6 general-purpose MT systems. Equational analysis validates the experimental results. Although the data and graphs are very promising, correlation coefficient and significance tests at 0.01 level are made to ensure the reliability of the results. Linear regression is made to map the automatic scoring results to human scorings.