针对电气设备运行状态图像的特点,提出将支持向量机(SVM)分类器应用于多种电气设备运行状态识别中。首先利用C-均值聚类法,分割出运行状态指示牌的汉字或数字部分;再利用K-L变换提取出运行状态的特征向量;最后利用支持向量机分类方法进行状态识别。试验结果表明:支持向量机分类方法对于小样本情况,具有良好的分类能力,适合多种电气设备运行状态的分类,并能获得比神经网络方法更好的识别性能。不同的分类核函数的相互比较分析表明,Sigmoid核函数最适合电气设备运行状态的分类识别。

为了解决生产中小麦条锈病和叶锈病症状难以区分的问题,提高识别率和精度,提出了一种基于支持向量机和多特征参数的小麦条锈病和叶锈病图像分类识别方法。利用图像裁剪方法获取典型症状的子图像,采用中值滤波算法对图像进行去噪,利用K_means硬聚类算法实现病斑分割,提取病斑区域的形状、颜色和纹理特征空间的50个特征参数,设计支持向量机分类器进行分类识别。根据优选的26个特征参数,利用以径向基函数作为核函数的支持向量机对这2种小麦锈病图像进行识别。结果表明:训练样本识别率均为96.67%,测试样本识别率均为100%;与其他核函数相比,径向基核函数最适合于这2种小麦锈病的识别。所提出的基于支持向量机的方法可...

为实现苜蓿叶部病害的快速准确诊断和鉴别,基于图像处理技术,对常见的4种苜蓿叶部病害(苜蓿褐斑病、锈病、小光壳叶斑病和尾孢菌叶斑病)的识别方法进行探索。对采集获得的899张苜蓿叶部病害图像,利用人工裁剪方法从每张原始图像中获得1张子图像,然后利用结合K中值聚类算法和线性判别分析的分割方法进行病斑图像分割,得到4种病害的典型病斑图像(每张典型病斑图像中仅含有1个病斑)共1 651张。基于卷积神经网络提取病斑图像特征,建立病害识别支持向量机(Support vector machine,SVM)模型。结果表明:

针对在线负面口碑处理特点,文章基于支持向量机理论提出了领域知识水平、情感状态和互动程度三种特征维度的专家用户识别方法以帮助企业处理在线负面口碑。应用向量空间模型计算用户领域知识水平,通过情感词典计算用户情感状态,并引入互动程度特征,以此构建支持向量机分类模型,实现专家识别。实验表明混合特征分类模型可以显著提高在线负面口碑处理专家识别的准确率和总体效果,验证了该方法的有效性。

通过分析切削过程刀具产生的振动信号的特点,引入自回归(AR)模型来表征刀具切削过程的工作状态;并利用隐Markov模型(HMM)对经AR模型处理后得到的特征向量(AR系数)和由FFT得到的特征向量(幅值谱)进行比较.结果表明:对于切削过程产生的振动信号采用AR模型得到的特征参数比由FFT得到的幅值谱更能有效地表征这一过程中刀具的工作状态.

支持向量机(SVM)是由VAPNIK等提出的建立在统计学习理论基础上的一种小样本机器学习方法。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。引入了核函数思想,使它将非线性问题转化为线性问题来解决,降低了算法的复杂度。提出了大型自流灌区运行状况综合评价标准,探讨了利用支持向量机多类分类算法,构建了大型灌区运行状况的综合评价模型。研究表明:该方法简便、客观,并具有较强的实用性,能够正确地对大型灌区运行状况进行综合评价。

