- 年份
- 2024(5701)
- 2023(8324)
- 2022(7111)
- 2021(6668)
- 2020(5576)
- 2019(12916)
- 2018(12588)
- 2017(24193)
- 2016(12621)
- 2015(14010)
- 2014(13542)
- 2013(13023)
- 2012(11570)
- 2011(10063)
- 2010(9383)
- 2009(8210)
- 2008(7470)
- 2007(6131)
- 2006(4763)
- 2005(3876)
- 学科
- 济(51504)
- 经济(51451)
- 管理(35436)
- 业(34096)
- 方法(29728)
- 企(28927)
- 企业(28927)
- 数学(26799)
- 数学方法(26357)
- 农(13514)
- 财(12440)
- 业经(11531)
- 中国(11053)
- 学(9909)
- 贸(9718)
- 贸易(9715)
- 易(9533)
- 农业(9231)
- 务(8611)
- 财务(8570)
- 财务管理(8550)
- 技术(8130)
- 企业财务(8106)
- 理论(7930)
- 地方(7740)
- 和(7512)
- 环境(6862)
- 制(6788)
- 划(6390)
- 融(5882)
- 机构
- 大学(170169)
- 学院(169105)
- 管理(71069)
- 济(68107)
- 经济(66947)
- 理学(63325)
- 理学院(62739)
- 管理学(61395)
- 管理学院(61098)
- 研究(50052)
- 中国(36872)
- 京(33723)
- 科学(32282)
- 财(29331)
- 业大(27889)
- 农(27535)
- 财经(25159)
- 中心(24945)
- 所(23366)
- 经(23231)
- 江(22726)
- 研究所(21894)
- 农业(21764)
- 经济学(21695)
- 范(20002)
- 经济学院(19868)
- 北京(19761)
- 师范(19759)
- 财经大学(19362)
- 院(19096)
- 基金
- 项目(129857)
- 科学(104105)
- 基金(98023)
- 研究(90729)
- 家(86214)
- 国家(85607)
- 科学基金(75487)
- 社会(59528)
- 社会科(56643)
- 社会科学(56630)
- 基金项目(52139)
- 自然(51023)
- 省(49998)
- 自然科(49994)
- 自然科学(49982)
- 自然科学基金(49080)
- 教育(42407)
- 划(42096)
- 资助(39955)
- 编号(35202)
- 部(28911)
- 重点(28821)
- 创(27814)
- 发(26301)
- 科研(26252)
- 创新(26039)
- 成果(25997)
- 国家社会(25688)
- 教育部(25177)
- 大学(24561)
共检索到221500条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 林业科学
[作者]
孙钰 脱小倩 蒋琦 张海燕 陈志泊 宗世祥 骆有庆
