基于深层自适应平衡自编码机的手写数字分类

针对深层自动编码机(DAE)内部协变量迁移问题,提出一种深层自适应平衡自动编码机(DSBAE),用于手写数字的分类(HDC)。重点研究了自适应平衡层对内部协变量迁移的纠正方法,构建了DSBAE网络的分类模型,根据平衡网络参数体系原理,制定了自适应参数更新策略。实验在MNIST,USPS以及PENDIGITS三个公开手写数据集上对DSBAE以及深度学习中其他分类算法进行比较,证明DSBAE能有效解决深层网络的内部协变量迁移问题,并在手写数字分类准确率上占有明显优势。

一种用于手写体数字分类的可编程Hamming神经网络特征提取器

根据 Hamming神经网络的工作原理提出了一种可用于手写体数字识别的结构简单灵活的电流型可编程局部结构特征提取电路 .该特征提取器的模板不仅是可编程的 ,可根据不同的需要来随时更改模板的内容以适应不同的情况 ,而且其特征合并的方式也是可配置的 ,可根据不同的需要把所需的特征合并成不同的特征类别 .对于该可编程特征的电路模拟以及用单层多晶、双层金属的 1 .2μm数字 CMOS工艺所制作的实验芯片的测试表明 ,该电路能很好地完成特征提取的功能 .

基于卷积神经网络的数字分类器的研究与优化

数字识别在邮政编码、车牌数字检测识别等场景有着广泛的应用。以Lenet-5卷积神经网络为基础,研究卷积计算量过大和预测速度慢的问题。对不同的卷积层(首层、中间层、尾层)和网络结构进行了改进和优化,采用不同组合的方案使卷积核连接数减少一定的数量,进行仿真实验。实验结果表明,保证在同一准确率的前提下,综合考虑迭代次数和预测时延,在C3层(中间层)做优化最为合适,总结出的规律和方法也可对复杂卷积神经网络优化提供参考,满足实时性要求高、大数据量的应用场景。

基于矩阵SVD的手写数字分类及其特征区域的SVD优化

本文提出了三种利用矩阵的SVD分解来实现手写数字分类的方法。第一种方法基于矩阵的svd分解,将每一个数字用一个一维向量表示而对某一类的数字组成的矩阵进行奇异值分解(SVD);第二种方法是对特征区域的SVD优化,是对第一种方法的基础上进行的改进;两种方法最终的分类实现都是运用相应的最小二乘问题的方法求解。采用USPS的手写数字数据库进行训练和测试,并对两种方法的结果进行了简要对比。

采用较高序列单值分解的手写体数字分类方法

本文基于较高序列单值分解（HOSVD）的手写体数字分类，提出了两种算法。采用HOSVD的第一种算法针对类别模型的结构，得到的分类结果其差错率小于6％；采用HOSVD的第二种算法针对两种模式中几乎同时存在的张量近似，第二种算法的分类结果甚至低于5％。在以前的类别模型结构中，原始训练数据超过98％。在试验阶段，两种算法通过解决一组最小矩形的问题，在实际分类中进行处理。试验采用的第二种算法其计算量是第一种算法的两倍：

基础护理学教学中的数字分类记忆法

基础护理学教学中的数字分类记忆法广东省连州卫校（５１３４００）谢丽明黄国英基础护理学是护理专业的启蒙课，是临床护理学的基础。笔者在教学中感到，有关基础护理学的数字纷繁复杂、难辨难记、易于混淆，学生在实际运用和考试时也常出现张冠李戴现象。为此，笔者总结...