【目的】应用计算机图像处理技术提取昆虫图像特征,提出一种新的特征选择技术筛选昆虫识别相关的特征,以准确、快速地识别出鳞翅目昆虫种类。【方法】基于开源的利兹蝴蝶数据集和拍摄的以森林鳞翅目昆虫为主的数据集,采用改进的纹理特征提取算法(DRLBP)提取鳞翅目昆虫图像纹理特征,应用汉明距离计算的粒子间距离度量种群多样性,提出进化过程中自动调整多样性的方法,给出二进制自适应差分进化算法(BADE)。利用BADE算法筛选合适的较小维数的纹理特征子集,并用基于概率协同表示的分类器(PROCRC)进行图像分类。【结果】PROCRC分类器在所有数据集上均展现出良好分类效果,平均识别率分别为81.73%和88.18%。经特征选择后的昆虫的分类精度显著提升,最高提升率达13.49%。BADE的性能高于其他特征选择算法,且经BADE算法特征选择后纹理数据集的维数和分类所需时间均显著下降,其降维率接近50%,时间减少率最高达50%。【结论】BADE算法可有效进行特征选择,提高识别精度,节约模型的识别时间,利用群体智能优化算法对鳞翅目昆虫图像进行特征选择的方法具有可行性,DRLBP和BADE算法相结合的鳞翅目昆虫识别方法在农林昆虫的快速、准确识别中具有广阔应用前景。

内河水运在综合交通运输系统中的作用越来越突出，但随着船舶流量的增大，船闸通过能力的饱和，恶劣气候的频发，内河发生大面积船舶滞留的情况越来越频繁。借鉴国内外学者关于道路交通拥堵识别方法的研究，结合内河船舶交通流特点，运用模糊数学理论，提出了基于不同类型船舶延误敏感性的内河船舶交通拥堵识别模型；在对长江中游地区的航运参与者进行相关调研的基础上，以荆江河段为例运用计算机仿真对拥堵识别模型进行了实验研究，分析不同条件下的船舶拥堵状态变化情况，结论显示船舶拥堵状态与禁航时间和船型比例均相关。

针对电气设备在进行以可靠性为中心的维修时需要评判电气设备的重要性,且评判因素具有模糊性和灰色性的特点,本文在确定影响其重要性的主要因素的基础上,提出了一种基于灰色模糊数学的电气设备重要性分析方法,并以断路器为例,建立了断路器重要性评价体系,通过模糊关系来描述评判因素与重要性等级间的关系、以灰度来表征模糊关系的不可信程度,并进行综合判断。实例表明:该方法行之有效,评判结果可为下一步的维修决策提供科学依据。

在非有效市场中,股市的波动会表现出周期性特征。为深入研究中国股票市场的运行状态及各状态间的转换规律,本文构建马尔可夫转换模型,并借助贝叶斯方法进行相关参数估计以及最优状态数目的确定。以上证综指为对象的实证检验结果表明,中国的股市自建立以来,可以清楚地划分为"稳定牛市"、"震荡牛市"、"鹿市"、"熊市"和"极度波动"这5个状态。在不同状态内部,股市运行呈现出不同的特征,每一状态持续的时间以及向其他状态转换的概率也不相同。

由于配电网运行管理大数据表现出明显的多渠道、多源等规律,可以按照对应的原理来校核数据关键字段,进而辨别、检测各种不良数据,主要是数据自身合理性的校核、电度量和量测量的互校核、不同数据系统间的互校核方法、不同结构数据的互校核等。

基于"城市化均衡理论",通过构建资源型城市的城市化经济供求状态分析模型,借助于Panel Data分析方法,研究我国46座地级以上资源型城市的城市化经济运行状态。依据城市化经济供求关系的横比,将样本城市划分为城市化经济供给大于或小于城市化经济需求的城市化经济运行"非均衡态"与供求相等的城市化经济运行"均衡态"两种类型。通过剖析两种运行态势下城市化经济供求双方的影响因素,提出资源型城市可持续发展的针对性措施。

校园卡系统作为数字化校园建设的一个重要应用,使用人数多,涉及场合广,影响范围大,是其它信息化类应用无法达到的.从各个学校信息化建设情况来看,校园卡系统已经成为学校信息化建设的一个标志性应用.由此校园卡的日常运维则显得尤为重要,如何确保系统稳定可靠,如何确保第一时间发现问题,为运维人员排除故障争取时间,是本文讨论的重点.

