LSTM多特征模型在风速预测的应用

为了降低风灾对人们正常生活和生产的影响,有效预测风速并及时预警,显得尤为重要。在机器学习中,风速预测可以归结为一个基于时间序列的预测问题,根据前T个时刻的风速观测数据建模,通过训练好的模型来预测T+1时刻的时间序列的风速数据。传统风速时间序列预测方法都是使用单一序列,往往会忽视掉其他因素的影响,容易造成预测结果的不准确。基于此,本文提出了一种基于长短期记忆(long short-term memory,LSTM)的多特征预测算法,利用耶拿气象数据集(Jena climate dataset)进行模型训练,并通过训练损失曲线和预测拟合曲线,验证了该模型的准确性。

基于多特征模型模拟电路可测性指标分析方法

结合多信号模型与多特征分析方法,提出了一种新的模拟电路可测性指标分析方法——多特征模型分析方法。该方法根据电路输出节点的阶跃响应波形,提取出多个特征信号,并将所有的特征形成一个特征向量,然后转换成故障-测试依赖矩阵进行可测性指标分析。以双二阶低通滤波器电路为例,分别在电路参数名义值、故障值与容差变化情况下,对所提方法与传统故障字典法进行可测性指标分析对比试验。仿真试验结果表明,提出的方法不仅需要测点少,故障检测率与隔离率很高,而且适合于具有容差的模拟电路可测性指标分析。

考虑安装工艺的多特征模型匹配定位

船体分段匹配定位精度直接影响分段建造几何误差评定,评价参数对船舶分段精度管理起着至关重要的作用,采用常规位姿匹配方法很难满足多特征模型定位问题。为了获得船体分段最佳匹配位姿,本文给出合理建造精度评价,依据数据配准技术的误差分配最优化理论,开展考虑安装工艺的多特征模型依次配准定位研究,按照区域精度差异对特征断面依次进行位姿定位。基于模型转换理论集成区域公差约束的迭代求解,是寻求船舶建造过程中精度尺寸监控的实用性技术。理论和实际算例表明了该方法的有效性及相对于传统最小二乘法的合理性,为船舶建造精度修正和后续装配提供定量参数。

基于多维度多特征模型的语域变异研究综述

Douglas Biber创建的多维度多特征模型（Muhi-dimensional/Muhi-featureanalysis）是迄今为止涉及语言特征最多、分类最细致的研究语域变异的方法，在国内外逐渐被广大学者所认可并得到了广泛应用。

基于多特征模型的TVOS恶意应用检测方法

TVOS是国产的智能电视操作系统,兼容Android系统的同时扩展了功能.针对TVOS应用程序的安全检测需求,提出了一种基于多特征模型的TVOS恶意应用安全检测方法.该方法通过反编译技术获取TVOS应用的源码,并通过对源码的扫描提取应用程序的静态特征;通过动态HOOK技术挂钩应用程序的典型行为捕获动态特征.在恶意应用的检测过程中首选采用单一分类算法对特征集合进行初步训练,得到各个特征的优选分类器,再通过引入自适应增强技术在多个弱分类器基础上构建增强的分类器.实验结果表明,分类的准确度达到98.1%,优于单一特征的分类模型,能够有效提高恶意应用检测性能.

基于多特征模型加工的数控渐进成形轨迹

针对多特征模型的不同数控渐进成形加工方式的问题,分析了基于层优先轨迹的加工方式与基于特征优先轨迹的加工方式,并对比了两种加工方式的优劣之处。采用有限元分析软件ANSYS对两种加工方式下板材的成形过程进行模拟,有限元分析结果表明:基于特征优先轨迹下的数控渐进成形方式的效率比基于层优先轨迹下的数控渐进成形方式高20.7%,另外,基于层优先轨迹加工方式下板材成形后的最小厚度值也比基于特征优先轨迹加工方式下板材成形后的最小厚度值要略大。但基于层优先轨迹下成形后板材的轮廓相对于基于特征优先轨迹下成形后板材的轮廓,其更加接近于设计件的轮廓。

基于自适应多特征表观模型的目标压缩跟踪

针对压缩跟踪算法中表观模型的视觉表达特征单一、统计模型缺乏柔性的问题,提出一种自适应的多特征表观建模方法.该方法引入了对梯度、边缘等图像细节描述能力更强的Surf特征,并通过构建两级观测矩阵解决多维特征的观测问题,与亮度特征进行融合,使视觉表达更加丰富、全面;通过计算正负样本特征所服从的概率分布曲线的Hellinger距离,分析特征对目标和背景的区分能力,自适应地调整统计模型中各特征之间的权重,使统计模型能更好地利用对目标跟踪有益的信息,根据目标和背景的变化及时进行更新.实验结果表明:该自适应多特征表观模型能更加准确地描述实际场景中目标和背景的复杂变化,在保持高效率的同时,极大地提高了跟踪算法的鲁棒性和准确性.

