覆盖件模具拼接特征对球头刀铣削振动的影响

为了分析曲面拼接特征对振动的影响,建立了考虑拼接特征、曲面特征的未变形切屑厚度模型;基于曲面拼接区的未变形切屑厚度建立了考虑时滞变化的铣削动力学模型,通过数值计算综合分析了过拼接缝时冲击振动、刀具轴向位置角、拼接缝宽度对铣削振动的影响;最后基于淬硬钢曲面拼接铣削实验验证了考虑曲面拼接特征的铣削振动预测模型的准确性,并基于不同拼接特征下的铣削振动计算出了相应的加速度信号幅值和分形维数。研究结果表明:淬硬钢曲面拼接特征使铣削振动的非线性特征减弱,某一频段的振动能量集聚,据此情况可分析出不同拼接特征下的最佳加工工艺参数。

一种基于特征拼接、标签迁移及深度学习组合的专利价值评估方法

专利价值评估对打击非正常申请、净化市场环境具有重要的现实意义。本文以特征拼接、标签迁移及深度学习组合为中心构建专利价值评估方法,并基于2010—2020年广东省专利申请探究评估方法实际表现,引入多组对比模型进行实验分析。研究结果表明:①拼接著录事项信息,可构建出技术特征显现更强的专利研究对象,避免因指标类研究对象未足够体现专利技术本质而引发评估准确率不高的现象;②以专利法律视角量化出更具专利价值代表性的价值标签体系,在延展专利标签体系研究深度的同时,解决因引用率、下载访问量等传统标签与专利实际价值不匹配而造成的价值评估错误问题;③以高精细度词向量为构建原理,组建以BERT(bidirectional encoder representations from transformers)及LSTM(long short-term memory)为核心的专利价值评估模型,有效解决传统模型特征因提取能力不足而产生评估准确率偏低的弊端。本文从研究对象有效性、标签体系性及模型构建评估率三个方面提出优化改进策略,为专利价值评估提供了新工具,具有较强的实际应用价值。

基于双分支特征拼接的行人重识别

针对不同监控视觉的拍摄,行人重识别任务存在类内(同一行人)前后变化大被误判、类间(相似行人)模糊造成区分度低的问题,提出一种双分支特征拼接的行人重识别方法(Dual-branch Feature Concatenation Network,DFCNet)。该方法通过对网络的深度特征进行拼接,使特征信息互补,获得辨别性特征,并用批归一化层代替基础网络全局平均池化层后的全连接层,使用标签平滑交叉熵损失函数训练网络,解决类内变化大及类间模糊造成提取特征辨别性差的问题。为验证所建议方法的有效性,在Market1501、DukeMTMC-reID公开数据集上进行验证,其中在Market1501数据集上,Rank-1和mAP指标分别达到95.8%和94.3%。结果表明所建议方法在处理类内误判与类间难区分问题上具有良好性能,且识别精度优于对比的流行算法。

基于全局特征拼接的行人重识别算法研究

针对目前行人重识别出现网络模型复杂化、识别率低的问题,提出一种基于全局特征拼接的行人重识别算法。首先利用卷积神经网络(CNN)提取全局特征;然后把不同卷积层提取的特征进行拼接,使特征信息互补;最后将拼接后的特征再次进行卷积处理,获得高表征能力的特征。网络训练时,采用聚类损失函数和标签平滑损失函数联合训练,同时引入了随机擦除和减小池化步长的训练技巧。在Market1501、DukeMTMC-reID、CUHK03和MSMT17数据集上进行了实验验证,实验表明所提算法具有良好性能,其中在Market1501上,Rank-1、mAP分别达到了95.9%和94.6%。

多模板指纹的特征拼接

许多自动指纹识别系统在注册阶段对于每个用户存储同一手指的多个模板指纹,在认证阶段将输入的指纹和存储在模板库中的相应手指的多个模板指纹进行比对。提出了将多个模板指纹的特征进行拼接的方法,将多个模板指纹拼接成一个模板指纹。这样,在认证阶段可以减少和输入指纹进行比对的模板个数,加快了比对速度。同时,拼接而成的模板指纹比单个模板指纹的特征丰富,有利于提高识别的正确率。实验测试表明,方法能够提高系统的识别性能。

基于多尺度近端特征拼接网络的高光谱图像分类方法

针对基于传统卷积神经网络模型的高光谱图像分类算法细节表现力不强及网络结构过于复杂的问题,设计了一种基于多尺度近端特征拼接网络的高光谱图像分类方法。通过引入多尺度滤波器和空洞卷积,在保持模型轻量化的同时可以获取更丰富的空间−光谱判别特征,并提出利用卷积神经网络近端特征间的相互联系进一步增强细节表现力。在3个基准高光谱图像数据集上的实验结果表明,所提方法优于其他分类模型。

