类别识别论文-刘思洋,黄坚,刘桂雄,罗文佳

类别识别论文-刘思洋,黄坚,刘桂雄,罗文佳

导读:本文包含了类别识别论文开题报告文献综述及选题提纲参考文献,主要关键词:法定货币,图像识别,深度学习,AlexNet

类别识别论文文献综述

刘思洋,黄坚,刘桂雄,罗文佳[1](2019)在《AlexNet两光照下多类别法定货币识别技术》一文中研究指出基于法定货币在不同光照下局部特征不同,该文研究一种基于AlexNet的两光照下多类别法定货币识别技术。首先,分析自然光照、紫外光照下法定货币图像特征,指出不同光照下法定货币呈现不同的面额、图案等特征;其次,分析AlexNet神经网络模型与研究面向法定货币识别的AlexNet迁移学习方法;最后,在30类别的两光照下不同币种的图像样本库上进行图像识别实验,货币图像识别准确率达到100%,准确实现区分货币币种、光照条件、面额与正反面货币图像功能。与经典货币图像识别方法相比,该法能减少人工提取图像特征的工作量,具有通用性好、准确度高的特点。(本文来源于《中国测试》期刊2019年09期)

王鹏宇,王述红[2](2019)在《四类常见边坡岩石类别识别和边界范围确定的方法》一文中研究指出岩质边坡岩石的分类与边界范围的确定对于边坡稳定性的分析至关重要,目前人工方法效率低且受主观因素影响,所以基于Tensorflow建立了岩质边坡图像集分析的卷积神经网络模型,通过卷积操作和池化操作分别对80000张岩质边坡图像进行特征信息的提取和压缩,然后对网络模型进行训练从而实现了岩质边坡岩石的自动识别与分类;采用训练集和测试集中的岩质边坡图像对模型进行检验分析,训练集准确率达到了98%,测试集准确率达到了90%,显示了训练之后的网络模型具有良好的鲁棒性,达到了理想的训练效果。接下来以边坡不同岩石的颜色为主要区分依据,利用深度学习回归操作对岩质边坡不同种类岩石的范围进行确定,为验证算法效果,选取标准彩色岩质边坡图像进行仿真试验,边界检测效果准确。最终采用深度学习建立的网络模型,实现了岩质边坡岩石识别与边界范围划分的快速化、自动化,为后续将图像识别获取的岩质边坡信息导入团队自主研发的GeoSMA-3D软件中,作为对岩质边坡等级判定的重要参数。(本文来源于《岩土工程学报》期刊2019年08期)

褚逸凡[3](2019)在《基于类别距离损失的残差网络ECG身份识别方法》一文中研究指出随着信息技术的高速发展,个人与组织的数据安全越来越受到人们的重视。为了提高数据与信息的安全性,人们提出了多种身份识别技术。其中,相比于其他传统的身份识别技术,如人脸、指纹等,基于心电信号(Electrocardiographic,ECG)的身份识别技术,由于有着更高的安全隐私性,易获取性,活体检测性与健康信息存储性,具有得天独厚的使用价值和应用前景。然而,国内外学者提出的基于ECG的身份识别方法中均存在着一个严重问题:身份识别模型严重依赖于数据,模型泛化能力低下,对不同环境、不同设备采集的ECG信号,无法达到理想的识别效果。为了解决这个问题,对不同渠道采集的E CG心电信号获取更稳定的身份识别效果,本文提出了 一种基于类别距离损失的残差网络ECG身份识别方法。该方法设计了一种并行多尺度一维残差网络,采用了叁种不同尺寸的卷积核来提取ECG信号中不同长度信号段的细节特征,经实验证明效果好于传统的其他网络结构。此外,为了最大化网络结构的性能,本文还提出了一种新型类别距离损失函数用于网络训练。与传统的softmax损失函数相比,类别距离损失函数更多地关注类内聚合性和类间离散性,使得网络更多地聚焦于特征之间地距离,关注ECG心电信号的内在特征,进而提高整个网络的泛化能力与精度。本文在叁个ECG公开数据集:ECG-ID数据集,PTB诊断数据集与MIT-BIH Arrhythmia数据集上进行了实验,获得了 2.00%,0.59%和4.74的等错误率(EER),且获得了完全相等的等错误率对应阈值,充分证明了本文提出方法优越的泛化能力。此外,叁个数据集上的分类识别成功率分别为98.24%,100%和95.99%,与其他文献中的结果相比,分类效果有了显着的提升,证明了本文提出的方法在保证了泛化性提高的同时,进一步提升了 ECG身份识别的精度。(本文来源于《浙江大学》期刊2019-05-15)