农村基层治理数字化分类处理研究

以数字化技术为驱动,提出了一种农村基层事务数字化分类处理模型,旨在改进农村基层治理方式,避免数字利维坦陷阱。通过K-means聚类算法对基层治理事务进行分类,明确各类事务的数字化建设程度和方向,有助于精确提供政策决策咨询,有效控制经济成本和人才资源,更好地引导乡村治理的现代化,提高治理效能,为乡村振兴战略提供有力支持。

基于BP神经网络的数字图像分类系统研究

BP神经网络作为一种经典的人工神经网络模型,在数字图像分类中具有广泛的应用潜力。其具备较强的学习能力和适应性,能够通过训练样本学习到图像的显著特征和类别之间的关系。然而,BP神经网络在实际应用中仍存在一些问题,如训练时间长、易陷入局部最优等。因此,旨在研究基于BP神经网络开展数字图像分类系统,探索如何利用BP神经网络实现数字图像的自动分类和识别。通过改进和优化网络结构、训练策略和特征选择方法,以提高系统的分类性能和鲁棒性。

综合性医院数字化档案信息自动分类方法研究

针对数字化医疗档案数目急剧增多,不同类型的档案信息分类变成棘手问题,为此提出基于离散核支持向量机的数字化档案信息自动分类方法。通过向量空间模型将档案文档扩展为向量空间点,将信息特征矢量与词条矢量间的夹角作为数据库与医院数字化信息的关联性,降均频与规范化处理特征词条权值评估函数,保留权值高的词条,完成数字化档案信息采集;借助梯度下降原则获得连续学习规律,运用近似法明确数据间的距离值,得到清洗后的数据大小。实验结果表明,该方法拥有极佳的分类精度,有效缩短分类所耗时长,为综合性医院数字化档案收集与管理提供借鉴。

基于深度学习的数字音乐流派分类研究

针对目前基于深度学习的数字音乐流派分类算法准确性较低的问题,提出了一种基于ECAPA-TDNN的ECAPA-TDNN-BLSTM模型。该模型将双向LSTM网络融合到ECAPA-TDNN模型中,以获取更多关于时间上下文的信息,从而提高模型的准确性。本文使用包含十种音乐流派的1000首歌曲的数据集进行了测试,并在测试集中获得了良好的结果。经过1000个epoch的训练,最后50个epoch的平均准确率为96.07%,证明该模型的有效性。结果表明,与现有模型相比,本文提出的模型对音乐流派的分类识别准确率有一定的提升。

唇腭裂五码数字分类临床评价的初步研究

目的探讨临床评价唇腭裂五码数字分类的实用性。方法选择经过两课时唇腭裂五码数字分类培训的14名年轻医师，对200例未经治疗的唇腭裂患者照片进行分类诊断。诊断标准：以唇龈沟和切牙乳头（切牙孔）为标志将裂隙可能涉及的部位依次分为以下解剖部位：右（左）上唇、右（左）上颌牙槽突及原发腭、继发腭。每个解剖部位的裂隙程度分5个级别：0级：无裂隙；1级：隐裂；2级：裂隙〈1／2解剖部位；3级：裂隙〉1／2解剖部位；4级：完全性裂。以指导教师的诊断编码为依据，统计14名年轻医师的诊断总体符合率、各解剖部位裂隙程度诊断符合率，并统计裂隙部位类型。结果诊断总体符合率88％（2475／2800）。按裂隙部位及裂隙程度，4级唇裂和4级牙槽突裂诊断符合率较高，为99％（707／714）和100％（546／546），而2、3级的牙槽裂诊断符合率为70％（98／140）和82％（103／126）。在五码数字分类的17种裂隙部位类型中，本组病例中出现了14种类型。结论唇腭裂五码数字分类简明易懂，但当裂隙延伸至分级界线时可能出现判断偏差，需要进一步培训或优化裂隙程度分级。

基于AT89C51的建筑场地数字化分类仪的设计

该文以AT89C51单片机为控制核心,以OCM12864-3液晶模块为人机界面,阐述了建筑场地数字化分类仪的硬件系统原理,设计了其硬件系统。通过分析仪表功能需求,采用模块化的编程思想,介绍了基于C51语言的软件系统。给出了其在建筑场地抗震分析设计中的工程应用实例,实现了对建筑场地更精确的连续化分类结果。为工程抗震设计中客观地确定场地土类别及合理采取抗震等级奠定了基础。

