基于SKNet注意力机制的飞机类型识别算法

飞机类型识别是细粒度图像分类的一种,重点在于设计神经网络模型使其能够分辨各飞机种类中细微而具有区分性的特征.针对当前飞机识别任务中飞机种类众多、类间差异细微、类内差异显著等问题,提出了一种基于改进SKNet注意力与数据增广的飞机类型识别算法.以ResNeXt101网络作为基础网络,改进CBAM注意力提出并行的通道-空间注意力PCSA并嵌入可选择卷积模块的不同分支,得到PCSA-SK注意力,将其嵌入基础网络以进一步融合基础网络提取的深层特征并为其分配权重.根据目标激活图中具有判别性信息的区域,在原图像上对判别性区域裁剪并加入训练集,实现数据增广.实验结果表明:该算法在FGVC-Aircraft数据集上取得了93.57%的识别准确率,优于其他飞机识别算法.

基于时频域特征挖掘与自注意力机制融合的雷达PRI变化类型识别

针对存在异常值时雷达辐射源脉冲重复间隔(pulse repetition interval,PRI)变化类型识别困难的问题,提出一种基于时频域特征挖掘与自注意力机制融合的雷达PRI变化类型识别方法。首先对PRI序列进行时序变化特征和小波特征分析,从时域和频域2个角度构建特征集;然后基于自注意力机制以数据驱动的方式学习时频特征之间的互补性,有效把握不同维度特征对识别效果的贡献,实现对不同维度特征的深度融合;最后基于全连接神经网络对融合后的特征进行模式分类,从而实现对PRI变化类型的识别。仿真结果表明,在不同异常值水平下,所提方法能够显著提高对6种典型PRI变化类型的识别准确率,而且识别效果要显著优于仅使用单一维度特征的方法。

联合多时相GF-6 WFV和Sentinel-2的森林类型识别

【目的】我国南方地区多云雨,地型较破碎,森林类型精细识别较为困难,探讨联合多源、多时相的遥感数据对森林类型识别具有重要意义。【方法】以江西省信丰县为研究区,基于2019年森林资源二类调查数据,将森林划分为松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地等8种类型,利用随机森林算法比较GF-6 WFV和Sentinel-2最佳时相相同波段(紫/深蓝、蓝、绿、红、近红外、红边)和不同波段(黄边、短波红外)的森林类型识别能力,构建联合光谱特征集。联合多时相GF-6 WFV和Sentinel-2,构建多时相植被指数特征集,结合联合光谱特征集、纹理特征和地形特征,通过随机森林和递归消除法构建特征变量优选数据集进行森林类型识别,利用混淆矩阵和森林类型的实际分布对识别结果进行精度验证。【结果】(1)GF-6 WFV蓝、绿和红波段组合的总体精度为58.31%,分别加入紫、近红外、红边、黄边和Sentinel-2短波红外波段后,其总体精度分别提高1.99%、8.90%、10.71%、1.50%和14.10%;Sentinel-2蓝、绿和红波段组合的总体精度为54.68%,分别加入深蓝、近红外、红边、短波红外和GF-6 WFV黄边波段后,其总体精度分别提高3.30%、10.82%、12.92%、17.31%和3.97%。(2)特征变量优选数据集的总体精度和Kappa系数为80.80%和75.56%,贡献程度大小依次为GF-6 WFV多时相植被指数、Sentinel-2多时相植被指数、GF-6 WFV光谱特征、Sentinel-2光谱特征、地形特征和纹理特征,贡献率分别为40.44%、23.23%、18.12%、10.21%、4.61%和3.39%。(3)松林、杉木林、阔叶林、针叶混交林、针阔混交林、竹林、灌木林和其他林地的制图精度分别为86.97%、85.60%、88.61%、9.43%、19.01%、53.60%、86.90%和82.56%,用户精度分别为81.42%、79.79%、77.57%、71.43%、81.82%、67.00%、87.74%和82.88%,识别结果与研究区实际森林类型分布较吻合。【结论】联合多时相GF-6 WFV和Sentinel-2可以综合多时相、多源影像的优点,能够有效提高森林类型的识别精度。

数字生活转向中的慈善消费:类型识别、驱动要素与偏差评估

以互联网为标志的一系列科技介质正持续嵌入常人世界的诸多领域,数字生活已然成为一种前沿生活方式,且积极促动新时代经济社会的高质量发展。我国慈善消费亦正经历着数字化转向,逐渐形成“官方主导—市场辅助”“市场主导—个体支配”和“市场牵引—多方协作”等三种常规类型,并在正向经济成就、利他/利己伦理交织、数字技术赋能、外部政治设置等要素合力驱动下,助推我国慈善事业现代化升级。作为第三次分配的主要分支手段,慈善消费在实现共同富裕的道路上发挥着重要作用,但运行过程中涌现的意愿背反、结构悬浮、利益剥夺和监管弱效等现实偏差,值得各界审慎省思,应立足长远优化其实践机制。