基于点云数据特征点拼接的建筑物三维重构

随着数字测图的迅速发展,三维激光扫描技术已经应用到更多的领域。文中以中国矿业大学(北京)某办公楼为研究对象,通过三维激光扫描技术获取建筑物点云数据,采用建筑物点云数据特征点拼接方法,运用RISCAN PRO软件和三维建模软件进行了办公楼的三维重构。分析表明:通过建筑物点云数据特征点拼接方法能够提高外业工作效率,拼接精度较高,符合建筑物建模要求。

线列阵功率谱特征恢复与拼接方法

针对跟踪目标的功率谱特征恢复和拼接问题,从克服基阵孔径变化而引起的各频点增益不一致的机理出发,提出了一种基于恒定束宽波束形成的波形恢复方法,实现了功率谱特征的高保真度恢复。利用仿真和海试数据验证了所提方法的有效性。

基于半监督目标检测的异常用能检测研究

研究有效学习含噪声标签数据集中异常用能行为特征的检测方法,对降低非技术性损失以保障电网经济与安全运行至关重要。针对异常用能检测问题,提出一种基于半监督目标检测的异常用能检测模型,该模型利用多通道特征拼接检测网络,提高了检测准确性,同时结合半监督学习方法,有效缓解了标签数据不足的问题,为异常用能检测提供了创新的技术路线。

基于互信息技术的舰船图像拼接研究

舰船图像拼接是舰船图像处理领域的关键技术,为了降低舰船图像拼接误差,使拼接后的舰船图像更加完整,提出了基于互信息技术的舰船图像拼接方法。首先对当前舰船图像拼接研究现状进行分析,找到各种舰船图像拼接方法的缺陷,然后采集舰船图像,提取舰船图像拼接特征,最后基于互信息技术描述2幅舰船图像的相关性,进行舰船图像配准和拼接,并进行了舰船图像拼接仿真实验。结果表明,本文方法可以得到比较完整的舰船图像拼接结果,降低了舰船图像拼接误差,舰船图像拼接速度要快于对比方法 2倍以上,提高了舰船图像拼接效率,验证了本文方法的优越性。

结合双深度学习特征的高光谱遥感图像分类

光谱信息和空间信息相结合在高光谱遥感图像分类领域是提高分类准确率的一种手段.因此提出了结合两种光谱-空间特征的分类方法:一种是使用保边松弛算法对图像进行保边去噪预处理,然后使用卷积神经网络提取光谱维的特征;另一种是先对预处理后的图像的光谱维降维,取像素的一定邻域大小形成的图像块,并使用另外一个卷积神经网络提取图像块的空间特征;然后将这两个提取的特征串行拼接,最后使用支持向量机进行分类.为了验证本文提出的方法的有效性,在两个常用的高光谱图像数据集进行分类实验,结果显示提取的两种特征光谱-空间特征结合后能有效提高图像分类准确率.

双通道多因素短期电力负荷预测模型

针对传统负荷预测模型气象因素影响考虑不充分,特征获取能力欠佳的问题,提出一种BiLSTM-Att+CNN-CBAM双通道多因素短期电力负荷预测模型。利用灰色关联分析获取气象因素;采用皮尔逊相关系数筛选特征属性;构建BiLSTM-Att与CNN-CBAM双通道,分别获取全局时序特征与局部特征;使用全连接层进行特征拼接,通过Dense层输出预测结果。实验结果表明,该模型具有更优的均方误差(MSE)、均方根误差(RMSE)和平均绝对误差(MAE)。

基于改进YOLOv5算法的果园水果检测

针对YOLOv5主干特征提取网络能力弱,特征融合能力差等问题,提出了一种改进的YOLOv5目标检测算法。提出了一种双主干特征提取网络,将特征提取网络分成主路和辅路两个支路,提升模型的特征提取能力。同时,修改YOLOv5中的C3模块,进一步提升C3模块的特征提取能力。在特征融合方面,提取一种新型的特征图拼接方式,取代了原有的特征图Concat方式,提升了模型的特融合能力。实验结果表明,改进后的YOLOv5算法,在自己收集的水果数据集上的mAP@0.5达到了85.0%,较改进前的YOLOv5(82.8%)提升了2.2%,且检测速度基本保持不变,能够快速准确地进行果园水果检测。同时进行了相关消融实验,进一步验证了所提出每个改进点的有效性。

基于深度语义解析与识别的电力实体链指技术研究

针对电力营销领域电力知识数据存在的多样性问题,提出了一种新的基于深度语义解析与识别的电力实体链指技术体系。其结构采用语义特征选择器的多层卷积特征拼接静脉识别方法,生成反映高级特征关键信息的语义加权图。同时以语义加权映射为选择器,筛选低层背景信息并保留细节信息,使筛选有更高效率的识别与压缩效果。该体系结构实现了完整的上下文约束,内存需求更少且搜索速度更快,错误率也较低,故能为大规模电力营销实体数据的构建提供实时解决方案。