张德顺,胡立辉[4](2019)在《世界物种多样性类别自然遗产OUV表征指标的识别研究》一文中研究指出识别物种多样性OUV表征指标,对于世界物种多样性类别自然遗产价值的认知、评估与监测具有重要意义。在对国内外物种多样性评价体系中具有普适性价值指标的初步筛选与分类的基础上,以206项自然遗产与35项混合遗产为研究对象,通过分析表征指标的频次、相关性、回归贡献值与多维聚类度,构建了以稀有性、多样性、代表性和重要性为主的四大类含13项特征的世界自然遗产物种多样性OUV表征指标体系。其中,重点指标4项即濒危物种、物种丰富度、物种特有度和重要物种,一般指标7项即物种相对多度、物种密度、旗舰物种、地方性物种、珍稀物种、红色名录指数和标志物种,参考指标2项即古老孑遗物种和关键物种。该表征指标体系的构建对于自然遗产价值的认知与保护,特别是物种多样性类别遗产的研究、申报、规划与管理具有现实意义。(本文来源于《中国园林》期刊2019年03期)

朱向荣,李高阳,江靖,谢运河,单杨[5](2019)在《基于多类别的镉稻米近红外光谱识别分析》一文中研究指出采用近红外(NIR)光谱结合化学计量学方法对不同镉污染程度的稻米进行鉴别。首先利用主成分分析(PCA)对样本的NIR光谱进行解析,再用有监督学习算法偏最小二乘识别分析(PLS-DA)、径向基人工神经网络(RBF-ANN)及支持向量机(SVM)对不同污染程度的镉稻米进行定性建模分析。本文还讨论了不同的光谱预处理方法以及建模方法对识别效果的影响。由于NIR光谱差异太小,所以PCA得分图重迭严重,类之间很难区分,PLS-DA、RBF-ANN与SVM模型的预测集鉴别准确率分别为77.1%,67.8%与67.2%,PLS-DA的识别率最高。近红外光谱技术与化学计量学方法虽难以获得预测准确率较高的识别模型,但其预测结果还是可用于超标镉稻米的初步筛查。(本文来源于《中国食品学报》期刊2019年05期)

卢洋,王世刚,赵文婷,赵岩[6](2019)在《基于离散Shearlet类别可分性测度的人脸表情识别方法》一文中研究指出针对优化表情特征稀疏表达问题,提出一种基于离散Shearlet类别可分性测度的人脸表情识别方法。首先,对预处理后的图像进行离散Shearlet变换,得到变换系数。然后,根据测度函数评估每个方向与尺度系数的可分性指标,在最佳可分性方向与尺度上,融合低频和高频系数作为特征。最后,引入支持向量机进行分类。结果证明:本文方法选取具有最佳可分性的尺度和方向系数作为特征,抛弃了无用信息,降低了特征维度与计算量,使系统更高效。(本文来源于《吉林大学学报(工学版)》期刊2019年05期)

张雪松,庄严,闫飞,王伟[7](2019)在《基于迁移学习的类别级物体识别与检测研究与进展》一文中研究指出类别级物体识别与检测属于计算机视觉领域的一个基础性问题,主要研究在图像或视频流中识别和定位出其中感兴趣的物体.在基于小规模数据集的类别级物体识别与检测应用中,模型过拟合、类不平衡和跨领域时特征分布变化等关键问题与挑战交织在一起.本文介绍了迁移学习理论的研究现状,对迁移学习理论解决基于小规模数据集的物体识别与检测中遇到的主要问题的研究思路和前沿技术进行了着重论述和分析.最后对该领域的研究重点和技术发展趋势进行了探讨.(本文来源于《自动化学报》期刊2019年07期)

贾亚飞,朱永利,高佳程,袁博[8](2018)在《基于样本加权FCM聚类的未知类别局部放电信号识别》一文中研究指出针对电力变压器待识别局部放电信号中可能存在不属于已知类别的未知样本的问题,提出了一种基于样本加权模糊C均值(FCM)聚类的未知类别局部放电信号识别方法。对已知类别的局部放电信号进行FCM聚类,确定各已知类的聚类中心;分别计算已知类别和待识别局部放电信号的样本权值,并根据Otsu准则确定样本权值的自适应阈值;将各待识别局部放电信号的权值与确定的阈值进行比较,判断其是否属于已知类别;采用支持向量机(SVM)对得到的属于已知类别的待识别局部放电信号进行分类,对未知类别样本进行人为分析判断。采用所提方法对实验室条件下的放电信号进行分析,实验结果表明,所提方法可以有效地区分待识别局部放电信号中的未知类别样本。(本文来源于《电力自动化设备》期刊2018年12期)