基于生丝清洁标准样照的疵点数字分类评分方法

目前生丝清洁疵点的检验仍采用人工目测法,易受主观因素的影响。为了使检验结果更加准确客观,在获取生丝黑板清洁疵点标准样照扫描图像的基础上,通过图像处理、提取特征值、根据特征值进行分步判断等步骤,构建了清洁疵点的数字分类方法。首先,对图像进行疵点分块、水平校正、断点连接和去噪的图像处理操作,为特征值的提取做好准备;然后,在所得二值图像的基础上分别提取了区域特征值和距离特征值;最后,构建了基于这两组特征值的数字分类方法。运用本方法对与标准样照尺寸相同的生丝样品进行相同的图像处理与特征值提取,并根据分类方法进行分类。结果表明,此种分类方法得到的疵点分类判定与人工检测结果具有很好的吻合性,说明其具有适用性。

基于LBP与LSSVM的数字图像分类算法

针对数字图像的高精度分类问题,提出了一种新型数字图像分类算法。在该算法中,局部二值模式(Local Binary Patterns,LBP)算子被用于数字图像的LBP图构建LBP图的直方图被用于构建图像样本的特征向量;大量样本的特征向量构建的训练数据集被送入最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)进行最优分类模型的构建。在测试数据集的分类测试中,对本文所提出算法与传统支持向量机算法、极限学习机算法和Hopfield神经网络方法进行了比较,在宏查准率、宏查全率和分类时间几个典型性能指标的测试方面,本文所提出的LBP-LSSVM算法均表现出了优异的性能。

眼战伤数字化分类的研究

目的:为在现代高技术战争中对眼战伤做到迅速、准确的诊断和救治,研究和制定统一的眼战伤数字化分类标准。方法:用科学的战伤分类标准,在总结战时眼伤材料的基础上,依据收容分类、后送分类和救治分类的需求,伤情、伤因、伤势和致伤部位,以及救治、后送等进行数字化分类研究。结果:通过数字化处理,将眼战伤分为眼附属器损伤和眼球损伤、眼眶损伤3大类,按眼战伤的伤势分为轻伤、中度伤和重伤,救治措施分为紧急非手术、紧急手术和专科非手术、专科手术等。结论:通过数字化分类,使眼战伤的救治、分类及后送等卫勤保障更科学、快捷,以减少眼战伤的致残率。

数字化分类法之意义

文章论述了编制数字化分类法并做为我国信息组织分类的标准 ,对我国数字图书馆的建设 ,规范信息资源的组织管理 ,扩大因特网上中文信息资源的开发和利用 ,提高中华民族地位的重要意义 。

林业昆虫数字化分类的应用现状与展望

文中首先介绍了昆虫数字化分类常用的2种方法:数学形态测量学和几何形态测量学,其中数学形态测量学主要利用22项形态特征参数进行昆虫的数字化分类,而几何形态测量学主要利用标记点坐标信息进行分类研究;然后进一步阐述了国内外林业昆虫数字化分类的应用现状;最后,对林业昆虫数字化分类进行了讨论与展望,以推动林业昆虫数字化分类方法被广大学者所了解。相信随着信息技术的逐步发展,林业昆虫的数字化分类将会得到更广泛的应用。

回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法

针对非均匀杂波环境下,低空风切变风速估计不准的问题,该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法。该方法首先利用样本回波功率对训练样本进行初选,然后利用DLCD计算各样本间的相似度,并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵,最后利用广义相邻多波束(GMB)-局域联合处理(JDL)的方法实现低空风切变风速的有效估计。

数字图书馆分类法新论

以标签为形式的大众分类法的出现,使数字图书馆的分类方式出现了新的形式。但在学术分类上,大众分类法并不能完全胜任,或者说在数字图书馆建设中,大众分类法还是一个不稳定的选项。本文通过将大众分类法与分面组配分类法结合,进行了"以标签为形式的多维度数字图书馆分类法"的创新研究,并对新分类法的形式与分类方法进行了探讨。

中国民族民间舞蹈音乐数字化分类的可行性探析

在中国民族民间舞蹈音乐分类研究的基础上,利用数字化技术建立中国民族民间舞蹈音乐素材数据库,是可行的。这种数字化的应用技术不仅将结束传统民族民间舞蹈音乐衔接的各种弊病,还可以为舞蹈教学中查阅、选择、制作音乐舞蹈提供快捷而众多的资源。