智能交通中的车型识别技术研究 被引量：2

1

作者 马秀 谭福奎 +1 位作者 李震 李良荣 《电子技术应用》 2020年第5期68-73,共6页

车型识别技术在智能交通系统中发挥着重要的作用,研究了一种基于快速RCNN的车型识别算法。首先通过目标检测网络进行图像检测,并利用卷积特性进行特征提取,经过RPN算法得到建议区域;然后基于框架区域的快速卷积神经网络对车辆进行精细... 车型识别技术在智能交通系统中发挥着重要的作用,研究了一种基于快速RCNN的车型识别算法。首先通过目标检测网络进行图像检测,并利用卷积特性进行特征提取,经过RPN算法得到建议区域;然后基于框架区域的快速卷积神经网络对车辆进行精细化检测,并分割目标区域;最后基于Softmax-SVM集成模型实现车型的识别。实验表明,该算法可以降低计算的多重性,并提高准确度、灵敏度、特异度和精密度。 展开更多

关键词 快速RCNN 车型识别 softmax-svm 识别率 RPN

在线阅读 下载PDF 职称材料

加权KNN的图文数据融合分类 被引量：10

2

作者 康丽萍 孙显 许光銮 《中国图象图形学报》 CSCD 北大核心 2016年第7期854-864,共11页

目的图文数据在不同应用场景下的最佳分类方法各不相同,而现有语义级融合算法大多适用于图文数据分类方法相同的情况,若将其应用于不同分类方法时由于分类决策基准不统一导致分类结果不理想,大幅降低了融合分类性能。针对这一问题,提出... 目的图文数据在不同应用场景下的最佳分类方法各不相同,而现有语义级融合算法大多适用于图文数据分类方法相同的情况,若将其应用于不同分类方法时由于分类决策基准不统一导致分类结果不理想,大幅降低了融合分类性能。针对这一问题,提出基于加权KNN的融合分类方法。方法首先,分别利用softmax多分类器和多分类支持向量机(SVM)实现图像和文本分类,同时利用训练数据集各类别分类精确度加权后的图像和文本正确判别实例的分类决策值分别构建图像和文本KNN模型;再分别利用其对测试实例的图像和文本分类决策值进行预测,通过最邻近k个实例属于各类别的数目确定测试实例的分类概率,统一图像和文本的分类决策基准;最后利用训练数据集中图像和文本分类正确的数目确定测试实例中图像和文本分类概率的融合系数,实现统一分类决策基准下的图文数据融合。结果在Attribute Discovery数据集的图像文本对上进行实验,并与基准方法进行比较,实验结果表明,本文融合算法的分类精确度高于图像和文本各自的分类精确度,且平均分类精确度相比基准方法提高了4.45%;此外,本文算法对图文信息的平均整合能力相比基准方法提高了4.19%。结论本文算法将图像和文本不同分类方法的分类决策基准统一化,实现了图文数据的有效融合,具有较强的信息整合能力和较好的融合分类性能。 展开更多

关键词 图文数据 softmax多分类器 多分类支持向量机 加权KNN 融合分类方法

原文传递

基于三支决策的两阶段实体关系抽取研究 被引量：4

3

作者 朱艳辉 李飞 +2 位作者 胡骏飞 钱继胜 王天吉 《计算机工程与应用》 CSCD 北大核心 2018年第9期145-150,共6页

实体关系抽取作为信息抽取研究的重要研究课题之一,对知识图谱数据层的构建有着重要的意义。提出一种基于三支决策的两阶段分类技术实现实体关系抽取,首先构建SVM三支决策分类器实现第一阶段实体关系抽取,采用softmax多分类函数作为三... 实体关系抽取作为信息抽取研究的重要研究课题之一,对知识图谱数据层的构建有着重要的意义。提出一种基于三支决策的两阶段分类技术实现实体关系抽取,首先构建SVM三支决策分类器实现第一阶段实体关系抽取,采用softmax多分类函数作为三支决策概率函数,然后采用KNN分类器对三支决策分类后的中间域样本进行二阶段分类。以ACE2005的语料作为实验数据,将三支决策两阶段分类结果与传统SVM方法分类结果进行比较,实验结果表明,基于三支决策的两阶段实体关系抽取方法取得了很好的分类效果。 展开更多