基于多层LSTM的海兰褐蛋鸡产蛋率回归模型

目前鸡蛋产量预测模型大多使用单一影响特征或者平均考虑各特征进行建模,存在精度低、抗干扰能力差等缺点。针对上述问题,利用多层LSTM神经网络结合日龄、最高舍温、最低舍温、体质量、饲料消耗量5项特征建立高精度海兰褐蛋鸡产蛋率回归模型,并将得到的模型与传统的SVM模型和单层LSTM模型结果进行对比。结果表明,本研究提出的利用多层LSTM模型预测鸡蛋产量均方误差更小,模型精度更高。

基于多特征选择及粒子滤波的目标稳健跟踪

研究机器人视觉问题,目标跟踪是当前计算机视觉及图像处理领域研究的热点问题,具有广泛的应用价值。目标建模是目标跟踪中的关键技术,目标模型的好坏直接影响到跟踪算法的性能。在复杂的场景中,尤其是背景与目标区分度较低的情况下采用图像单一特征建模往往无法取得理想的跟踪效果。提出一种多特征选择及粒子滤波的目标跟踪方法,以粒子滤波为跟踪框架,采用颜色和纹理特征对目标进行建模以减弱复杂背景的影响;跟踪过程中,通过对数似然比方法在线选择能区分目标和背景的最佳特征来描述目标,并更新目标模型以适应目标周围背景的变化,并进行仿真。结果表明方法在复杂背景的情况下具有鲁棒性和快速性。

多特征故障字典及其在模拟电路可测性分析中应用

提出一种新的模拟电路可测性分析模型——多特征故障字典模型。该模型首先获得输出端的阶跃响应输出波形,提取出波形的多个特征量,将所有特征量形成一特征向量,不同故障类别对应的特征向量组成一特征矩阵。然后由PSPICE软件中的Monte-Carlo分析的结果计算出阈值,在该阈值下将特征矩阵转换成整数编码表,从而计算可测性分析指标-检测率与隔离率。仿真与实测数据表明:与传统模拟电路可测性分析方法相比,提出的方法优点有:1)不需要传递函数,可以适用于复杂电路;2)仅需要一个输出测点,容易实现;3)对于容差模拟电路,同样可以取得较好的检测率与隔离率。

基于遥感多特征组合的冰川及其相关地表类型信息提取

冰川作为青藏高原的一种典型的地表覆盖类型,在高寒地区广泛分布,往往因为地形复杂,无法实地测绘。本文利用高分辨率遥感影像和高精度的DEM,在分析各种冰川类别的光谱、形状、空间关系、地形和气候等环境分布特征的基础上,综合和发展了现有的特征描述算法,建立了描述各种冰川类别特征的组合提取模型,运用面向对象的自动提取方法,对西部测图区青藏高原试验区进行了冰雪影像自动识别试验。试验结果表明,该方法是可行的,它对难以实地测量的冰雪信息引进了遥感自动提取方法,为研究冰川消融和气候变化拓展了研究思路。

多特征检测耦合混沌映射的红外图像加密算法

为克服当前选择性加密技术易外泄密文目标的形状,导致其不能有效实现红外图像的安全传输的问题,设计基于多特征检测模型与低维复合映射的红外目标选择加密算法。引入形态学梯度,增大真实目标与背景的对比度差异;考虑红外目标与背景的灰度差异,改进Top-Hat变换,对其完成检测;构建多特征检测模型,获取包含红外目标的感兴趣区域;将一维Logistic映射作为触发器,联合sine映射、Tent映射,设计复合映射,改变感兴趣区域内的像素位置;改变复合映射的初值,输出新的混沌数组,设计加密函数,输出扩散密文。测试结果表明,与当前选择性加密技术相比,该算法能够更好地用于红外目标的加密,且其安全性更高。