【目的】设计轻量级神经网络,使用声音识别技术构建钻蛀振动识别模型,自动识别双条杉天牛和臭椿沟眶象幼虫蛀干取食振动,为提高钻蛀性害虫的早期预警能力提供技术支撑。【方法】在接双条杉天牛、臭椿沟眶象幼虫木段中嵌入AED-2010L便携式声音探测仪的SP-1L压电式传感器探头,使用录音笔以音频格式记录钻蛀振动信号。双条杉天牛钻蛀振动、臭椿沟眶象钻蛀振动和无钻蛀振动3种声音信号经端点检测、时间规整操作后,计算对数梅尔声谱作为卷积神经网络学习和识别的数据集。由于钻蛀性害虫取食振动脉冲持续时间短,数据量远小于图像,为避免模型出现过拟合,设计轻量级卷积神经网络Insect Frames,网络包含4层3×3卷积,全连接层前接全局平均池化进一步降低网络参数量。使用不同的中间层特征维度和降维方法,实现4种网络变体结构Insect Frames_1—4。【结果】基于轻量级卷积神经网络的钻蛀振动识别方法可有效监测早期虫害的发生,较准确地识别害虫种类。利用Insect Frames_1—4模型,对双条杉天牛钻蛀振动、臭椿沟眶象钻蛀振动和无钻蛀振动3种信号进行识别,在测试集上的平均识别准确率均达90%以上,CPU上平均识别时间为0.1～1.3 s。Insect Frames_2模型识别准确率达95.83%,较广泛用于虫声识别的高斯混合模型提高34.2%,较传统重量级神经网络Res Net18提高6.94%,时间效率提高171.1倍。【结论】将神经网络和声音识别技术用于幼虫钻蛀振动的自动化侦听,具有高效、简单、成本低等优势,可提升林业钻蛀性害虫的早期预警能力。
关键词：
钻蛀性害虫 神经网络 钻蛀振动 声音识别
[期刊] 南京农业大学学报
[作者]
周罕觅 陈佳庚 代智光 马林爽 秦龙 李纪琛 苏裕民 向友珍
[目的]快速、准确识别植物病害并及时防护是保障作物产量的重要措施。针对现有植物病害识别方法模型参数大、田间复杂背景下识别准确率低的问题，本研究提出一种基于改进ShuffleNetV2的轻量化植物叶病识别模型LWCR-Net（Lightweight Crop Recognition Network）。[方法]首先，在基本特征提取模块中引入残差连接，解决梯度消失问题，使模型能够学习到更复杂的特征表示；然后，引入了CBAM（Convolutional Block Attention Module）注意力机制模块，以增强特征提取和模型利用能力；最后，采用DenseNet121作为教师模型，LWCR-Net作为学生模型，并利用知识蒸馏策略对模型进行训练，以进一步提升模型性能。[结果]试验结果表明，轻量化植物叶病识别模型LWCR-Net的模型大小为2.44 MB；F1值和准确率分别为95.49%和96.16%，较原模型提高了4.89%和3.96%。与DenseNet121、ResNet34、MobileNetV3等其他经典网络对比，LWCR-Net模型不仅达到了较高的识别准确率，且模型参数量较少。[结论]该研究提出的LWCR-Net模型能够实现在田间复杂背景下对植物叶病的准确识别，且模型所需内存较小，方便部署到移动端，为植物叶病智能诊断提供参考。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
葛炳钢 张旭雯 刘岁 杨亚 周铁军 傅冬和
以碧香早品种为材料，通过相机采集不同闷黄时长下的闷黄叶图像共675张，建立了3种闷黄程度的黄茶样本数据集，采用位置变换、随机亮度、增加对比度、添加噪声、随机缩放操作对闷黄叶图像集进行数据增强，运用迁移学习方法，在ImageNet数据集取得MobileNetV3–Large的预训练模型，对迁移网络的所有权重信息进行训练，最终建立了针对黄茶闷黄程度的轻量级卷积神经网络MobileNetV3–Large识别模型，并利用Grad–CAM热力图可视化和置信分数监控黄茶品质的变化。结果表明：经训练后的MobileNetV3–Large模型测试的识别准确率达到98.51%，精确率为99.10%，召回率为98.93%，加权分数为98.20%;MobileNetV3–Large模型的识别准确率高于传统机器学习模型SVM、XGBoost和KNN；通过Grad–CAM热力图可视化显示，MobileNetV3–Large模型在不同的识别场景下能够准确定位并提取闷黄叶特征，准确地识别闷黄程度。可见，MobileNetV3–Large模型有较好的泛化性，可以快速、无损地识别黄茶的闷黄程度。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