马世伟,刘丽娜,傅琪,温加睿[9](2018)在《采用PHOG融合特征和多类别Adaboost分类器的行为识别》一文中研究指出为了解决类能量图易受人体运动时间和位置移动等因素影响而难以有效描述动作细节特征的问题,本文提出了一种基于类能量图金字塔梯度直方图(PHOG)融合特征和多类别Adaboost分类器的人体行为识别方法。该方法首先对经过躯体配准的运动人体目标轮廓图像构造平均运动能量图(AMEI)和增强的运动能量图(EMEI),分别提取其分层梯度方向直方图(PHOG)特征并进行串联融合,作为一种多层次的行为特征描述;然后使用基于查找表的LUT-Real Adaboost算法设计多类别分类器,实现图像中人体行为动作的识别。实验结果显示其在典型的人体动作数据集DHA上的正确识别率达97.6%,高于其它采用单一特征描述和SVM等分类器的方法。表明该方法将整体与局部特征相结合,可以有效描述不同尺度下的动作细节特征,增强了人体行为特征的描述能力,提高了识别性能。(本文来源于《光学精密工程》期刊2018年11期)

李飞,朱艳辉,王天吉,徐啸,冀相冰[10](2018)在《基于医疗类别的电子病历命名实体识别研究》一文中研究指出基于电子病历命名实体识别对智慧医疗和医疗知识图谱的构建具有重要意义,提出一种基于医疗类别的命名实体识别方法。首先,针对电子病历语料中实体特点进行深度挖掘,将电子病历分为4类医疗类别;然后,对各医疗类别分别构建特征集,并使用条件随机场模型对身体部位、症状和体征、检查与检验、疾病与诊断、治疗等5类命名实体进行命名实体识别;最后,将基于医疗类别特征集识别效果和通用特征集的识别结果进行对比。实验结果表明,基于医疗类别的电子病历命名实体识别效果显着提升,可以满足应用需求。(本文来源于《湖南工业大学学报》期刊2018年04期)

类别识别论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

岩质边坡岩石的分类与边界范围的确定对于边坡稳定性的分析至关重要,目前人工方法效率低且受主观因素影响,所以基于Tensorflow建立了岩质边坡图像集分析的卷积神经网络模型,通过卷积操作和池化操作分别对80000张岩质边坡图像进行特征信息的提取和压缩,然后对网络模型进行训练从而实现了岩质边坡岩石的自动识别与分类;采用训练集和测试集中的岩质边坡图像对模型进行检验分析,训练集准确率达到了98%,测试集准确率达到了90%,显示了训练之后的网络模型具有良好的鲁棒性,达到了理想的训练效果。接下来以边坡不同岩石的颜色为主要区分依据,利用深度学习回归操作对岩质边坡不同种类岩石的范围进行确定,为验证算法效果,选取标准彩色岩质边坡图像进行仿真试验,边界检测效果准确。最终采用深度学习建立的网络模型,实现了岩质边坡岩石识别与边界范围划分的快速化、自动化,为后续将图像识别获取的岩质边坡信息导入团队自主研发的GeoSMA-3D软件中,作为对岩质边坡等级判定的重要参数。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

类别识别论文参考文献

[1].刘思洋,黄坚,刘桂雄,罗文佳.AlexNet两光照下多类别法定货币识别技术[J].中国测试.2019

[2].王鹏宇,王述红.四类常见边坡岩石类别识别和边界范围确定的方法[J].岩土工程学报.2019

[3].褚逸凡.基于类别距离损失的残差网络ECG身份识别方法[D].浙江大学.2019

[4].张德顺,胡立辉.世界物种多样性类别自然遗产OUV表征指标的识别研究[J].中国园林.2019

[5].朱向荣,李高阳,江靖,谢运河,单杨.基于多类别的镉稻米近红外光谱识别分析[J].中国食品学报.2019

[6].卢洋,王世刚,赵文婷,赵岩.基于离散Shearlet类别可分性测度的人脸表情识别方法[J].吉林大学学报(工学版).2019

[7].张雪松,庄严,闫飞,王伟.基于迁移学习的类别级物体识别与检测研究与进展[J].自动化学报.2019

[8].贾亚飞,朱永利,高佳程,袁博.基于样本加权FCM聚类的未知类别局部放电信号识别[J].电力自动化设备.2018

[9].马世伟,刘丽娜,傅琪,温加睿.采用PHOG融合特征和多类别Adaboost分类器的行为识别[J].光学精密工程.2018

[10].李飞,朱艳辉,王天吉,徐啸,冀相冰.基于医疗类别的电子病历命名实体识别研究[J].湖南工业大学学报.2018

标签:;  ;  ;  ;  

类别识别论文-刘思洋,黄坚,刘桂雄,罗文佳
下载Doc文档

猜你喜欢