基层人民银行流通纪念币(钞)真伪识别工作需加强

近年来,各种题材品种繁多的纪念币陆续发行,发行量也随之加大,钱币收藏市场行情持续升温,基层人民银行经常会有民众前来要求鉴定流通纪念币（钞）,但由于基层人民银行没有专职的鉴定人员,鉴定标准不明确,缺乏鉴定工具,因此难以开展鉴定工作,也无法对银行业金融机构进行鉴定流通纪念币（钞）的培训和指导。

新中国民族识别工作的重要意义

新中国成立后，为了全面贯彻实行民族平等政策，从1953年起，国家组织了大规模的民族识别考察工作，辨别民族成分和民族名称。识别考察从中国的历史和现实情况出发，按照科学认定与本民族意愿相结合的原则，只要具有构成单一民族条件的，不管其社会发展水平如何，不论其居住区域大小和人口多少，都认定为一个民族。到1954年，我国政府确认了38个民族；

广西人力资源和社会保障厅精准扶贫识别工作队奔赴扶贫一线

本刊讯(记者梁欢)10月21日,广西壮族自治区人力资源和社会保障厅精准扶贫识别工作队奔赴对口扶贫联系点马山县,开展精准扶贫识别工作,他们将深入村屯逐户进行详细评分,摸清底细确保符合标准的贫困人口一户不漏,实现对扶贫对象的精准扶贫。自治区人力资源社会保障厅厅长、党组书记、自治区党委组织部副部长(兼)李宁波作动员讲话。自治区人力资源社会保障厅副巡视员童俊带队赴马山县开展扶贫和调研工作。

回望燃情岁月——新中国的民族识别工作

新中国成立初开始的民族识别工作是贯彻党的民族政策的一项庞大的社会工程，也是中国民族学发展的黄金时代。

李宁波带队赴马山县调研指导精准扶贫识别工作

本刊讯(记者梁欢)11月26日,广西壮族自治区人力资源和社会保障厅厅长、党组书记,自治区党委组织部副部长(兼)李宁波带队赴厅扶贫工作点马山县调研指导精准扶贫识别工作。自治区人力资源和社会保障厅副巡视员童俊等领导陪同调研。"你家里有几口人?""全年收入有多少?""有孩子在外读书吗?"26日上午,调研组一行深入林圩镇合理村兑良屯、伏兴村兑覃屯、古零镇里民村新里屯、羊山村新村屯村民家中,详细了解村民的生产、生活情况,并对精准识别前一阶段的入户调查评分登记结果进行核查。

西宁市人民政府办公厅关于进一步做好城镇低收入家庭精准识别工作的通知

宁政办[2016]62号各县、区人民政府:为建立健全城镇贫困和困难群体精准帮扶动态管理机制,根据市委、市政府工作安排,对全市城镇低收入人口在之前摸排的基础上再次进行核实、调整,确保帮扶对象数据准确,信息真实、可靠,确保扶贫帮困工作公开、公平、公正,现就有关事项和要求通知如下:一、识别原则以县区为单位,按照规模控制、分级管理、精准识别、动态管理的原则,各乡镇(街道)。

基于Yolopose的挖掘机检测与工作状态识别

针对光缆、高压油气管道等地下基础设施周边容易受到挖掘机的野蛮入侵问题.本文提出了一种结合Yolopose和多层感知机的挖掘机检测与工作状态判别方法.首先,设计了基于Yolopose的挖掘机6点姿势的提取网络Yolopose-ex;其次,利用Yolopose-ex模型提取视频中挖掘机工作姿态的变化信息,构建了挖掘机的工作状态特征向量(MSV);最后,利用深度学习算法多层感知机(multilayer perceptron,MLP)分析了视频中的挖掘机的工作状态.实验结果表明,所提出的方法克服了复杂背景难以识别的问题,对挖掘机工作状态识别准确率达到了96.6%,具有较高的推理速度和泛化能力.

基于熵值图的多功能雷达工作模式识别

针对多功能雷达工作模式多样且信号波形复杂多变,导致常规工作模式识别方法性能不佳的问题,提出基于小波变换的多功能雷达工作状态切换点检测方法,将雷达脉冲序列进行分割,得到单一工作模式脉冲序列样本。其次,基于近似熵、样本熵、模糊熵和排列熵设计了新的熵值图特征,并结合卷积深度神经网络模型,实现了多功能雷达工作模式的智能识别。仿真结果表明,该算法在虚假脉冲率或漏脉冲率为25%时,切换点检测正确率达85%;工作模式识别正确率在虚假脉冲率、漏脉冲率为20%和参数误差为8%时,识别正确率均在83%以上,识别性能皆优于两种对比文献方法,验证了该算法的有效性和优越性。

