指纹识别式鼠标

该产品开发的目的是将具有唯一性、稳定性的人体生物特征如指纹等用于计算机用户的身份识别 ,以加强存储在计算机中重要信息的安全。其核心是把现场采集的指纹特征与已登记、存储在计算机中的指纹通过可靠的匹配算法 ,进行一比一的对比来验证用户身份。根据鼠标内部较大空间、贴片式指纹识别芯片及微处理器体积很小的特点 ,将三者集成为集鼠标与用户身份识别功能于一体的“指纹识别式鼠标” ,既方便快捷、又唯一可靠。其开发主要包括硬件设备及驱动程序、系统应用软件、网络安全认证中心建立等。

考虑多状态特征的非侵入式负荷识别方法

针对传统负荷识别存在无法准确区分含有多种运行状态的负荷识别问题,该文提出一种考虑负荷多状态特征的非侵入式负荷识别方法(non-intrusive load monitoring,NILM)。首先,利用VGG16卷积神经网络(visual geometry group 16neural network,VGG16)对负荷的U-I轨迹进行初步分类。然后,采用最大相关最小冗余特征选择(max-relevance and min-redundancy,mRMR)算法,从未成功分类的负荷的各个工作状态中筛选出最优特征组合作为输入,通过支持向量机(support vector machines,SVM)算法进行二阶段识别,达到快速精细化识别多状态易混淆电器的分类效果。最后,利用Plaid数据集,对分别考虑单个状态和多个状态特征的识别效果进行对比分析。结果表明,文中所提方法可以有效区分易混淆的多状态电器,提高了识别准确性。

融合特征编码和短语交互感知的隐式篇章关系识别

隐式篇章关系识别难度大、普遍性高.从论元编码和论元交互角度入手,提出了一种融合特征编码和短语交互感知的隐式篇章关系识别模型.该模型兼顾了论元本身特征和论元间交互特征的作用,并分别进行了优化.论元编码部分整合了双向长短时记忆网络和循环注意力卷积神经网络,能够更全面地捕获论元全局和局部特征;论元交互部分从短语层级考虑论元间的语义关系建模,构建了短语级交互注意力机制,并利用神经张量网络深入挖掘其中的关系模式,更能体现出论元间潜在的更深层次的关联关系.在宾州篇章树库数据集上的实验结果表明,该模型F1值均优于其他模型.

一种基于度量学习的自适应非侵入式负荷识别方法

现有非侵入式负荷识别技术大多基于最优化和模式识别算法,两种算法在模型泛化能力和未知负荷识别上均存在一定缺陷。针对这一问题,文中提出一种基于度量学习的非侵入式负荷识别模型,通过卷积神经网络将负荷电流特性映射到度量空间,在网络训练时使用三元组损失实现特征的集聚,对度量空间特征进行相似度判别实现负荷辨识。所提方法可实现对未知负荷的有效识别,并具有较强的泛化能力;另一方面,度量学习作为小样本学习的方法之一,能够减轻对训练样本的依赖,具有较高的实用性。

基于多视角对比学习的隐式篇章关系识别

隐式篇章关系识别IDRR的相关工作集中在篇章单元编码器的设计上。将对比学习引入到IDRR,以此获得区分度更高的篇章单元表征。具体地,首先使用一个轻量的IDRR模型;然后为了学习到更好的篇章单元表征,分别从样例层级、批层级和群层级,探索了3种不同视角的对比学习方法在IDRR中的应用;最后本文将多视角对比学习目标联合IDRR同时进行训练。本文提出的方法几乎不增加训练时间,而且只引入少量额外参数。基于PDTB 2.0的实验结果表明该方法达到了最优性能。

基于颜色编码和残差神经网络的非侵入式负荷识别

在非侵入式负荷识别任务中,随着家用电器类型的不断增加,功率差距不大但V-I轨迹相似的设备很容易被分类错误。针对这些问题,本研究提出了基于颜色编码和残差神经网络的非侵入式负荷识别方法。首先,对采集到的高频电压、电流数据进行预处理;然后,再通过二值轨迹映射和HSV颜色编码将V-I轨迹转换为视觉表示,不仅在V-I轨迹中融入了丰富的电气特征,还增强了负荷特征的唯一性;最后利用PLAID公共数据集对本研究所提方法进行了验证。结果表明,本研究所提方法显著提高了识别准确率,并能够有效区分各个电器设备。

