融合字符及字符排列特征的铭牌识别方法

传统铭牌字符识别主要通过计算铭牌字符图片的灰度平均值来判定,由于铭牌字符具有笔画方向特征、轮廓特征,同时字符之间存在着一定的排列特征。提出融合字符及字符排列特征的铭牌识别方法,首先对铭牌字符图片分别进行横、竖、撇三个方向上的小波变换,求出三个方向上的小波平均能量,再提取出字符的边缘方向直方图,以小波平均能量和边缘方向直方图构成特征向量,用支持向量机分类器训练并构建候选字符识别模型,得到候选字符,然后利用铭牌字符排列特点和铭牌的样本数据训练构建N阶马尔科夫字符排列模型,借助于模型对候选字符进行约束获得铭牌识别结果,最后对电力设备铭牌进行识别实验。结果表明,提出的方法表现了很好的效果,比OCR软件识别的准确率提高了12.6%。

商周甲骨文献中文字排列的特征及其成因

从现存的商周甲骨文献来看 ,我国早期文字记录的排列特征是以右为首 ,竖行刻写。这样一种传统记录格式是当时人类社会生产、思想观念和文化发展等共同起作用的产物 ,是中华民族追求务实、追求科学、追求文明的反映 ,它对后世的汉字记录方式的发展影响深远。

全距特征排列及全距置换

全距置换具有良好的密码学性质。该文首次提出了全距特征排列的概念,对全距特征排列的性质、计数进行了研究,并在此基础上讨论了全距置换与全距特征排列之间的映射关系、最后基于全距特征排列给出了全距置换的一种有效的构造方法,首先构造全距特征排列,再求出全距置换。

基于特征排列和空间激活的显著物体检测方法

显著物体检测目前在计算机视觉领域中非常重要,如何处理不同尺度的特征信息成为能否获得优秀预测结果的关键。该文有两个主要贡献,一是提出一种用于显著目标检测的特征排列方法,基于自编码结构的卷积神经网络模型,利用尺度表征的概念将特征图进行分组和重排列,以获得一个更加泛化的显著目标检测模型和更加准确的显著目标预测结果;二是在输出部分利用了双重卷积残差和FReLU激活函数,抓取更全面的像素信息,完成空间信息上的激活。利用两种算法的特点融合作用于模型的学习训练。实验结果表明,将该文算法与主流的显著目标检测算法进行比较,在所有评测指标上都达到了最优的效果。

基于声-振联合特征分析的配电变压器运行状态辨识方法研究

高速铁路供电箱式变电站长期工作在高温潮湿环境,针对箱变内部变压器等关键设备运行安全问题,提出一种利用声波和振动信号联合特征进行变压器运行状态辨识方法。首先,通过非侵入式传感器获取伴随配电变压器运行的声波和振动信号,再经过滤波消噪处理声波信号提取其时频谱图纹理特征,并与振动信号变模态分解后的排列熵联合形成联合特征向量;通过概率分布特征构造最优分类超平面,由支持向量机分类算法实现联合特征向量的变压器典型状态的辨识。实验证明,声振联合特征分析方法对变压器正常、轻载、重载和三相不平衡等各运行状态下判别准确率均达96%以上。通过对辨识发现的变压器异常工况进行预警,及时实施设备状态检修可大大提高铁路供电可靠性。

利用暗记特征对HP系列彩色激光打印文件鉴别的研究

对激光打印文件的鉴别,尤其是彩色激光打印文件的鉴别,历来是可疑文件检验领域的难点和重点。利用暗记特征则为此类文件的鉴别提供了一种有效方法,即采用光学检验方法,对激光彩色打印文件暗记进行显现,利用暗记点阵形态特征和点阵排列含义特征等,为彩色激光打印机具的种类鉴别和个体鉴别提供了有效的鉴别依据。

