会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

基于卷积神经网络的人体动作识别_于华

针对复杂场景下人体动作识别精度不高的问题,提出融合改进的可变形部件模型算法（DPM）以及卷积神经网络模型算法（CNN）的人体动作识别算法。在特征提取阶段,为提高人体检测精度,采用改进的DPM算法将部件滤波器模型由5个增加到8个,同时结合分支定界（BB）算法；CNN采用连续的卷积层提取特征,使用的CNN模型是经过梯度优化训练的针对人体动作识别的卷积神经网络,两个算法并行进行。在特征融合阶段,用加权求和的方式把两个模型提取的特征进行融合。用softmax分类器进行人体动作的分类识别。实验结果表明,该算法在标准的数据集、自搜集数据集上的精度较传统的机器学习方法提高了约10个百分点。

  • 2021-05-06
  • 阅读518
  • 下载0
  • 6页
  • pdf

变量优选补正算法的鲜枣可溶性固形物检测模型传递方法研究_孙海霞

在水果的品质检测和分级分选中,存在不同仪器所建检测模型难以共享的难题。为此,以壶瓶枣为研究对象,利用可见/近红外光谱技术探讨仪器间可溶性固形物含量（SSC）检测模型的传递方法。首先,采用美国ASD（Analytical Spectral Device）公司生产的两台仪器采集样本的光谱信息,采用最小二乘支持向量机（LS-SVM）建立原始光谱、 Savitzky-Golay一阶导数处理、标准正态变量变换后的SSC检测模型,预测不同仪器采集的光谱时3种方法的预测能力均较差。预测同一台仪器的光谱时,基于原始光谱的主仪器所建模型最优,预测集的决定系数（R■）和均方根误差（RMSEP）分别为0.73和1.36%。在此基础上,采用Kennard/Stone算法选取标样,利用专利算法（Shenk’s）、直接标准化（DS）、斜率/偏差算法（S/B）进行模型传递。然后,根据回归系数提取主仪器（24个）和从仪器（28个）的特征波长,优选出单一变量（SV）24个、共性变量（CV）23个、融合变量（FV）29个,均涵盖了SSC的主要吸收谱带。

  • 2021-05-06
  • 阅读520
  • 下载0
  • 6页
  • pdf

基于用户兴趣迁移的隐语义模型推荐算法_徐吉

协同过滤算法一般根据用户的评价信息来推测用户的喜好,但受到数据稀疏问题的影响,许多时候无法得到较为理想的推荐结果。除此之外,一般协同推荐算法忽略了用户兴趣的动态变化。本文所提出的基于改进的隐语义模型（TLFM算法）则将用户的兴趣喜好的改变考虑进来。具体的,在传统的隐语义模型的基础上加入对时间信息的权衡,选取适当的权重,有效地模拟用户兴趣随时间的变化状况,根据用户兴趣变化来决定推荐值,可以很好的提高推荐准确度。

  • 2021-05-06
  • 阅读525
  • 下载0
  • 6页
  • pdf

架空输电线路金具三维模型简化算法研究_李会超

实现三维（three-dimensional,3D）设计是输电线路设计技术发展的重要方向。金具是架空输电线路的重要组成部分,具有尺度小、结构不规则、种类多等特点。原始金具三维模型中,包含着多种细节信息,直接应用将占用大量计算资源并且大多数应用场景并不关注金具细部。为实现金具三维模型在三维设计场景中高效应用,必须进行简化。本文在传统边折叠和顶点聚类算法的基础上,提出了通过对三维模型边界边识别,在边折叠中考虑边权重和对不同位置顶点采用不同的聚类策略综合简化算法。通过对多个金具模型的应用验证,该算法在保持了模型的外形轮廓特征的基础上,大大减小三维模型的顶点和面数量,对较为复杂的模型可以简化到原模型10%以内。