基于马尔可夫转移场和轻量级网络的非侵入式负荷识别

负荷识别是非侵入式负荷监测(non-intrusive loadmonitoring,NILM)的关键一步。针对目前识别方法存在网络参数量大、识别率低的局限性,提出了一种基于马尔可夫转移场(Markov transition field,MTF)和轻量级网络的非侵入式负荷识别方法。首先,利用归一化后的电压电流计算马尔可夫状态转移矩阵,在时域上排列每个状态转移概率构建MTF。其次,对MTF降采样以适应神经网络的学习,利用伪彩色编码技术得到RGB彩色图像。最后,在轻量级网络Shuffle Net V2中加入SimAM无参注意力模块作为特征提取网络,以较少的参数量实现负荷分类识别。使用公共数据集PLAID和WHITED对所提方法进行实验,结果表明,SimAM-ShuffleNetV2在两个数据集的识别准确率分别达到了98.99%和99.22%,参数量分别为0.37 M和0.41 M,比现有的方法具有更高的识别准确率和更少的参数量,验证了所提方法的有效性和优越性。

基于小波神经网络的嵌入式语音识别系统设计

针对嵌入式语音识别中的资源受限问题,提出一种基于小波神经网络的轻量化识别方案。该方案利用小波变换提取语音信号的时频域特征,并结合小波神经网络的非线性拟合能力,构建了高效的语音识别模型。实证研究表明,该方案在TIMIT数据集上取得了80.17%的帧识别准确率,在满足实时性约束的同时,显著提升了嵌入式语音识别系统的性能表现,为智能语音交互在资源受限场景下的应用部署提供了新的思路。

基于维特比算法改进的稳暂态混合非侵入式负荷识别方法

非侵入式负荷识别技术因其具有诸多优势,成为目前负荷运行状态监测的主流方法。通常可将其分为基于稳态特征的负荷识别和基于暂态特征的负荷识别。考虑相邻稳态过程和暂态过程之间的负荷运行状态开关逻辑,该文构建了时序校核模型和策略,以此排除不可信的结果以提高识别精度。首先,分别采用离散粒子群优化算法和动态时间规整进行基于稳态特征和暂态特征的负荷识别;然后,基于概率评价选取多个识别结果构建负荷识别结果候选集,联立多个连续的稳态和暂态过程的候选集,基于维特比算法构建时序识别结果的概率序列和评价方法,并进行优选以确定最终的识别结果;最后,分别在仿真数据集和实测数据集上对该方法进行验证分析。实验结果表明,该方法能有效提高整体的负荷识别精度,并明显改善大功率负荷的识别效果,同时保持小功率负荷的识别准确率。

基于深度学习的美式车牌检测与识别技术

针对美式车牌存在背景图案多样、文本信息复杂,传统车牌识别方法难以同时满足对不同样式车牌进行识别的问题,通过对文本建议网络和卷积递归神经网络研究,本文提出了一种美式车牌检测与识别方法。针对美式车牌检测时产生多个文本框,且有些车牌号由于被图案隔断不在同一文本框的情况,设计了一套用于筛选车牌号的锚点机制。使用Adam优化算法训练卷积递归神经网络。本文构建了美式车牌数据集,进行验证实验,州名的识别率达到了92%,车牌号的识别率达到了84%,共同识别率达到了82%。且本文提出的网络模型大小不到60 MB,实时性强。提出的SE-MobileNetV2快速特征提取模型,大幅提高特征提取速度。

基于阻抗分离的工业谐波源非侵入式识别方法

针对传统非侵入式负荷识别方法难以直接应用于工业谐波源负荷识别的问题,本文提出一种基于阻抗分离的工业谐波源非侵入式识别方法。首先,构建等值阻抗参数计算模型,分析多负荷并联网络中综合等值阻抗与各支路等值阻抗间的关联关系;然后,采用改进型复局部均值分解和复值快速独立分量分析,分离支路等值阻抗信号;最后,通过分析支路等值阻抗信号特征以识别谐波源负荷类型。仿真与实测结果表明,本文识别方法具有较好的工程实用性和适应性。

融合情感分析的隐式反问句识别模型

反问是现代汉语中一种常用的修辞手法,根据是否含有反问标记可分为显式反问句与隐式反问句。其中隐式反问句表达的情感更为丰富,表现形式也十分复杂,对隐式反问句的识别更具挑战性。该文首先扩充了汉语反问句语料库,语料库规模达到10 000余句,接着针对隐式反问句的特点,提出了一种融合情感分析的隐式反问句识别模型。模型考虑了句子的语义信息、上下文信息,并借助情感分析任务辅助识别隐式反问句。实验结果表明,该文提出的模型在隐式反问句识别任务上取得了良好的性能。