顺北地区断控缝洞体测井响应特征和类型识别方法

顺北地区断控缝洞体蕴藏有丰富的油气资源,断裂带控制了油气运移和聚集。断裂带结构复杂,发育断层、裂缝等多种储集空间,断层中充填不同物质。多种类型的储集空间和充填物导致常规测井响应复杂,加之研究区测井资料不尽相同,断控缝洞体类型识别困难。依据录井和电成像测井等信息,确定了未充填断裂洞穴型、角砾充填断裂洞穴型、泥质充填断裂洞穴型和裂缝型4种断控缝洞体类型。分析了单井测井资料,包括各种测线曲线、无密度测井曲线、无密度和无能谱测井曲线、无密度和无中子测井曲线、无密度和无中子以及无能谱测井曲线和无中子和无能谱测井曲线共6种情况。对比不同类型断控缝洞体的自然伽马、无铀伽马、声波时差、中子、密度、深侧向和浅侧向电阻率等测井响应差异,将测井响应两两组合进行交会分析,优选出5个对断控缝洞体类型敏感的测井响应交会图版,结合不同的测井资料情况,形成4套逐级识别断控缝洞体类型的流程,建立了一种利用常规测井资料识别断控缝洞体类型的方法。应用该方法对顺北地区实际井资料进行处理解释,识别结果与岩心、电成像测井解释结论一致。该识别方法能满足研究区各种测井曲线资料情况的断控缝洞体类型识别需求,识别结果为断裂带内部结构解释提供有效支撑。

大别山革命老区乡村振兴质量评价及类型识别

为深刻剖析大别山革命老区乡村振兴质量,从外源扶持推力、内生发展动力入手,构建革命老区乡村振兴“内外兼修”理论框架,综合运用熵值法与线性加权法、DEA-BCC与Malmquist指数模型评价乡村振兴“量”的产出水平及“质”的效率变化。研究结果表明:(1)乡村振兴水平整体不高,表现出“低值区规模递减、高值区规律递增”的时序演化特征,“鄂北地区高于全区,高于皖西地区,高于豫南地区”的空间分异特征,“豫南地区高于皖西地区,高于全区,高于鄂北地区”的增长速度特征和“生态宜居高于生活富裕,高于乡风文明,高于产业兴旺,高于治理有效”的维度分化特征;(2)乡村振兴效率先增长后趋于稳定,未达到效率最优,全要素生产率先上升后下降,鄂北地区、皖西地区效率现值较高、增长空间有限,豫南地区效率现值低、增长潜力大;(3)基于“量”与“质”的矩阵组合,大别山革命老区乡村振兴包括领先稳定型、崛起发展型、追赶潜力型和滞后缓慢型4种类型。通过乡村振兴质量的综合诊断,提出乡村振兴不同类型的优化路径,以期为全面推动大别山革命老区乡村振兴提供参考借鉴。

基于迁移学习的雷达信号类型自动识别方法

针对雷达辐射源信号类型的自动识别方法进行研究,引入迁移学习(transfer learning,TL)思想,将GoogleNet预训练模型迁移到雷达信号数据集中实现信号特征提取,在全连接层中采用极限学习机(extreme learning machine,ELM)作为分类器,完成对雷达信号的自动识别。仿真结果表明,针对9类雷达信号,在信噪比为0 dB的情况下,基于GoogleNet-ELM的识别算法具有很好的识别性能,得到95.7%的正确识别率,验证了所提算法在电子侦察领域应用的有效性。

基于脉冲序列重构的雷达PRI调制类型智能识别算法研究

雷达脉冲重复间隔(PRI)是雷达信号的关键参数,对于雷达性能发挥起着至关重要的作用。研判雷达PRI调制类型能够为雷达识别和性能分析提供重要支撑,是电子对抗领域的关键研究内容。针对现有PRI调制类型识别准确率受脉冲丢失影响较大的问题,本文提出了一种基于脉冲序列重构的雷达PRI调制类型智能识别算法。首先,基于到达时间(TOA)多阶差分序列实现了PRI调制周期的初步估计;其次,根据PRI调制周期重构了不同脉冲序列样本;再次,对重构样本进行去均匀值预处理,并以此为输入搭建了卷积神经网络(CNN)识别PRI调制类型,该方法能够减弱人工提取特征的局限性,不仅可以获取PRI序列的深层特征,而且具有更强的环境适用性;最后,仿真实验表明了所提方法的有效性。在脉冲丢失率小于60%时,所提方法对于所有PRI调制类型的识别准确率均在92%以上,平均识别准确率大于98%,在脉冲丢失率小于80%时,平均识别准确率在81%以上。