基于CNN和D-S证据理论的多站协同多功能雷达工作模式识别方法

传统的多功能雷达工作模式识别方法主要利用单一电子侦察设备侦收的脉冲数据完成特征提取,其模型或算法的泛化能力不强。因此,提出基于卷积神经网络(Convolutional Neural Network,CNN)和D-S(Dempster-Shafer)证据理论的多站协同多功能雷达工作模式识别方法。首先,利用轻量级CNN模型对不同方位、不同俯仰下侦察截获分选的脉冲幅度/波形单元数据进行自适应特征提取。其次,利用多站协同侦察系统通过D-S证据理论融合多站协同下不同侦察站点的Softmax分类器的分类结果,实现在差侦察条件下对不同空间方向上的多功能雷达工作模式快速准确识别。仿真验证结果表明,该方法相比于单侦察站条件下具有更好的识别性能。

融合改进FPN和注意力机制的规范穿戴工作服识别方法

针对基于深度学习的规范穿戴工作服识别方法受图像拍摄角度及视线遮盖的影响较大,存在对小目标和低质量图像目标的识别精度低的问题,提出了一种融合改进特征图金字塔网络和注意力机制的识别算法。通过采用多层特征融合的方法来增强特征信息,实现对小目标更加精准的识别,解决检测结果中小目标识别精度低的问题;通过在模型中加入注意力模块来降低背景部分权重、提高目标部分权重,从而提高模型对低质量图像的识别精度。对比实验结果表明,所提出模型的平均精度均值达到了94.5%,比Faster R-CNN模型提升了18.3%。消融实验结果表明,所提模型各模块对检测性能的提高均有效果。

基于眼动特征的高速铁路调度员工作状态识别干预方法研究

针对高速铁路行车调度员疲劳与工作状态预警干预中工作状态的分类识别问题,提出一种基于眼动特征的高速铁路行车调度员工作状态的分类识别方法。实验人员在阶段计划内调度作业仿真实验中采集眼动数据,以预设实验任务作为工作状态的客观分类标准,并作为影响因素研究眼睛动态特征指标的分布规律。通过判别分析建立典型判别函数对调度员作业状态进行预后判别,并提出考虑错判损失的判别阈值修正方法。结合调度工作特点建立工作状态干预时间判定机制。结果表明,监控任务中调度员表现出警惕性降低的指征,判别分析方法能够有效地识别调度员工作状态,平均正确识别率为81.3%。在修正判别阈值并考虑错判概率的基础上,工作状态干预时间的判定机制有效地避免了错误干预。

基于邻域保留投影的工作模态参数识别

针对拉普拉斯特征映射和等距离映射算法识别弱非线性特征模态精度低的缺点,提出一种利用邻域保留投影算法的工作模态参数识别方法。该方法利用局部线性特征寻找结构位移响应数据的低维嵌入数据,低维嵌入数据与模态坐标响应矩阵相对应;利用单自由度识别技术从模态响应矩阵中识别出结构的模态固有频率;再用最小二乘广义逆估计变换矩阵,变换矩阵与模态振型矩阵相对应。该方法能够保留数据的局部线性特征,从而识别弱非线性模态。通过三维圆柱壳仿真数据集的识别结果表明,相比拉普拉斯特征映射和等距离映射算法,邻域保留投影算法能够更有效地识别出弱非线性特征模态的参数,平均识别精度更高。

基于SOM聚类平滑图信号生成的MFR工作模式识别方法

针对无人机集群截获的信号样本难以直接融合分析,以及训练样本较少且工作模式样本不平衡条件下多功能雷达(MFR)工作模式识别精度低的问题,提出了一种基于自组织映射(SOM)聚类平滑图信号生成的MFR工作模式识别方法。首先,利用分布式SOM算法对截获的信号样本集进行聚类,提取样本之间的相似性;然后,依据聚类结果将信号样本集以平滑图信号的方式表征,建立同一工作模式下信号样本的关联;最后,采用图注意力网络对上述图信号进行图节点数据融合与分类,完成MFR工作模式识别。实验结果表明,在工作模式样本不平衡度约为10∶1,每种类别训练样本数为25时,该方法的识别准确率和F1指数相对现有方法分别提高了22.8%、22.34%,且能适用于存在一定噪声干扰的情况。

基于AHP的雷达辐射源工作模式识别方法

针对电子对抗系统中亟待解决的雷达辐射源作战意图反演难题,提出了一种基于层次分析法的雷达辐射源工作模式识别方法。首先,对辐射源特征中能够体现辐射源工作模式特性的特征进行了分析和选择;然后,引入层次分析法对待识别的特征进行综合评价;最后,基于综合评价的结果利用卷积神经网络(Convolutional Neural Network,CNN)分类器实现对雷达辐射源工作模式识别。试验结果表明,文中方法不仅可实现对单一雷达不同模式的识别,对不同雷达不同工作模式的识别也有较好的效果。

基于卷积神经网络的雷达工作模式识别

该文针对不同雷达工作模式的信号特征,提出一种基于卷积神经网络(convolutional neural network,CNN)的雷达工作模式识别方法。不同工作模式下的雷达信号的脉冲宽度、脉冲重复周期、脉内调制样式和数据率等特征均有所不同,所以该文利用这4个特征参数构建1个图像矩阵,再提取方向梯度直方图(Histogram of Oriented Gradient,HOG)的特征,送入CNN进行雷达工作模式识别。仿真结果表明,该识别方法有较高的识别准确率。

