基于自适应多特征融合算法的变压器绕组故障诊断方法

提出了一种自适应多特征融合算法,通过多轮迭代自适应地获得对应不同特征支持向量机(SVM)的权值矩阵,并使用该权值矩阵将不同特征SVM的故障类型预测值进行融合,从而提高变压器绕组故障类型识别准确率。

结合多特征融合算法的人数统计与分析系统

为了实现高准确率的实时人数统计,设计了嵌入式片上系统平台。该系统采用交叉编译的方式,对人体目标进行实时检测与跟踪,实现了对指定区域内的人数统计与分析。本系统利用了AdaBoost分类器对图像/视频中目标进行人脸识别,基于Haar特征提取进行目标跟踪。提出结合多特征融合算法以及人脸识别参数自适应算法,在Xilinx公司的Zynq-7000开发板上实现了目标实时性和快速性的统计与分析。结果表明:该系统充分节省了嵌入式平台的资源,简化了整个系统的开发流程,并提高了系统的兼容性和可移植性。结合多特征的融合算法使人数统计的准确率高达97%以上。该系统具有安装位置灵活,实时性好、准确率高、稳定性好等特点。

我国人工智能政策新词发现与演化研究——一个多特征融合的算法

[目的/意义]作为中文分词的基础研究,新词发现是研究政策创新和扩散的重要技术方法。本文通过改进新词发现算法优化了政策文本分词不准确的问题,并构建词库以支持人工智能政策的演化研究。[方法/过程]提出多特征融合新词发现算法MFF,实现了对人工智能政策新词的挖掘,从新词角度对人工智能政策的创新、延续和扩散进行演化分析。[结果/结论]实验结果证明,本文提出的多特征融合新词发现算法MFF能够有效提升分词效果,丰富领域词库;人工智能政策新词出现的时序变化反映了不同阶段政策关注的重点发展领域,揭示了中央和地方政府在政策创新、延续、扩散和演化方面的特点。

基于深度卷积神经网络的肺结节检测与识别

应用卷积神经网络将肺结节从含有背景、噪声的胸腔区域里检测并识别出来.首先,对图像进行预处理,获得肺实质图像.然后,应用Faster R-CNN多特征融合算法检测肺结节候选区域,再利用多角度特征融合方法滤除假阳性结节.接着,通过数据增强法、残差学习法、优化初始参数等对卷积神经网络的性能进行优化.最后,应用迁移学习方法对数据集进行训练,得出最终的检测结果.抽取LIDC数据集中含有肺结节图像数据,检测并识别肺结节的准确率达到98.1%.实验结果表明,该算法优于其他3类算法,实现了肺结节的精确检测和识别,在保证检测和识别出正确结节的前提下,降低了过拟合率及训练时间,提高了算法效率,研究成果为早期肺癌的诊断提供参考依据.