成渝地区双城经济圈县域乡村多功能类型识别与转型路径

文章以成渝地区双城经济圈县域单位为研究对象,通过构建县域乡村地域多功能评价模型识别各区县乡村地域多功能类型。结果表明:成渝地区双城经济圈中多数县域具备多功能属性,在区域中承担了主要功能,除主导功能外,各县域还具备辅助功能、次要功能和短板功能;村多功能类型分布范围为单功能主导型>双功能主导型>弱综合型>无主导功能型>强综合型。基于不同县域乡村地域多功能类型确定乡村经济发展主体方向,并提出了分类推进乡村多功能转型路径。

一种移动通信基站的电源类型识别方法和装置

【目的】当移动通信基站因种种原因需要供电单位进行油机发电时,铁塔公司需要对发电费用进行风险化管控,防止作弊发电以套取发电费用补助。【方法】市电电源相较于油机电源的电压频率相对稳定,通过比较两种电源电压频率的差异性,构建电源识别模型。【结果】开发了一种基于电压波形差异的电源类型识别装置,可以准确地识别出市电供电和油机供电,杜绝了把市电供电当作油机供电和市电供电正常却依然采用油机供电的情况。【结论】通过仿真模拟和现场安装测试,该装置能够准确识别基站电源类型,满足铁塔公司对发电费用风险管控需求,有助于降低运维发电的费用支出。

电力系统接地极线路故障类型识别技术研究

针对电力系统接地极线路故障类型识别中存在的响应速度慢、识别精度低等问题,提出一种基于信号处理、模式识别以及数据融合的故障类型识别方法。首先利用小波变换和经验模态分解(Empirical Mode Decomposition,EMD)提取故障电流、电压信号的时频域特征量,其次分别构建支持向量机(Support Vector Machine,SVM)和概率神经网络(Probabilistic Neural Network,PNN)故障识别模型,最后采用证据理论融合两种模型的诊断结果,得到最终的故障类型判断。实验结果表明,该方法能够有效识别单相金属性接地、单相高阻接地以及两相短路等典型故障类型,识别精度高、可靠性强,为保障电力系统的安全运行提供有力支撑。

遥感和人工智能技术在土地类型识别与分类的应用研究

近年来,遥感技术和人工智能逐渐在环境监测和土地资源管理方面发挥着重要角色。本研究利用遥感和人工智能技术对土地类型进行了精准的识别和分类,旨在为土地资源的合理利用与保护提供科学依据。首先,通过借助遥感影像获取土地覆盖数据,然后运用人工智能相关算法对土地类型进行自动识别与分类。研究结果表明,人工智能算法对于土地类型的自动识别效果较好,且耗时相比传统方法大大缩短。此外,结合遥感影像,可以实现土地类型的连续、动态监测,使得土地分类精度和实时性得到大幅提升。总的来说,本研究提供了一种新的,快速准确的土地类型识别分类方法,预计将在农业、环境保护、城市规划等领域有着广阔的应用前景。

基于激光雷达图像处理的低空风切变类型识别研究

基于多普勒激光雷达,结合大气流场理论实现对下击暴流、侧风切变、低空急流及顺逆风切变四种低空风切变的三维模拟仿真,建立雷达图像样本库,解决了风场数据难以获得及样本库难以建立的难题。基于图像处理方法实现风切变类型识别,针对同类样本差异较大的难题,采用多特征提取方法提取图像的形状特征和纹理特征进行组合识别。同时,采用基于SOM-SVM的二次识别算法实现了对缺失信息的图像的有效识别,提高了整体识别率。与传统的风切变研究相比,所用方法忽略气象因素,完全转化为图像处理问题,实现了低空风切变的类型识别,识别率达到97%。

基于小波域的图像噪声类型识别与估计

提出了一种基于小波域分解的类型识别方法 .该方法利用噪声图像的小波高频子带系数能量分布 ,对图像中最常出现的两类噪声 :高斯噪声和椒盐噪声进行识别 ,并在此基础上对高斯噪声的方差和椒盐噪声的密度进行了估计 .对大量含噪图像的实验结果表明

基于小波神经网络的配电网故障类型识别

为准确可靠地识别配电网故障类型,应用小波变换技术对故障信号进行预处理,滤除其中大量的谐波和非周期分量,准确地提取工频信息构成神经网络的训练样本集,通过构建小波神经网络实现配电网故障类型的识别。仿真测试表明,此网络模型收敛速度快,并能在各种故障模式下准确实现故障类型的识别,不受故障过渡电阻、系统运行方式以及故障点位置等随机因素的影响。