轨道交通信号控制系统主备双系工作状态的识别与控制

目的:针对轨道交通信号控制系统冗余结构中主备双系状态切换时可能存在的风险,提出一种新的硬件判决方式以避免该风险。方法:轨道交通信号控制系统多采用二乘二取二和双机热备冗余结构,由2个功能完成相同的主备双系组成。主备双系各自有主控、同步和离线等3种固定的工作状态,其不允许同时出现为主控状态。这3种工作状态的控制与转换依赖于自身和对方系的工作状态。目前,系统工作状态的判决机制主要有通信判决和硬件判决2种方式。若采用通信判决,一旦通信出现问题,则存在同时出现主备双系都为主控状态的风险。为此,提出采用设置工作继电器的硬件判决方法,即通过继电器硬件判决方式来识别和控制系统主备双系的工作状态,以避免同时出现主备双系处于主控状态的风险。主备双系各设置一个工作继电器,通过继电器的硬件接点条件来反映对应系的工作状态,并提出了设计原理、判决原则、判决实现流程及应用环境,分析了硬件判决方式比通信判决方式具有的技术优势。结果及结论:通过采集工作继电器位置反映对应铁路信号控制系统各系的工作状态,主要有以下优势:①不依赖于主备双系间通信的状态,解决了由于通信问题带来状态信息丢失的问题;②不论系统是否开机,系间是否通信正常,各系都能通过采集对方工作继电器接点条件来识别对方系的工作状态,从而能准确控制本系的工作状态;③继电器反应速度明显高于通信处理的反应速度,一旦系统工作状态发生变化,工作继电器快速动作可使主备双系及时得到相应系的工作状态信息;④继电器具有固有失效安全特性,工作继电器一旦发生故障落下,使系统尽快转到离线状态;⑤通过继电器识别和控制系统工作状态,软件处理逻辑简单,也能使维护人员直观辨识系统工作状态。

一种纸质工作票信息快速识别方法

为规范电力作业中“两票”的规范管理问题,提出一种基于深度学习的轻量化图像检测与识别框架,以实现对纸质“两票”图像中的印章及日期信息的快速识别。该框架首先基于YOLOv4网络对印章及日期等关键信息进行检测,然后采用MoblileNetv3和自行设计的Ghost-OCRNet网络进行印章和日期识别;针对日期信息涉及手写与打印字体混合的现状,设计一种轻量化的Ghost-OCRNet识别网络,可对日期进行无分割的序列化识别。实验结果表明所提出的纸质工作票图像识别方法平均运行速度为5.6帧/s(FPS),识别准确率达到93.5%,在保证识别精度的前提下,能够满足实时运行要求。

一种面向多功能雷达搜索模式的识别算法

针对多功能雷达在多种搜索模式下波形参数趋同,传统的波形模板匹配识别误报率较高,无法有效辨识的问题,以承担预警监视的多功能机载雷达为典型,深入分析了该类雷达的三种搜索模式。利用融合后的多站侦察数据训练神经网络,并利用网络完成识别。仿真结果表明,所提出算法能够准确识别多功能雷达的三种搜索模式。

一种基于图卷积网络的雷达工作模式识别方法

在雷达工作模式识别中,通常难以获取大量已知类别的雷达信号样本以供算法模型训练。为此,提出一种基于图卷积网络的雷达工作模式识别方法。首先利用K近邻图算法,以图结构表征信号样本集,建立样本之间的关联;然后采用图卷积网络对该图信号进行半监督节点分类,完成在只有少量监督数据情况下的雷达工作模式识别。实验结果表明,所提出方法中对每种类别雷达信号设置15个监督数据(约占雷达信号总样本集的5%)时,识别准确率为98.23%。

基于半监督学习聚类数据标注的多功能雷达工作模式识别

对多功能相控阵雷达工作模式准确识别可为电子对抗决策提供依据,具有重要研究意义。现有工作模式识别方法主要基于已知标签的训练集,而实际中先验信息匮乏,数据标签难以获知,极大影响了工作模式识别性能。为此,提出了一种在少量先验信息辅助下基于半监督学习聚类实现未知数据标注的工作模式识别方法。首先根据聚类算法的内部评价指标和外部评价指标对比分析AP聚类(affinity propagation clustering)、DBSCAN聚类(density-based spatial clustering of applications with noise)和模糊C均值聚类(fuzzy C-means clustering,FCM)3种典型聚类算法的性能,验证了AP聚类算法性能最优,并将其应用于对截获数据的数据标注中。然后利用卷积神经网络对雷达工作模式进行识别,并与已知标签训练集下的网络进行对比,验证了基于AP聚类算法进行数据标注的可行性,提升了相较传统识别网络的抗噪性,为后续多功能雷达行为认知提供了基础。