  • 2021-05-06
  • 阅读517
  • 下载0
  • 6页
  • pdf

基于多层次结构模型的云服务信任评估算法优化_赵莉

为了提高云服务信任度水平和推荐能力,需要对云服务信任度进行优化评估,提出基于多层次结构模型的云服务信任评估算法。在云服务平台的用户行为信息特征采集中,建立云服务信任度分布大数据模型,挖掘云服务用户偏好性特征量,根据采集结果采用模糊信息调度方法提取云服务信任度特征量,在此基础上构建云服务信任度评估的粗糙集分布模型,通过大数据多层次结构分析方法进行云服务信任评估和推荐,结合模糊C均值聚类方法实现对云服务信任度的优化聚类和自适应评估。仿真结果表明,云服务信任度分布的多层次结构分布均匀,采用该方法进行云服务信任评估的准确度较高,评估的精度较好,用户满意度较高,提高了云服务信任评价能力。

  • 2021-05-06
  • 阅读526
  • 下载0
  • 6页
  • pdf

基于自回归各态历经模型参数辨识的_省略_曼滤波算法的储能电池荷电状态估算_丁稳房

扩展卡尔曼滤波（extended Kalman filter, EKF）算法在电池荷电状态（state of charge, SOC）估算领域广泛应用。但作为一种基于模型的算法,电池模型误差影响SOC估算的精度。为了抑制电流的幅值与阶跃电流因素对模型误差的影响,提出一种动态修正观测噪声协方差的模糊双卡尔曼滤波（fuzzy dual Kalman filter, FDKF）算法。该算法首先将一阶电阻-电容（resistor-capacitance, RC）等效模型转换为自回归各态历经（autoregressive exogenous, ARX）模型的形式,用卡尔曼滤波（Kalman filter, KF）算法更新转换后模型的参数,且在SOC估算的过程中获取电流与电流变化量的数据,并通过建立模糊控制系统调整观测噪声的协方差值来抵消模型误差。结果表明:FDKF算法在某储能工况下估算误差的最大值为0.39%,小于EKF算法的3.92%和双卡尔曼滤波（dual Kalman filter, DKF）算法的1.12%,可见FDKF该算法能够有效地提升SOC估算的精度。

  • 2021-05-06
  • 阅读504
  • 下载0
  • 6页
  • pdf

基于改进混合蛙跳算法的氧量对象模型辨识_孙宇贞

针对混合蛙跳算法易早熟、寻优精度低的缺陷,将混沌初始化和局部变异高斯因子引入混合蛙跳算法,进行种群初始化和局部搜索的改进。将改进后的混合蛙跳算法用于火电厂过程模型辨识,以某1 000 MW火电机组双输入单输出的尾部烟气含氧量模型为辨识对象进行系统辨识。结果表明:与混合蛙跳算法相比,改进的混合蛙跳算法种群遍历性更广,局部搜索更快,能够避免陷入局部最优解,全局寻优能力更强,寻优精度更高,收敛速度更快,稳定性更好。

  • 2021-05-06
  • 阅读514
  • 下载0
  • 6页
  • pdf

不平衡数据集下基于自适应加权Ba_省略__GBDT算法的磁盘故障预测模型_李新鹏

针对磁盘数据集中正负样本数目严重不平衡导致基于机器学习的分类算法易出现故障预测准确率低的问题,本文提出一种基于自适应加权Bagging-GBDT算法的磁盘故障预测模型.首先,提出基于聚类的分层欠采样方法对健康磁盘样本进行多次抽样,解决随机欠采样方法易丢弃潜在有用样本的问题；其次,将每次采样后样本与全部故障磁盘样本组合得到多个样本子集,通过训练这些子集建立多个预测精度较高的GBDT子分类模型；最后,根据待测点邻域样本类别自适应确定各子模型权重,据此通过加权硬投票集成最终的磁盘故障预测模型.在8组KEEL不平衡数据集上实验结果表明,与现有典型不平衡学习算法相比,少数类的召回率平均提升了9.46%；同时在磁盘公开数据集和某调度系统磁盘数据上对比验证了该方法在故障预测率上的先进性.

  • 2021-05-06
  • 阅读514
  • 下载0
  • 6页
  • pdf