“模式识别与智能信息处理实践”课教改模式研究

本文以该实践课为综合性基础,分析了该实践课与相关课程的联系,指出了该实践课目前存在的不足,从教学团队建设和指导、教学计划安排、知识综合、实验设备配置以及该实践课教学网站建设等方面对该实践课教改模式进行了探讨。

百度飞桨平台在外国留学生人工智能与模式识别课程教学中的应用

针对目前外国留学生人工智能与模式识别课程教学中存在的问题,提出将百度飞桨和AI Studio平台引入教学中,阐述如何利用百度飞桨和AI Studio平台直观性、易用性等特点,有效解决外国留学生在学习中的诸多难题,最后通过成绩分析说明教学效果。

信息融合下的多模式城市火灾报警地址智能识别

在简要分析现有城市消防调度指挥系统中城市火灾报警地址自动识别方法及其局限性的基础上,针对实际存在的问题和工作发展需要,就基于移动通信报警和基于远程火灾监控系统联动的火灾地址识别等多种智能识别模式进行了探讨,提出了利用多模式智能识别所获取的报警地址信息进行快速自动识别与判断的多信息融合方法,以提高对火灾报警地址识别的准确性、稳健性和容错性,最后就该方法的基础研究工作方向进行了简单介绍。

基于进化算法的岩体参数智能识别

将遗传规划、遗传算法和数值分析技术相结合,借助于工程岩体的变形监测,进行了工程岩体参数的等效模式智能识别,借助于获得的等效岩体参数进行了工程问题正分析,并将计算位移与监测位移进行对比分析,显示出较好的一致性。由此表明,基于实测监测信息的等效模式智能识别方法可以用于岩土工程的参数反演,为复杂岩体参数的合理选择提供一条可选的途径。

人工智能融合模式识别的应用研究

自进入新世纪以来,关于人工智能的研究已经取得了巨大的突破,模式识别作为人工智能的一个十分重要的研究方面,对该领域的研究正变得越来越深入,尤其是其理论基础和研究范围也得到了进一步的拓展。本文先重点阐释了何为人工智能和模式识别,再对人工智能在模式识别方面的具体应用做了深入地探讨和分析。

天津大学“模式识别与智能系统”学科简介

天津大学“模式识别与智能系统”学科以信息处理与模式识别的理论技术为核心,理论与实际紧密结合,是控制科学与工程学科的重要分支。主要研究内容包括图像识别及智能信息处理系统及应用;导航中的信息处理理论与技术;网络控制系统调度算法;智能机器人系统理论与方法等方面。在导航中的信息处理理论与技术研究方面,主要研究以ARM微控制器为核心,采用新型MEMS器件,

智能型模式识别法在电网调度自动化中的应用

智能型模式识别法能够对调度人员的工作方式以及识别机制进行模拟,对电网调度自动化有着重要的意义。基于此,本文分析了智能型模式识别法的优势,并阐述了智能型模式识别法在电网调度自动化中的应用。

基于图像处理及降噪的局部放电图谱智能识别方法

局部放电检测是目前电力设备状态评价的主要手段,得到广泛应用推广。由于缺陷图谱的复杂性及现场干扰的多样性,传统的局部放电模式识别方法正确率低,且训练时间长。针对上述问题,文章提出了一种基于图像处理技术及数据深度稀疏降噪的电力设备局部放电图谱智能识别方法。首先,运用图像处理技术对检测得到的图谱进行预处理;然后利用深度稀疏降噪自编码器进行数据稀疏降噪;最后对得到的有效去噪的数学模型,利用极限学习机(ELM,Extreme Learning Machine)网络,实现对局部放电的智能分类和识别。利用在变电站现场实测数据对本方法进行验证,证明本方法对含有多样干扰的局部放电信号有更好的识别效果,能很好适用于目前的电力设备图像信息模式识别应用当中。

流域代表性污染物智能识别模型

识别流域代表性污染物是核算水环境容量进而科学管理和保护水资源的前提,通常以经验确定的方法,经常会导致判断失误。文章将对应因子分析与模糊C均值聚类分析方法耦合起来,建立了流域代表性污染智能识别模型,并针对模糊C均值聚类方法对初值敏感等优化问题具体特点,选择加速遗传算法进行了求解,实现了流域代表性污染物的智能快速识别;将该模型在某流域进行了应用,结果表明了模型的有效性。

基于图像识别技术的集团客户业务施工质检解决方案研究

当前运营商的集团客户业务施工质量检测主要采用人工检测的方式,该巡检方式存在人工巡检规程不统一、纸质巡检单易丢失、人工巡检效率低等痛点问题。为解决以上问题,对一种基于图像识别技术的集客业务施工质检的解决方案进行了研究。该方案将模式识别与智能系统技术与集团客户业务施工实际场景深度融合,并针对光缆分纤箱接地巡检的应用场景,采用线上化、智能化的巡检方式。有效地解决了当前人工巡检规程不统一、纸质巡检单易丢失、人工巡检作业效率低等核心问题,极大地提高了客户满意度和运营商品牌价值。

智能小车中图像采集和处理的研究和实现

以智能小车为载体,研究了在实时性需求较高的环境中图像采集和图像处理无法交互工作而带来的低效率问题,提出了一种利用图像采集间隙将图像识别同步到图像采集中以提高效率的方法;针对实时系统中图像采集时的噪声,反光等各种干扰,本文还讨论了赛道图像的滤波去噪方法,同时在固定阈值提取赛道中心线方法的基础上,研究了一种动态阈值法提取赛道中心线,进而给出可靠性高的赛道信息供给控制单元做下层调理。实验表明,该方法能够很好地应用于智能小车等实时性较高的图像采集和图像处理系统中。

