基于系统动力学的福建省地理信息产业竞争力仿真研究

本研究通过扎根理论,全面定性分析福建省地理信息产业竞争力的影响因素,并将各因素统一纳入系统,通过系统动力学模型,综合、动态分析其对地理信息产业环境竞争力、业绩竞争力和核心竞争力的作用力度,从而挖掘关键因子.然后,通过系统动力学模型对福建省地理信息产业竞争力变化进行定量仿真分析和政策模拟,并提出提高福建省地理信息产业竞争力的政策建议.相关政策建议既可为福建省地方政府制定地理信息产业发展战略提供重要的决策依据,也可作为相关地理信息企业制定竞争策略的有益参考.

新工科背景下数据科学与大数据技术专业应用型人才培养的思考与改革

随着互联网应用的普及,信息产业的蓬勃发展,大数据成为了当今热门的话题,大数据技术的教学及应用也成为了当今教育的一大核心内容。如何更好地培养数据科学与大数据技术人才,成了当今应用型本科高校亟待解决的问题。论文以阳光学院数据科学与大数据技术专业建设为背景,分析当今大数据人才培养的痛点问题,并阐述大数据专业建设的改革举措,致力校企合作,打造符合当今社会需求的应用型人才培养模式及特色优势。

基于MSR的疲劳驾驶安全检测技术应用研究

随着我国交通日渐繁忙,交通事故数量不断增多,其中疲劳驾驶是发生率比较高的。针对这种情况,在传统的疲劳驾驶监测系统上进行改进,采用MSR图像增强算法,针对复杂环境下捕捉到的图像进行增强,并通过视觉定位,更准确地分析驾驶员眼睛所处状态,利用分阶段轮廓活动模型方法,分析驾驶员眼睛疲劳参数,对眼睛眨眼频率、闭合时间、PERCLOS等参数分析,构建疲劳驾驶安全识别系统。

图像搜索技术在旅游出行网站中的应用研究

图像搜索技术近年来在互联网行业的各大领域得到了广泛的应用。文章基于自行研发的“福州智游行”旅游出行网站,结合百度智能云的AI服务,研究图像搜索技术在旅游出行网站中的应用,利用以图搜图方式向广大游客提供出行资讯的推荐,研究结果表明该方法具有推荐准确性高的优点,改善了用户体验。

结合机器学习与高光谱遥感的城市内河水质反演

针对当前城市内河氮磷算法研究不足的问题,以福州市晋安河为研究对象、下洞江为验证对象,对总磷(TP)和总氮(TN)这两个重要河流水质指标进行研究.提出单波长连续投影算法(SPA)和双波长皮尔逊相关性分析(Pearson)进行自变量筛选,再结合机器学习算法对晋安河实测光谱数据进行模型构建和水质反演可视.实验表明,TP、 TN与氨氮有很强的相关性,在构建TP、 TN水质参数反演模型时,加入氨氮的特征波长,并采用SPA+Person+RF算法构建的TP模型效果最优,其R2为0.92,ERMS为0.005 mg·L-1;采用SPA+Pesrson+SVR算法构建的TN模型效果最优,其R2为0.90,ERMS为0.082 mg·L-1.优化后的算法比传统算法提升显著.经验证,该方法同样适用下洞江水质反演,可用于城市内河水环境监测.

基于改进协同过滤的图书推荐算法研究

[目的/意义]研究基于改进协同过滤的图书推荐算法,以期取得更好的图书推荐效果。[方法/过程]介绍基于用户的协同过滤推荐算法原理,揭示传统协同过滤推荐算法存在的数据稀疏问题,改用用户聚类方法进行相似度计算,并通过图书馆数据进行实验。[结果/结论]改进算法缓解了数据稀疏问题,提高了图书馆图书推荐效率。

云计算模型下图像边缘重叠区域检测方法研究

在对单目视觉图像检测中容易受到边缘轮廓区域分割误差的扰动影响,导致出现边缘重叠区域,需要对图像重叠区域进行准确检测,提高对单目视觉三维重建图像的自动识别和检测能力,提出一种基于多视角高分辨率重建和融合降噪的单目视觉三维重建图像边缘重叠区域检测技术.采用分块区域分割技术进行单目视觉三维重建图像的空间位置信息分布式识别,为边缘重叠区域检测提供点云数据,在云计算模式下采用局部空间融合降噪方法进行图像降噪,采用活动轮廓检测方法进行单目视觉三维重建图像的空置区域特征点定位,在边缘轮廓区域图像的分块区域内进行边缘重叠区域的动态特征提取,构建灰度直方图,结合边缘重叠区域动态特征的云检测技术,实现对图像边缘重叠区域检测.仿真结果表明,采用该方法进行图像边缘重叠区域检测的准确性较高,图像融合性较好,提高了重叠区域的图像识别能力.