预测金属有机骨架甲烷和氢气输送能力的迁移学习建模

基于深度神经网络(DNN)和迁移学习(TL),使用少量数据建立TL模型,精准预测了金属有机骨架(MOFs)的甲烷和氢气输送性能.首先,使用8414个MOFs在298 K/65 bar~298 K/5.8 bar(1 bar=0.1 MPa)条件下的甲烷输送数据训练一个决定系数(R^(2))为0.973的DNN[源任务(ST)模型].随后,将ST模型的部分参数冻结,使用100个MOFs在233 K/65 bar~358 K/5.8 bar条件下的甲烷输送数据和100个MOFs在198 K/100 bar~298 K/5 bar条件下的氢气输送数据分别微调ST模型,进行TL建模.结果表明,两个TL模型的R2分别为0.968和0.945,均高于其它5个传统的ML模型.所开发的TL模型在预测小数据集时具有高精度与高稳定性.最后,使用排列特征重要度方法来计算描述符重要度,明确了模型之间的“知识”共享情况,并在此基础上探讨了重要描述符和输送能力之间的关系.

加入特征空间信息的视觉SLAM闭环检测改进方法

针对移动机器人同步定位与地图构建(SLAM)的闭环检测问题,提出改进闭环检测准确率的特征空间全排列向量匹配方法。使用ORB(Oriented FAST and Rotated BRIEF)方法提取图像特征点,创建基于视觉字典树的词袋,初步筛选出候选闭环图像。将图像分成4块大小均匀的区域,计算各区域视觉单词向量并全排列,作为特征空间信息。比较特征空间信息方法和词袋方法计算出的图像间距离值,选取最小值对应的图像对作为最佳闭环。相比词袋方法,特征空间信息方法可有效地改善图像特征匹配的感知混淆问题,在保证较高效率的同时,提高了闭环检测的准确率。

土结构性的研究方法及现状

介绍了土结构性的概念和土结构性研究的意义 .回顾了土结构性研究的历史 .对土结构性的定量化研究方法进行了分类 .在分析国内外研究现状的基础上 。

SVM在车牌字符识别中的应用

采用支持向量机方法实现车牌字符识别。根据车牌字符排列特征,构造了汉字、数字、字母、数字+字母4个最佳分类器,通过车牌字符的序号对每个字符进行对应识别,再将识别结果组合得到车牌号码。实验结果表明该方法具有较高的车牌字符整体识别率,达到了98.33%,识别时间仅为15ms,能够满足实际应用。

基于CIDAS数据与可解释模型的行人交通事故风险识别

行人道路交通事故是一种常见的交通事故,为了构建有效的行人交通安全防治体系,论文使用中国事故深度调查(CIDAS)数据集进行分析研究。采用多次重复的K折交叉验证评估,并确认随机森林模型在该数据集上具有统计学功效后,利用基于排列的特征重要性算法对影响行人交通事故的特征进行了量化分析。随后对重要事故特征的数据进行统计,并使用卡方检验确定随机性的影响。研究表明,事故参与人员数、行人年龄段、事故发生时间与道路最高允许车速是影响行人交通事故后果的最重要特征。整体趋势表明事故参与人员数越多,事故后果越严重;对于13岁及以上的人群,行人年龄越大发生事故的后果也更严重;在凌晨0:00-4:00发生的事故中,事故的严重程度明显高于其他时间段;在限速为80 km/h及以上的道路上发生事故的后果更严重。

整流变压器油总烃含量超标原因分析及故障处理

针对电解整流变压器油中总烃含量严重超标问题,根据变压器油色谱分析数据,进行三比值法和特征气体排列图分析变压器内部故障,经过改造处理,消除了部分故障点,降低了油中产气速率,使变压器能安全可靠运行。

巧记历史年代

巧记历史年代１．公元前后年代的对比记忆。如，公元前２２１年，秦国建立；２２１年，蜀国建立。公元前４７６年，中国奴隶社会结束；４７６年，西欧进入封建社会。２．抓时间间隔规律的记忆。近代史上大规模的战争差不多隔１０年一次：中法战争在１８８３年至１８８５年...

一起整流变压器油色谱气体异常的分析与故障检查

通过对一起整流变压器油色谱气体异常进行分析,介绍了分析方法及故障类型判断方法,积累了一定的经验,对变压器油色谱分析有一定的借鉴作用.