继保压板状态图像识别嵌入式方案设计与应用

继保压板状态识别受各种环境因素影响长期依赖人工巡检,而目前流行的压板图像识别方案也依赖庞大后台计算架构,无法在操作现场即刻获取核对信息,严重影响工作效率。针对该问题,提出一种基于嵌入式的手持终端的解决方案。所提出的移动智能终端采用微型智能高清相机,实现了对压板屏柜多角度拍摄,有效地解决了由于玻璃门反光、异物阻挡、角度等妨碍拍摄的问题。所提出的基于嵌入式及YOLO Nano算法的继保压板状态现场识别的方法,选用高性能计算核心和专用视觉识别模块作为硬件平台,避免了采用庞大的后台计算架构,实现了操作现场的即时识别与核对。试验结果表明,该系统对继保压板状态识别的准确率达100%,有效地解决了继保压板状态的操作现场识别问题,具备较强的实用性和推广性。

嵌入式图像识别在电力安全监督系统设计中的应用

由于电力系统数据规模较大,海量计算使得监督系统运行效果并不理想,为此提出嵌入式图像识别在电力安全监督系统设计中的应用研究。测试结果表明,设计系统经白盒测试校正后,对异常电力安全状态的监督效率可以达到91.67%以上。

基于边缘计算的用户异常负荷识别方法

针对未知家电负荷背景下基于智能电表采样数据进行异常负荷识别问题,以电动车入户充电负荷为出发点,提出了一种基于边缘计算的用户异常负荷识别方法。首先通过Boruta-SHAP算法对非侵入式负荷数据的14种特征进行排序筛选,得到在秒级负荷数据下的辨识效果最佳的特征子集;然后采用改进的非平行支持向量机(v-non parallel support vector machine,v-NPSVM)模型进行异常负荷识别模型的训练;最后结合边缘计算技术将算法部署到边缘计算平台上,实现对典型电动车充电负荷的识别。实验基于低压台区中智能电表获取的真实负荷数据进行验证,并进一步对数据进行降频处理以验证更低频数据源下方法的有效性,实验结果表明针对降频后的异常负荷识别的正确辨识率仍在90%以上,证明了在未知家电负荷背景下方法具有较好的适用性和准确性。

未成年人身份信息保护路径探索——以建立一站式身份识别平台为中心

本研究基于对涉及未成年人的20款APP的社会学分析,发现目前的APP在识别、验证未成年人身份和监护人真实同意时,难以保证未成年人敏感身份信息和监护人的隐私信息安全,造成APP中对于未成年人信息保护的年龄界限不明确,高敏感识别方法难以保证未成年人与监护人的隐私敏感信息不被泄露,低敏感识别方法无法有效识别监护人身份等问题。建议政府相关部门建立一站式未成年人身份识别平台,该平台只负责身份识别,不负责储存及分析信息;当未成年人进入商业APP玩游戏等之前意欲进行身份识别时,自动跳转到该平台,进行身份识别。该平台识别主体应包括18周岁以下的未成年人及其监护人,政府部门应对平台信息进行严格保密,避免过度收集个人信息。

GIS设备局部放电类型表观相似性及模式识别准确性的探讨

为了减少气体绝缘全封闭组合电器（GIS）设备局部放电识别中误判现象的发生、提高模式识别准确度,基于分层式识别方法,采用两种常见的分类器分别对GIS典型故障类型进行诊断,探讨了局部放电类型的表观相似性,并归纳了存在误判现象的局放类型,其中自由金属颗粒跳动的不稳定性是其产生误判的原因,而传感器距放电源的位置决定了悬浮放电误判现象是否发生。同时研究了GIS传统局放类型划分的合理性,并对其进行修正。最后,通过识别率和决策可信度对比了两种分类器模式识别的准确性,研究表明：尖刺放电的识别可信度高,绝缘子气隙放电的识别率高,且支持向量机的识别效果优于BP神经网络。该研究成果为电气设备局放模式识别及严重程度分析等后续工作的有效进行奠定了基础。

汉语隐式篇章关系识别

采用一个自建的汉语篇章结构语料库(隐式关系占80%)进行隐式关系识别。语料中将篇章关系分成3个层次,第一层包含因果、并列、转折、解说四大类。在此语料上,利用上下文特征、词汇特征、依存树特征,采用最大熵的分类方法对四大类关系进行识别。实验结果显示,总正确率为62.15%,其中并列类识别效果最好,F1值达到75.26%。

基于星三角形角度的竞选式星图识别

提出一种基于主星三角形角度的改进竞选式星图识别算法。为进一步提高竞选式星图识别的抗干扰性,利用三颗星构造识别模式向量;选取视场中一定数量参与计算的星点,计算每三颗星构成的几何三角形中主星顶点角角度,再以其为模式量进行竞选式识别;结合相应数学分析,由于涉及计算维数(计算星点数)更高及数值分布范围更大,以角度为模式量的识别算法具有更强的抗噪声能力和更为稳健的识别精度。仿真试验及结果分析表明了算法的有效性和性能。