混合CNN-HMM的人体动作识别方法

针对当前人体动作识别算法检测精度不佳和实验场景多样性的问题,提出了一种混合卷积神经网络−隐马尔可夫模型(CNN-HMM)的人体动作识别方法。建立了抬腿、深蹲和仰卧臀桥3组分别包含1个标准动作姿态和5个非标准动作姿态的人体康复训练动作模型库,结合可穿戴式惯性动作捕捉系统PN2.0获取实验数据。最后从准确率、灵敏度和特异性3个方面进行性能评估。实验结果表明,该方法能够以较高识别率将6种不同动作姿态区分开,其平均识别准确率为97.00%,相较于单一CNN方法提高了5.78%。

一种人脸识别的新方法

针对人脸识别过程中出现的无法有效区分多姿态人脸的问题,引入了离散余弦变换(DCT)和K-L变换来减小不同姿态所造成的影响,考虑到K-L变换可以对图象进行压缩,用K-L变换来降低图象数据的维数,并利用主成分分析的思想,只取一部分特征向量来表示数据。通过径向基(RBF)函数神经网络来达到识别不同人脸的目的。RBF网络的训练采用粒子群算法(PSO)。经实验证明,此方法可以达到较高的识别精度。

基于Android平台的身份证号码识别

日常生活中很多场合都需要对身份证进行检查,并需要人工输入身份证号码。而身份证号码位数偏多,人工输入难免会出错而且速度慢。本文针对此问题提出了一种有效的基于Android平台的身份证号码识别算法。该算法将基于Android操作系统的智能手机的视频流捕捉功能而获得的图片作为输入图像,经过图像预处理、身份证号码区域定位、字符分割等前期步骤,然后进行字符识别。除此以外,考虑了由人工操作的随意性而带来的特殊情况,并对此作出相应的处理,提出了进一步改进的,更有效的识别算法。实验结果表明,本文的整个身份证号码识别的处理流程简单有效且识别率高,获得了满意的效果。

基于人工智能的配电室设备自动巡检系统的研究

设计一种基于人工智能的配电室自动巡检系统,实现了巡检机器人自动控制和预防配电室发生危险事故的功能,为用户带来了巡检便利和安全保障。

一种基于联合组核稀疏编码的多模态材料感知与识别方法

传统的机器视觉方法往往难以区分具有高度相似外表的材料,因此,通过融合其他模态信息来克服视觉模态的缺陷十分必要。为解决这一问题,首先,根据各个模态的性质引入一系列合适的相似度评估方法;其次提出使用联合组核稀疏编码方法来融合线性不可分的多模态数据,并且详细介绍一种该模型的求解方法;最后,在包含184个材料的公开数据集上进行多层次对比试验。实验结果表明,在粗、中、细3个不同分类级别的对比实验中,其识别准确率分别为90.8%、76.6%和73.4%,相对于基于视觉模态的识别方法,基于多模态融合的材料识别方法能够显著提高识别效果。

基于云计算和视频智能分析的变电站视频及环境监控系统升级方案设计

为了实现电网信息管理一体化、智能化,需要升级现有的变电站视频及环境监控系统,以实现统一的视频智能分析平台服务。升级方案在现有的主站系统中增加云计算服务器及新设计的云计算服务软件,为电力相关信息系统及电力各专业管控平台提供所需视频和环境监控信息服务支持;在站端视频及环境信息处理单元上增加新设计的智能视频分析软硬件模块,以增加物体移动侦测识别、进出车辆牌照识别、人脸及行为识别、火灾烟雾图像识别等视频智能分析功能。本系统目前尚在内部试验阶段,推广使用后能够实现变电站视频和环境的集中综合智能分析管理,帮助电网管理者及时发现各种电力设备缺陷,大幅度降低电网安全风险。

基于GA-BP神经网络的故障识别研究

提出了基于遗传算法的BP神经网络的异步电机识别诊断模型。针对以往神经网络的阈值和权值由随机赋予,隐层节点数靠经验确定的问题进行优化,加强模型的准确性。针对故障的识别诊断部分,利用变频器采集电机工作数据,并传输给计算机利用Matlab诊断故障。使用归一化后的数据作为输入特征值,能够有效减少网络训练时间。神经网络的阈值和权值的确定有依据后,能大大降低故障识别的误报率和错报率。实验结果表明,遗传算法确实对神经网络优化确实可行,异步电机的故障识别模型有效。

基于ISSA-LSTM的储麦长期品质预测

为了解决非时序预测模型无法预测储麦品质时序劣变趋势,以及现有数据驱动的时序预测模型在长期储麦品质预测中因样本不足导致长期预测精度不高的问题,提出一种基于改进麻雀搜索算法(ISSA)优化长短时记忆网络(LSTM)的长期储麦品质预测模型。首先,提出了一种统计均匀分布方法,利用小麦稳定劣化的生理知识对原始数据进行增强扩容。其次,利用麻雀搜索算法(SSA)对LSTM模型进行优化,克服局部极值点,提高收敛速度。最后,引入t分布函数对SSA位置更新过程进行扰动避免局部最优。结果表明,储麦品质参数中的吸水率、咀嚼度、脂肪酸值和峰值黏度与储藏时间的Spearman相关性较为显著,相关系数均高于0.9,ISSA-LSTM模型预测精度相比于BP、LSTM、SSA-LSTM预测模型分别提高了11.83%、16.98%、26.50%,有助于提高小麦品质预测及分析的准确性。