基于健康因子的锂电池剩余寿命预测方法

分析了锂电池的容量衰退趋势,从锂电池的充放电过程参数中提取与容量高度相关的健康因子,构建了基于BP(Back Propagation)神经网络的锂电池剩余寿命预测模型。分别采用健康因子拼接和其他特征拼接作为预测输入,对试验结果进行评估,指出所提取的健康因子结合BP神经网络模型预测速度快、精度高,具有较好的应用价值。

跨尺度微小型零件的测量与装配

针对跨尺度微小型零件的精密装配中显微视觉视场狭小与零件的特征尺寸跨度较大相矛盾的问题,研究了跨尺度零件的位姿检测技术,基于高、低倍显微视觉单元研制了自动装配系统,系统采用模块化体系结构及先看后动的装配控制模式.提出局部特征拼接法实现了跨尺度零件的定位测量,使用标定尺对系统坐标系之间的误差角进行了标定,采用参考基准法辅助对显微视觉单元切换后的装配基准进行定位.设计测试模板对系统测量精度进行了验证,结果显示高倍显微视觉单元的同轴度测量精度优于1.5μm,平行度精度优于1μm.利用研制的装配系统进行了装配实验,实验结果表明,关键零件的装配精度满足工艺要求.该装配系统可稳定、可靠地完成跨尺度微小型零件的自动装配.

基于激光扫描数据的建筑工程质量评估

传统评估方法对于建筑工程质量的监测和评价，易受到外界因素的干扰，监测周期长、误差高，此外还存在监控点布设困难，数据处理形式单一等不足。提出基于激光扫描数据的建筑工程质量评估模型，首先分析了地面激光三维扫描的原理，并给出了基于激光扫描评估建筑工程质量技术路线图；然后对提取的激光点云集合进行预处理，完成特征点拼接和噪声去除；再对点云集合进行误差分析，实现对建筑物工程质量评估数学模型的构建。仿真数据表明，提出的建筑工程质量评估模型设计，监控精度高、误差低、评估结果最接近于理论值。

面向旷场实验视频分类的特征拼接矩阵学习方法

目的旷场实验(open field test,OFT)是行为学与药理实验分析中常用的实验方法。为了对比测试组和参考组被测小鼠的行为特征差异,通常需要耗费大量精力对旷场实验数据进行处理和观测。由于旷场实验数据量大且较依赖观测人员的主观判断,导致对小鼠行为差异观测的精度较低且缺乏量化评价指标。为此,本文提出一种基于卷积神经网络(convolutional neural networks,CNN)的旷场实验视频分类方法,可基于量化特征对两组小鼠的行为差异自动分类。方法从视频空域和时域中提取22维的小鼠运动行为特征,经过量化后生成特征矩阵,进而以矩阵拼接方式构造可学习的行为特征矩阵样本,利用不同结构卷积神经网络对提取的行为特征矩阵样本进行训练和分类,并分析网络结构对分类结果的影响,在实现两组小鼠分类的基础上,对不同维度小鼠行为特征对分类精度的重要性进行评价。结果在真实旷场实验数据集上的实验分析表明,本文算法的分类准确率为99.25%。此外,由实验结果分析发现小鼠的大角度转向频次、停留区域与时间对小鼠分类的重要性高于其他维度特征。结论提出的特征拼接矩阵学习方法能够准确识别两组小鼠旷场实验视频的差异,本文方法的分类准确率明显优于现有人工分析及经典机器学习方法。

基于深度残差收缩网络的辐射源个体识别方法

辐射源个体识别是电子对抗领域中的重要技术,通过识别设备间不同细微特征从而达到区分非法设备与合法设备的目的。针对辐射源个体间指纹特征差异细微且在噪声干扰下提取特征较少的问题,提出了一种基于深度残差收缩网络的辐射源个体识别方法。该方法首先将I/Q图特征数据进行拼接,利用数据增强技术进行样本扩充,进而构建了深度残差收缩网络识别模型,最后对构建的模型进行ADS-B辐射源个体识别训练并进行识别效果评估。仿真结果表明,本文构建的深度残差收缩网络通过消除数据噪声的优势,对数据增强后的20类ADS-B辐射源个体在0 dB的低信噪比条件下总体识别准确率达到98.2%,其性能较相同层数的Resnet网络提高了1.3%,并明显优于现有其他方法。

基于特征拼接的行人重识别

基于卷积神经网络算法对行人进行多特征提取,并使用拼接后的多特征对行人进行特征表征。使用全局池化和多个卷积构建多分支结构,利用多分支结构来弥补丢失的信息。为了减小过拟合,采用自行设计的瓶颈层代替模型中的分类层。实验时,分别在Market1501、CUHK03、DukeMTMC-Reid数据集上对本文所提算法进行验证。在Market1501数据集上,本文所提算法预测正确的概率(Rank1)为95.2%,平均预测均值(mAP)为86.0%。实验结果表明,本文所提算法提取的行人特征具有较强的辨别力,识别准确率明显高于其他先进的算法。