关键词 实体关系抽取 三支决策 支持向量机(SVM) K最近邻(KNN) softmax函数

在线阅读 下载PDF 职称材料

基于改进BERT的中文文本分类 被引量：13

4

作者 严佩敏 唐婉琪 《工业控制计算机》 2020年第7期108-110,112,共4页

BERT是近两年提出的最为综合性的语言模型,在各项自然语言处理任务中都有不俗的表现。Softmax分类算法也是最为常用的分类算法,传统的softmax算法在学习同类和不同类样本时,用的是同一种格式,从而学习到的特征的类内和类间的可区分性不... BERT是近两年提出的最为综合性的语言模型,在各项自然语言处理任务中都有不俗的表现。Softmax分类算法也是最为常用的分类算法,传统的softmax算法在学习同类和不同类样本时,用的是同一种格式,从而学习到的特征的类内和类间的可区分性不强。而A-softmax算法在学习同类样本时,增加了同类学习的难度,这样的区别对待会使得特征的可区分性更强。基于此,提出利用A-softmax来替代传统的softmax,从而使BERT模型更好地应用于中文文本分类任务中。并进一步提出将BERT与SVM结合,来探讨深度学习中的语义特征和传统统计特征融合的可行性。模型在相同的语料库上进行实验,结果表明,相比基于传统softmax的文本分类方法,基于A-softmax的中文文本分类的准确率更高,泛化能力更强,具有良好的分类性能,且将BERT与SVM结合比传统SVM分类准确率更高。 展开更多

关键词 中文文本分类 支持向量机 softmax逻辑回归

在线阅读 下载PDF 职称材料

一种改进的卷积神经网络人脸识别算法 被引量：1

5

作者 邱文龙 《现代计算机》 2018年第12期50-53,共4页

针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种简化的卷积神经网络结构,该结构由三个卷积层、三个池化层、一个全连接层和一个分类层组成,在分类层采用串联的Softmax-SVM分类器... 针对经典人脸识别卷积神经网络(CNN)结构中因网络层次设计过深导致计算量大且训练耗时长的问题,设计一种简化的卷积神经网络结构,该结构由三个卷积层、三个池化层、一个全连接层和一个分类层组成,在分类层采用串联的Softmax-SVM分类器进行特征分类。在CAS-PEAL人脸库上的实验结果表明,该网络结构能减少训练时间,有效提高人脸识别的准确率。 展开更多

关键词 人脸识别 卷积神经网络 特征提取 softmax-svm分类器

在线阅读 下载PDF 职称材料

基于卷积神经网络和多类SVM的交通标志识别 被引量：3

6

作者 宋佳蓉 杨忠 +2 位作者 张天翼 韩家明 朱家远 《应用科技》 CAS 2018年第5期71-75,81,共6页

为了实现在复杂环境下具有较高准确率的交通标志识别以及在小样本情况下也能良好工作的识别网络,提出一种基于卷积神经网络和多类SVM的交通标志识别模型。此模型不需人工设计特征提取算法,且在小样本训练集上也能训练出具有较高准确率... 为了实现在复杂环境下具有较高准确率的交通标志识别以及在小样本情况下也能良好工作的识别网络,提出一种基于卷积神经网络和多类SVM的交通标志识别模型。此模型不需人工设计特征提取算法,且在小样本训练集上也能训练出具有较高准确率的分类模型。除此之外,利用迁移学习策略,避免重新初始化卷积神经网络,在节省大量样本与训练时间的同时能有效避免过拟合的发生。实验结果表明,提出的分类模型在小样本训练集上进行训练后得到的模型在实际测试中有较好的表现且对处于复杂背景下和严重畸变的交通标志具有可靠的识别能力和良好分类结果。 展开更多