基于输入阻抗谱的电缆故障类型识别及定位

为解决脉冲电流测试法(impulse current experimentation,ICE)与时域反射法(time domain reflectometry,TDR)对电力电缆故障进行诊断时存在的不足,提出一种基于输入阻抗谱的电缆故障类型识别及定位方法。首先,依据电力电缆分布参数模型、输入阻抗谱、频谱分析、Kaiser窗,阐明电力电缆故障类型识别及定位的基本原理。然后,对不同类型的电缆故障(开路、短路、高阻、低阻故障)进行建模分析,通过仿真获取正常/故障电缆的输入阻抗谱特征。基于此,再对故障电缆的输入阻抗谱进行处理,得到具有直观性的故障定位谱图,实现对电缆故障的高灵敏度定位。最后,在实验室40 m长的同轴电缆和1 000 m长的10 kV交联聚乙烯(cross-linked polyethylene,XLPE)电力电缆上进行模拟故障测试,检验该方法对电缆故障的诊断效果并验证所提故障类型识别判据的有效性。仿真和实验结果表明:该方法对开路故障及阻抗在0?~38Z0 (Z0为电缆的特性阻抗)范围内的故障点具有较好识别效果,故障定位误差<0.4%。与ICE法、TDR法相比,该方法的测试灵敏度更高,可实现对电缆故障的类型识别与高精度定位。

基于多类型光谱特征参数匹配的矿物信息遥感识别方法

传统的与光谱反射率匹配的矿物填图方法受图像质量、大气及环境背景等因素影响较为明显,矿物识别效果较差。针对上述问题提出一种基于多类型光谱特征参数匹配的矿物信息识别方法,综合利用多种光谱特征参数在大气及环境背景变化中的相对稳定性特点,实现矿物信息的高精度识别。选取美国内华达州Cuprite矿区AVIRIS机载可见-红外光谱成像仪高光谱数据,以USGS美国地质调查局波谱库中的矿物波数为参照光谱,分别计算AVIRIS影像和USGS波谱库中典型矿物的光谱特征参数,在对多种光谱特征参数综合分析的基础上,构建Cuprite矿区矿物识别模型,进行矿物填图实验。最后使用Clark等在该地区的矿物填图结果数据,对实验结果进行了验证,结果表明:该方法矿物识别结果与Clark等的填图结果吻合度高,整体矿物识别精度达到78.96%。

一种基于波动类型识别的路由节点行为预测算法

路由节点行为预测可以为网络安全管理以及路由行为评估机制等提供重要的决策依据,而现有的路由节点行为预测算法存在诸如依赖专家经验、对样本要求较高以及在节点行为波动较大的情况下预测准确度下降等问题.为克服上述问题,该文在灰色预测模型的基础上提出了一种路由节点行为预测算法,该算法将路由节点行为序列中的波动类型被分为突发波动和迁移波动,结合Markov预测模型实现波动类型识别,随后基于不同的波动类型设立相应的未来行为值预测方法:对于突发波动,预测方法基于平滑级比序列的灰色预测结果;对于迁移波动,预测方法基于路由节点行为序列的灰色预测结果.最后,使用Markov模型对预测结果进行修正.实验结果表明,相比于已有的节点行为预测算法,该文的预测算法在预测精度上有较大提升.

基于数字钻孔影像的深部结构面类型识别及发育特征研究

深部岩体中不同类型的结构面对地下水封洞库的稳定性和水封条件产生不同的影响效应,开展深部岩体中结构面类型识别与发育特征研究具有非常重要的意义。结合黄岛地下水封洞库工程,基于数字钻孔影像技术,从曲线的形状、宽度、颜色、交错关系以及曲线周围岩石岩性等方面分析了洞库区深部发育的4类结构面的钻孔影像特征,并以ZK8中120m^-60m段为例进行了深部结构面类型识别和发育特征研究。结果表明:(1)洞库区各类结构面具有不同的钻孔影像特征,可以借此开展深部结构面发育特征的分类研究;(2)洞库区构造节理和变质分异面发育数量沿纵深方向呈现逐渐减小的特征,且变质分异面仅发育在30m高程以上区域,岩脉侵入节理主要发育于局部较小范围,对洞室群的影响视其发育位置而异。因此应注重对深部结构面发育特征的研究,为工程建设提供翔实可靠的依据。

利用电流行波进行超高压输电线路故障类型识别的研究

通过对超高压输电线路各种类型故障的特征分析,提出了一种综合利用暂态电流行波幅值和极性的故障特征来识别故障类型的新原理,指出零模量和线模量之间的幅值关系不宜被用以构造识别判据。文中还设计出基于小波变换的故障类型识别的实用快速算法,该快速算法能免受TA饱和、系统振荡的影响,提高了以往行波故障选相方案在单相或两相接地故障时的可靠性。大量ATP仿真数据的测试表明:这种故障类型识别的新原理及其算法在线路不同位置、不同过渡电阻、不同初始角等故障情况下都能正确快速地选出故障相。现场实录故障数据也验证了该故障类型识别方法是可行的。