基于多特征语义匹配的知识库问答系统

知识库问答(KBQA)任务主要目的在于精确地将自然语言问题和知识库(KB)中的三元组进行匹配。传统的KBQA方法通常专注于实体识别和谓语匹配,实体识别的错误会导致错误传播从而无法得到正确的答案。针对上述问题提出一种端到端的解决方案直接匹配问题和三元组,该系统主要包含候选三元组生成和候选三元组排序两个部分来实现精确问答。首先通过BM25算法计算问题和知识库中三元组的相关性生成候选三元组;然后通过多特征语义匹配模型(MFSMM)进行三元组的排序,即用MFSMM分别通过双向长短时记忆网络(Bi-LSTM)和卷积神经网络(CNN)实现语义相似度和字符相似度的计算,并通过融合来对三元组进行排序。该系统在NLPCC-ICCPOL 2016KBQA数据集上的平均F1为80.35%,接近了现有最好的表现。

利用多特征混沌粒子滤波的视觉目标跟踪方法

随着摄像终端的增多以及自动视频分析需求量的增大,针对视频序列中存在突然运动、遮挡、运动模糊等干扰因素时传统视觉目标跟踪方法很难获得鲁棒性高、精确稳定的目标跟踪的问题,提出了利用多特征混沌粒子滤波的视觉目标跟踪方法。首先,基于非线性动力学预测进行混沌建模,利用混沌映射的梯度优化函数来搜索状态空间以找到参考轨迹;然后设计了一种用于视觉跟踪的混沌粒子滤波器,并改进运动表观模型,引入颜色、纹理和深度的特征完善滤波器的性能;最后,将多特征混沌粒子滤波器与其他视觉目标跟踪方法应用于VOT17和TB数据集进行对比分析,以论证该方法的准确性。结果表明,提出的多特征混沌粒子滤波方法显著减少了粒子数量、搜索空间和滤波器发散,其精度高出其他方法约10%,在突然运动、遮挡和运动模糊等情况下整体性能优于其他几种对比方法。

基于智能化公文主题分析的我国政策层级扩散倾向性研究

政策创新通过公文流转得以实施和扩散。在大数据背景下,运用政策文本挖掘分析我国不同层级政府间的政策扩散过程,对于了解政策实施效果,推进数字政府建设和提升政府治理能力具有重要意义。然而,当前面向我国政府公文智能处理和政策层级扩散的研究尚未广泛展开。因此,本文通过分析公文文本的结构和内容特征属性,从政策扩散主题维度和政策扩散倾向性两个方面展开研究,尝试分析政策发布时间、布局数量、政策主题强度、执行部门数量等多个维度,构建了一种基于多特征融合的政策扩散倾向性探测模型。同时,本文设计了一种新的针对我国政策层级扩散的可视化图谱,以清晰表达政策在中央、省级以及地市级的主题扩散与变迁。最后,本文以我国大数据政策为例进行了实验,通过大规模政府公文的智能处理与层级扩散倾向性探测,为政策制定者和执行者提供情报支撑和决策参考服务。

基于多项式修正的LSTM网络流量预测

在网络信息化高速发展的时代,网络流量数据拥有许多利用价值,其具有高噪声、不稳定等特点,导致对其预测难度较高。本文通过基于多项式修正的LSTM模型设计取自CICIDS的网络流量数据集进行多次的有效特征提取,利用多项式拟合的方式来修正不同LSTM模型提取出的特征权重。预测结果表明,此方法在保证预测的有效性和可靠性的基础上,能够并行训练不同模型的特征提取,避免了复杂网络中常见的“梯度消失或梯度爆炸”等因素引起的训练效果不佳的问题。

基于混沌粒子滤波的视频目标跟踪

针对复杂场景中目标受光照、自身形变、遮挡等影响,本文以混沌粒子滤波为框架,建立多特征似然模型,进行目标遮挡处理,提出了一种鲁棒性好且抗遮挡性强的混沌粒子滤波跟踪算法。本算法中利用混沌优化搜索优化粒子,很好的克服了退化现象,减少了计算量,在多特征似然模型建立中,对特征选择做了改进,使算法鲁棒性更好,并在算法中添加了遮挡处理。理论数据及实际场景的仿真结果表明,本文提出的算法鲁棒性好且具有较强的抗遮挡能力。

左心室超声心动图分割方法的研究

心血管疾病作为威胁人类健康的三大杀手之一。随着医疗设备的发展,借助医学图像进行心脏病医疗诊断也成为一个新的焦点。心室图像的分割是对心脏病进行医学诊断的前提条件,但由于传统分割方法精确度不高,稳定性不好,不能满足医学诊断的需要。本文通过阐述以往分割模型的优缺点,以Li模型为基础,给出一种引入先验能量函数的新模型,同时,引入多特征快速分割模型来提高分割效率。实验表明,新模型具有更好地精确度和稳定性,多特征模型也可以提高分割速度,二者可以很好地应用于左心室心动图像的分割研究中。