基于相似性度量的花卉图像检索方法研究

论文以植物花卉为对象,主要研究基于相似性度量的图像检索方法。首先提取图像的颜色特征和纹理特征并进行特征融合,然后通过计算不同图像的欧式距离、曼哈顿距离、马氏距离和余弦距离实现图像的检索。实验表明,基于相似性度量的花卉图像检索方法具有易于理解、实现简单和检索速度快的优点。

海量文本疾病主题自动提取研究

从大量中文病历文献中提取出重要的疾病主题,对医疗工作者学习和科研是非常重要的。为了更方便的提取出主题,本文提出结合中文分词技术与FP-Growth算法的一种方法模型。该模型可以在大量中文病历文献中,首先将病历文献划分为若干关键词组成的项目集文档,再使用FP-Growth算法,计算关键词的频繁项集,并生成病理字典,最后提取出文本的疾病主题。

基于KCAC和CP-ABE的隐私保护方案研究

在商业化应用中,用户在信息共享中不能制定细粒度的访问控制,并且可能造成隐私泄露。为了解决此问题,提出了将KACA和CP-ABE算法相结合的方法来构造信息共享的隐私保护方案,实现以用户为中心的避免敏感信息泄露及可控的信息共享方案,并对方案进行了验证分析,证明了方案的可行性。

基于轻量级神经网络的农作物病害识别算法

应用深度学习的图像分析技术,可较早地、无损地检测作物病害,但移动端计算资源的有限性限制了深度学习在移动端的应用和发展。利用迁移学习方法,进行多种神经网络的预训练,将其在ImageNet图像数据集上学到的知识迁移运用到多种农作物数据集及番茄单作物数据集的多种病害识别上,并进行多个深度学习模型在多种作物数据集的计算复杂度、识别效果及计算速度的对比。通过对比发现:Xception模型的计算准确率比较高,计算复杂度稍复杂些;当应用场景对计算准确率的要求不是很高的情况下,ShuffleNet V20.5x模型在计算复杂程度、计算速度的综合表现相对较好,比较适合在移动端进行移植;接着,通过对ShuffleNet V20.5x采用ReLU和LeakyReLU激活函数进行训练和验证分析,发现当采用LeakyReLU激活函数替代原有的ReLU激活函数构建Shuffle Net V20.5x模型,可以改进Shuffle Net V20.5x模型,并能稍微提高识别的准确率,由85.6%提高到86.5%。最后将改进后的ShuffleNet V20.5x模型,移植到移动终端并进行测试。

基于特征降维及参数优化的语音情感识别

针对传统BP神经网络在语音情感识别过程中存在的计算量偏大和容易陷入局部最优解的问题,提出了一种基于特征降维及参数优化的情感识别改进方法.首先提取情感语料库的高维度联合特征,利用快速主成份分析法(Fast_PAC)进行特征降维以达到降低问题复杂性的目的;然后引入遗传算法对BP神经网络进行参数优化以避免限入局部最优问题;最后构建语音情感识别分类器,并利用CASIA汉语语料库及柏林德语语料库进行情感识别验证.验证结果表明,与传统的支持向量机(SVM)方法、传统的主成份分析法(PCA算法)结合SVM模型识别方法相比,本文方法能有效地降低语音情感的特征维度,且具有运算量少和识别精度高的优点.

高精度视频配准算法中的静态图像配准算法

为优化视频配准工作中的静态图像配准算法,本文应用深度学习的卷积神经网络VGGNet设计了一个静态图像配准算法。通过仿真实验结果可知,VGGNet能够被很好地应用于静态图像配准工作中;结合均方根误差和Nred结果可知,基于Conv5、FC1或者FC2输出特征的静态图像配准算法具有良好的性能,基于FC2的配准算法性能最好,其均方根误差值为0.03122,Nred值为74。通过视频缩放和亮度转换后,静态图像配准算法的性能有所下降,在亮度变换后基于FC2输出特征的配准算法性能较高。与传统HOG、LBP特征提取的图像配准算法相比,本文算法具备较好的配准精度和正确率。研究结果可为当前基于深度学习卷积神经网络的静态图像配准算法提供参考。

表情识别技术综述

面部表情是判断人类情感和人机交互的重要依据,传统机器学习和深度学习的发展,给面部表情识别分析带来了许多机遇与挑战。首先分析了表情识别与情感分析的内在联系与区别,指出表情识别侧重于识别面部的表情及情感。接着总结归纳了基于单模态数据集和传统机器学习方法的表情识别技术及其优缺点,介绍了基于单模态数据集与深度学习方法的表情识别技术,然后指出基于单模态数据的表情识别技术具有一定的局限性,如:数据集在数量和质量上较为不足,识别准确率普遍不高,多停留在实验室研究阶段等。引出基于多模态数据集的表情识别及模态间融合方法,并介绍常用的多模态表情数据集,分析了基于多模态数据集的表情识别技术及模态之间的融合技术,包含特征级融合、决策级融合及混合融合三种方式。最后对表情识别分析技术进行总结与展望:考虑到数据集问题,可构建更多自然环境下的高质量表情数据集,也可结合姿势、脑电波等生理信号构建多模态数据集,利用GAN网络进行数据增强,关注微表情的提取,以及研究多模态融合算法等。