葛炳钢 张旭雯 刘岁 杨亚 周铁军 傅冬和
以碧香早品种为材料，通过相机采集不同闷黄时长下的闷黄叶图像共675张，建立了3种闷黄程度的黄茶样本数据集，采用位置变换、随机亮度、增加对比度、添加噪声、随机缩放操作对闷黄叶图像集进行数据增强，运用迁移学习方法，在ImageNet数据集取得MobileNetV3–Large的预训练模型，对迁移网络的所有权重信息进行训练，最终建立了针对黄茶闷黄程度的轻量级卷积神经网络MobileNetV3–Large识别模型，并利用Grad–CAM热力图可视化和置信分数监控黄茶品质的变化。结果表明：经训练后的MobileNetV3–Large模型测试的识别准确率达到98.51%，精确率为99.10%，召回率为98.93%，加权分数为98.20%;MobileNetV3–Large模型的识别准确率高于传统机器学习模型SVM、XGBoost和KNN；通过Grad–CAM热力图可视化显示，MobileNetV3–Large模型在不同的识别场景下能够准确定位并提取闷黄叶特征，准确地识别闷黄程度。可见，MobileNetV3–Large模型有较好的泛化性，可以快速、无损地识别黄茶的闷黄程度。
[期刊] 情报理论与实践
[作者]
王红
为了提高信息查询的效率,本文将自适应谐振神经网络引入中文文档搜索分类之中。在讨论自适应谐振神经网络基本原理的基础上,提出一种新的中文文档的层次聚类算法,从而提高中文文档的分类识别效率。
关键词：
因特网 中文文档 神经网络 模式识别
[期刊] 中南林业科技大学学报
[作者]
陈伟文 邝祝芳 王忠伟
【目的】研究改进经典卷积神经网络模型AlexNet在番茄叶片病害识别中出现的过拟合问题，使之成为识别精度更高，泛化能力更强的网络模型，达到精准识别番茄叶片病害类型的目的。【方法】AlexNetImproved模型采用数据增强与随机失活部分神经元的方法改进了原始AlexNet网络模型出现的过拟合现象，利用PlantVillage数据库中十种类型的番茄数据为数据集对模型进行训练，选取LeNet模型，原始AlexNet模型，VGG16模型作为对比网络模型，采用5种常用的评估指标来评估改后的模型，即混淆矩阵，准确率，精确率，召回率，F1值。与此同时，绘制了训练过程中的训练准确率曲线、验证准确率曲线、训练损失率曲线、验证损失率曲线来直观地显示模型的性能，最后用改进后的网络模型AlexNet-Improved训练所得的权重文件对具体番茄病害叶片进行识别。【结果】1）改进的模型AlexNet-Improved在150个epoch的训练过程中，其训练效果比其他网络模型更好，原AlexNet模型的过拟合问题经过改进后得到了很大的改善。2)AlexNet-Improved的混淆矩阵数据显示，改进后的模型正确识别出的总番茄病害样本数量比其他网络模型更多。3)AlexNet-Improved模型准确率为95.8%，比原模型高2.4%,F1值比原模型高3%。4）具体案例分析发现，改进的模型AlexNetImproved可以准确识别出叶片所患病害类型。【结论】在原AlexNet模型的基础上，通过使用翻转、裁剪操作扩增数据集，在全连接层使用Dropout层随机失活50%的神经元后，改进的模型AlexNet-Improved比其他模型在训练效果、准确性和具体番茄叶片病害识别上均有更好的表现。
[期刊] 西南农业学报
[作者]
苏鸿 温国泉 谢玮 韦幂 王筱东