【目的】在农业害虫测报中,常常需要从大量的昆虫中识别出几种重要的测报害虫。目前基于图像的农业害虫识别研究,大部分是在有限种类有限样本量基础上进行的农业害虫识别。本研究为了从大量的水稻昆虫图像中识别出9种水稻测报害虫,尝试提出了一种基于多特征融合和稀疏表示的农业害虫图像识别方法。【方法】首先,为了获得最优的农业害虫识别模型,将所有图像进行旋转使昆虫头朝上,按照1﹕2长宽比裁剪图像,使昆虫居中并占据图像大部分区域,将图像进行等比例缩放至统一尺寸48×96像素。提取所有昆虫的HSV颜色特征、局部特征中的HOG特征、Gabor特征和LBP特征。然后,利用单一特征和融合特征分别对训练样本构建过完备字典,字典中的每一个列向量表示一个训练样本,且满足同一类训练样本均在同一个子空间中;应用过完备字典对测试图像进行多特征稀疏表示,通过求解l1范数意义下的优化问题获取稀疏解,使得除测试样本所在的类别外其他的训练样本的系数都是零或接近零的数值。最后,计算稀疏集中指数阈值,用于判断测试样本的有效性,如果测试样本的稀疏集中指数大于该阈值,则认为最小残差所对应的类别即为测试样本的类别,否则认为该测试样本为非测报昆虫。同时,利用相同的特征和训练样本训练SVM分类器对测试样本进行测试,与稀疏表示害虫识别模型进行比较。【结果】利用单一特征训练的稀疏表示害虫识别模型中,基于HOG特征的稀疏表示识别模型获得了9种测报害虫较高的识别率和较低的误检率,分别为87.0%和7.5%;利用颜色特征分别与3种局部特征进行结合获得的稀疏表示识别模型,测试结果表明,基于颜色和HOG特征的稀疏表示识别模型获得了最高的识别率和最低的误检率,分别为90.1%和5.2%;将颜色、HOG和Gabor 3个特征结合获得的稀疏表示识别模型,识别率下降为83.5%,误检率上升为10.3%。利用同样的特征或特征融合训练得到的支持向量机分类器,识别率均低于对应特征获得的稀疏表示识别模型的识别率,而误检率均高于对应特征训练的稀疏表示害虫识别模型的误检率。【结论】基于颜色和HOG融合特征的稀疏表示识别模型获得了较高的农业害虫识别率和较低的误检率;通过稀疏集中指数阈值,有效地排除了非测报昆虫,实现了从大量的农业昆虫中自动识别出需要测报的害虫。

【目的】为解决光照、背景和拍摄尺度等复杂因素对野生动物图像识别准确性的影响。【方法】以野外红外触发相机采集的野生动物图像为对象：1）利用ENA24和NACTI两个公开的野生动物数据集构建包含不相交领域数据集S1和S2，共11个动物类别，包含25 591幅图像；2）针对领域偏移问题，采用ResNet50网络作为特征提取模块构建领域对抗网络，有效减轻了领域偏移；3）引入Wasserstein距离和相关对齐的表征学习网络，建立了基于Wasserstein距离和相关对齐的迁移学习网络，用于特征提取和识别，挖掘迁移性的特征。【结果】采用平均准确率作为评价指标，ResNet50、DDC、DCORAL、DAN、DANN、CDAN、HAN和JTN这8个模型在11种野生动物上的识别表现分别为48.4%、51.6%、49.6%、52.6%、45.2%、50.9%、54.6%和53.5%；在改进残差模块的ResNet50基础上，并引入Wasserstein距离和相关对齐的表征学习网络后，与现有最佳方法相比，11种（类）野生动物的平均准确率提高了2.7%。【结论】基于Wasserstein距离和相关对齐的迁移学习方法在野生动物识别方面的平均准确率达到57.3%；引入Wasserstein距离和相关对齐的表征学习可有效提高野生动物识别模型的准确性。