复杂地形下无人机倾斜摄影技术的校园三维实景建模

针对无人机倾斜摄影技术在复杂地形条件下三维实景建模的可行性及其精度是否满足实际大比例尺测量要求的问题,本文以福州市马尾区阳光学院校园为例,采用大疆经纬系列无人机搭载云眼系列五镜头相机的方式完成测区倾斜影像数据的采集.采用实时动态(Real-Time Kinematic,RTK)连接千寻CORS账号的量测方式完成测区控制点的采集.利用Bentley公司的实景建模软件ContextCapture对外业采集的数据进行内业处理,得到了该校园的高分辨率的三维实景模型、数字表面模型(DSM)和真正射影像(TDOM),并对三维模型进行精度分析.为了保证模型的精度,实验过程中通过布设较多控制点,分块航测,提高航向和旁向重叠度来提高模型精度.实验结果表明,与地面实测数据相比,采用上述技术所建立的校园三维实景模型的平面位置中误差和高程中误差均小于5 cm,满足实际大比例尺测量的要求,可为后期校园三维实景模型的二次开发提供重要的数据支持.

基于词频统计的旅游出行资讯推荐

以自行研发的福州市旅游出行网站为基础,设计并实现一种基于词频统计的旅游资讯推荐方法.基于node环境,在几大主流旅游网站上抓取当前热门出行资讯文章,利用盘古分词技术对文章进行分词并产生分词库,最后基于TF_IDF算法进行分词库的词频统计,并根据统计结果进行福州市旅游出行网站的资讯推荐.研究结果表明该方法具有运算速度快,推荐准确性高的优点,改善了用户体验.

网球视频中球员的侦测与追踪

针对现有的球员侦测与追踪方法中颜色信息的提取容易受到目标与噪声之间的色差及光照变化的干扰,从而影响侦测准确度的问题,提出了一种球员侦测与追踪的新方法.首先运用较为可靠的边缘信息侦测网球球场的场线,重建场地信息.其次运用重建场地信息设计过滤器,过滤球场噪声;运用场线信息,定义上下半场球员侦测的范围与两种不同尺寸的搜寻视窗.然后通过提取图像边缘密度信息,在搜寻窗内利用模板匹配方法估测球员位置.最后利用3种场地类型对本文方法进行了验证,结果表明本方法的平均正确率(92.3%)高于文献[3]的方法(91.12%),且比文献[3]更具有普适性.

基于改进粒子群优化算法和CRNN的多类SVM分类

为了提高支持向量机(SVM)在多类分类中的分类效果,提出了一种基于改进粒子群优化(IMPSO)算法和协作式递归神经网络(CRNN)的多类SVM分类方法(IMPSO_CRNN_SVM算法).首先引入自适应惯性权重及自适应粒子变异,以此改进粒子群优化算法(PSO)在优化SVM参数过程中存在的容易陷入局部最优和早熟等问题;然后基于多类SVM设计一个CRNN,并利用随机分配的训练集对该网络进行训练并构建最终决策函数,从而实现多类数据的"一次性"分类.最后利用3种数据集和实际应用对IMPSO_CRNN_SVM算法进行验证,结果表明IMPSO_CRNN_SVM算法的分类精度优于未进行参数优化的传统SVM算法、基本PSO进行SVM参数优化的算法和未进行PSO参数优化的基于CRNN的多类支持向量机算法,因此IMPSO_CRNN_SVM算法具有一定的实用性.

一种基于快速PCA和简化PSO的带噪声人脸识别

针对传统人脸识别算法在带噪声环境下识别效率低下的问题,文中以FERET、CMU_PIE_FAC及ORL数据库的人脸图像为研究对象,提出一种基于快速PCA和简化PSO的人脸识别改进方法。通过对不同噪声环境下的人脸图像进行滤波消噪处理,并引入快速PCA算法对图像数据进行特征降维,然后利用简化PSO算法进行SVM的参数优化,构建最终的SVM分类模型,以实现人脸识别。结果表明:人脸图像受高斯或椒盐噪声污染会对识别效果产生一定的影响,利用滤波消噪处理可以从一定程度上抑制噪声干扰,与此同时,在数据降维过程中,采用快速PCA算法以计算低维度矩阵的本征值去替代高维度协方差矩阵的本征向量求解,在保证较高的图像解释程度的同时,运算速度明显加快,与传统的PCA、PSO算法结合SVM模型进行人脸识别效果相比,提出的改进算法在保证较高的人脸识别精度情况下,识别过程的计算量大大减少,具有一定的实用价值。

基于机器学习的智能引路手环的设计与实现

针对传统导航系统中导航方式不够直观及导就路线无法自动生成等不足,采用电子罗盘芯片、倾角传感器、蓝牙4.0、智能控制技术及机器学习技术,设计了一个智能引路手环系统,包括智能手环、手机端及服务器端三大部分,实现了抬手就能找出前进方法的新型导航模式和陌生路段路径信息的自动生成.应用结果表明该系统能够学习任何一条陌生路段并用于实时导航而不受环境限制,与普通导航方式相比该系统更加直观形象.