【目的】研究基于区域卷积神经网络(R-CNN)模型的广西柑橘病虫害识别方法,为提高柑橘重要病症分类和病理检测效率提供参考依据。【方法】设计专用R-CNN模型,采用多层神经网络,通过机器学习算法和神经网络对柑橘黄龙病、红蜘蛛感染和溃疡病等广西柑橘主要病症特征图像进行识别,分析其准确率和空间复杂度。【结果】R-CNN模型对广西柑橘黄龙病的平均识别准确率为95.30%,对红蜘蛛感染的平均识别准确率为90.30%,对溃疡病的平均识别准确率为99.10%,均优于传统机器学习方法中支持向量机算法(SVM)的平均识别准确率(分别为93.20%、88.20%和95.20%),分类效果也优于小型神经网络模型如视觉几何组网络(VGG-19)模型,平均识别准确率分别提高4.25%、4.62%和2.55%。R-CNN模型在较少神经元参数(33层卷积网络)情况下,空间复杂度比SVM和VGG-19模型低,能获得更佳的柑橘黄龙病、红蜘蛛感染和溃疡病识别效果。【结论】R-CNN模型识别是一种对柑橘黄龙病、红蜘蛛感染和溃疡病行之有效的鉴别方法,可在广西柑橘果园大量部署和应用。
[期刊] 上海海洋大学学报
[作者]
王振华 曲念毅 钟元芾 何婉雯 宋巍 黄冬梅
受不规律潮汐的影响,现有的海岛地物类别自动识别方法存在精度低和时效性差等问题,通过改进深度卷积神经网络提出了一种基于遥感影像的海岛快速识别方法:(1)在深度卷积神经网络的卷积层中增设1×1的卷积核作为瓶颈单元,对多波段的遥感影像进行降维;(2)在池化层引入了重采样方法,基于灰度值对海量的遥感影像进行特征压缩。以300景Landsat-8遥感影像为源数据,分别采用CNN、RCNN和本文改进的深度卷积神经网络对遥感影像中的海岛进行识别,实验结果表明:(1)改进的深度卷积神经网络降低了海岛识别的计算耗时,其计算耗时仅为CNN的4.56%和RCNN的5.60%;(2)改进的深度卷积神经网络较CNN和RCNN提高了海岛识别的精度,识别精度分别为96.0%、93.3%和95.0%。结果说明,改进的深度卷积神经网络适用于面向遥感影像的海岛自动识别。
[期刊] 华中农业大学学报
[作者]
张鹏程 余勇华 陈传武 郑文燕 李善军
为提高柑橘害虫识别精准度和防治效果，本研究构建包含10类对柑橘危害程度较重的害虫图像数据集，基于神经网络MobileNetV2与注意力机制ECA开发轻量化且高识别精度的ECA＿MobileNetV2模型，并基于该模型开发一款边缘计算App。将ECA注意力机制嵌入MobileNetV2网络的反残差结构尾部，以增强原网络的跨通道信息交互能力，提升原网络的特征提取能力。测试结果显示，ECA＿MobileNetV2模型对柑橘害虫的分类准确率达到93.63%，相比于MobileNetV2、GoogLeNet和ResNet18模型分别提高了1.68、1.44和2.40个百分点，而模型参数量、浮点运算数和模型大小分别为3.50×10~6、328.06×10~6和8.72 MB，复杂度仅略高于MobileNetV2，可以在手机上以边缘计算的形式运行。研究结果表明，本研究开发的智能识别工具能够对不同种类的柑橘害虫进行快速、有效的分类识别。
[期刊] 情报理论与实践
[作者]
宋新平 吕国栋 申彦 王笑
[目的/意义]大数据环境下，传统的竞争对手识别方法存在局限性，本文针对这种不足提出了一种能够适应大数据环境的竞争对手识别方法。[方法/过程]第一，基于互联网下顾客价值领先战略，从消费者角度出发，选择基于消费者情感特征的竞争对手评价体系；第二，以顾客评论作为数据源，通过对评论文本分析，提取顾客关注的产品特征；第三，基于文本情感分析技术计算企业相应产品特征的顾客情感得分；第四，基于自组织神经网络(SOM)构建竞争对手识别模型，并根据模型结果识别目标企业竞争对手。[结果/结论]使用酒店行业顾客评论数据进行实验，证实了该方法能够在大数据环境下快速、高效、客观地识别企业竞争对手。
[期刊] 清华大学学报(自然科学版)
[作者]
杜晓闯 梁漫春 黎岢 俞彦成 刘欣 汪向伟 王汝栋 张国杰 付起
快速、准确的放射性核素识别可有效地对放射性危险源进行及时的监测预警,对保护人们远离放射源的威胁具有重要意义。该文基于卷积神经网络研究了放射性核素γ能谱的识别。通过溴化镧能谱仪采集16种放射性核素的γ能谱数据,并通过改变放射性核素γ能谱的计数和能谱漂移程度,创建生成大量单核素和双核素γ能谱训练数据,利用自搭建的卷积神经网络开展放射性核素识别模型训练。实验采集其中9种核素及其双核素的混合能谱对核素识别模型开展验证,结果表明:在剂量率约为0.5μSv/h、测量采集时间为60 s时,模型的识别准确率可达92.63%,满足在低剂量率下对放射性核素进行快速识别筛查的需求。
[期刊] 沈阳农业大学学报
[作者]
陈春玲 杨雪 周云成 王俊 朱浩祎 苑婷 于泳
为了实现复杂背景下绝缘子的快速、准确识别,提出了基于卷积神经网络的绝缘子目标识别方法。该方法通过公开数据集ImageNet预训练VGGNet,并将VGGNet作为特征提取网络,预训练后用其参数初始化Faster R-CNN,通过绝缘子数据集再训练,最终用来识别绝缘子目标。此外,为了探究不同卷积网络和不同算法对试验结果的影响,除上述VGGNet和Faster R-CNN以外,还使用了AlexNet和Fast R-CNN来进行对比试验,即对比Fast R-CNN+VGGNet、Faster R-CNN+VGGNet、Faster R-CNN+AlexNet这3种网络。测试结果表明:在使用相同特征网络VGGNet时,Faster R-CNN的各项测试指标均优于Fast R-CNN,在使用相同算法Faster R-CNN时,VGGNet网络的检测指标较为理想,但识别速度稍慢于AlexNet网络。3种网络都能够达到绝缘子目标识别的目的,精确度依次为87.23%、96.66%、93.34%,召回率依次为59.42%、84.06%、49.28%,平均识别时间依次为8.48,2.70,1.40s。观察试验可知,相比其他两种算法Faster R-CNN+VGGNet检测结果较为理想,其精确度分别高出9.43%和3.32%,召回率分别高出24.64%和34.78%,说明该方法可对复杂背景下的绝缘子进行有效识别。
[期刊] 华中师范大学学报(自然科学版)
[作者]
庞世燕 郝京京 胡瀚淳 杨玉芹
教师课堂教学行为是课堂教学活动的重要组成部分，而进行教师的教学行为识别对评价课堂教学质量有着重要意义.该文提出了一种基于时空图卷积神经网络的教师教学行为识别方法，此方法首先以教师教学视频中的单帧影像为单元提取人体骨架点信息，然后以时空图卷积神经网络为框架聚合多帧影像信息，对教师教学行为类别进行识别.为了验证方法的有效性，文章构建了两组包含6大类教师日常教学行为的视频数据集，并进行了对比实验.实验结果表明，基于时空图卷积神经网络的教师教学行为识别方法可以有效排除教室场景内无关信息的干扰，充分利用多帧影像中骨架点间产生的时空信息，来准确识别教师典型教学行为，具有更高准确率和更强的鲁棒性.该文相关研究可以及时、有效地反应教师的教学状态，有助于教师及时优化教学行为，助力智慧教学.
[期刊] 沈阳农业大学学报
[作者]
谷彩连 孙国凯 王立地
工程图纸中电气符号的自动识别是实现电气工程图纸矢量化的基础。提出了提取工程图纸中电气符号的不变特征,把不变特征值输入神经网络进行训练,得到神经网络模型识别旋转、平移、缩放电气元件图元的方法。实验结果表明:所建立的网络模型具有较好的性能。将此方法用于工程图纸的矢量化处理过程,只需识别出电力工程图纸中各个符号的类型,避免了图纸矢量化过程中的跟踪和拟合的过程,因此优化了矢量化流程。
关键词：
不变矩 神经网络 电气符号 模式识别
[期刊] 实验技术与管理
[作者]
吕淑平 黄毅 王莹莹
针对C3D卷积神经网络存在网络结构较浅、输入图像分辨率较低、训练过程中易产生过拟合现象等问题,该文设计了基于C3D卷积神经网络的人体动作识别改进算法。对3D卷积核进行分解,采用时空分离的(2+1)D卷积方式代替3D卷积;加深网络结构,增加一层(2+1)D卷积层和一层3D池化层,使输入图像由16帧112×112提升至32帧224×224;同时在每个(2+1)D卷积层后加入BN层,减少了训练过程梯度弥散。改进后的网络模型相较于原网络以及其他相关方法有更高的识别精度。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