关键词 交通标志识别 卷积神经网络 深度学习 迁移学习 多类SVM 过拟合 softmax AlexNet

在线阅读 下载PDF 职称材料

基于稀疏自动编码器算法的HBV再激活分类预测模型 被引量：1

7

作者 赵咏旺 刘毅慧 黄伟 《智能计算机与应用》 2019年第2期42-46,共5页

原发性肝癌患者在接受精确放疗后易引起乙型肝炎病毒(HBV)再激活。本文的研究目的就是根据已有的患者临床数据,建立分类预测模型来及时做出预测防护,从而在一定程度上降低HBV再激活的可能性。实验结果表明通过稀疏自动编码器特征提取的... 原发性肝癌患者在接受精确放疗后易引起乙型肝炎病毒(HBV)再激活。本文的研究目的就是根据已有的患者临床数据,建立分类预测模型来及时做出预测防护,从而在一定程度上降低HBV再激活的可能性。实验结果表明通过稀疏自动编码器特征提取的方法可以有效降低数据维度,提高预测准确度。Softmax分类器对一层隐含层的稀疏自动编码器分类性能最优。5折交叉验证下,平均准确率为72.22%。SVM分类器对二层隐含层的稀疏自动编码器分类性能最优。10折交叉验证下,平均准确率为78.52%。 展开更多

关键词 原发性肝癌(PLC) 稀疏自动编码器(SAE) 特征提取 Softmax SVM

在线阅读 下载PDF 职称材料

基于深度置信网络的地表分类算法

8

作者 张哲 郭剑辉 +1 位作者 楼根铨 张文俊 《计算机与数字工程》 2023年第11期2490-2492,共3页

复杂地形环境下的数据特征维度往往较大以及数据不平衡,传统地形识别研究使用的浅层算法如Softmax、支持向量机(Support Vector Machine,SVM)等面对复杂地形时表征能力下降分类精度不理想。论文在研究了传统方法和深度学习理论后,使用... 复杂地形环境下的数据特征维度往往较大以及数据不平衡,传统地形识别研究使用的浅层算法如Softmax、支持向量机(Support Vector Machine,SVM)等面对复杂地形时表征能力下降分类精度不理想。论文在研究了传统方法和深度学习理论后,使用深度置信网络(Deep Belief Network,DBN)与Softmax进行有效结合后应用于地形识别研究,利用中心对称局部二值模式与颜色直方图结合获得特征,实验证明论文提出的算法比传统算法展现了更好的分类效果。 展开更多

关键词 深度信念网络 Softmax 支持向量机 中心对称局部二值模式

在线阅读 下载PDF 职称材料

基于神经网络的大数据分析方法 被引量：5

9

作者 殷芙萍 江秋语 《软件导刊》 2020年第9期39-42,共4页

基于不同视角和情境特征的大数据定义诠释了大数据的5V特性,在扩展大数据价值空间与应用模式的同时催生了以"数据驱动+模型驱动"范式转变为代表的核心问题。为解决大数据分析核心问题,引入神经网络,采用性能优越的卷积神经网... 基于不同视角和情境特征的大数据定义诠释了大数据的5V特性,在扩展大数据价值空间与应用模式的同时催生了以"数据驱动+模型驱动"范式转变为代表的核心问题。为解决大数据分析核心问题,引入神经网络,采用性能优越的卷积神经网络设计对比实验,运用两个公开数据集对其进行训练,并在输出层分别使用L2-SVM和Softmax激活函数。在手写数字识别和彩色图像识别中,L2-SVM的识别错误率分别为0.87%和11.9%。实验结果表明,基于L2-SVM的神经网络大数据分析方法可以获得更高的识别精度。 展开更多

关键词 大数据分析 神经网络 L2-SVM Softmax

在线阅读 下载PDF 职称材料

基于Softmax回归模型的地震灾害损失预测评估研究 被引量：7

10

作者 李云飞 许才顺 +1 位作者 池招招 张飞 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2021年第12期1676-1681,共6页

文章在对地震灾害损失进行等级划分基础上,提出一种利用Softmax回归模型对地震灾害损失进行评估预测的方法。该方法以我国2005—2017年的全国地震数据作为样本集,将震级、震源深度、震中烈度、抗震设防烈度、设计基本地震加速度、灾区人... 文章在对地震灾害损失进行等级划分基础上,提出一种利用Softmax回归模型对地震灾害损失进行评估预测的方法。该方法以我国2005—2017年的全国地震数据作为样本集,将震级、震源深度、震中烈度、抗震设防烈度、设计基本地震加速度、灾区人均GDP、灾区人口、受灾面积等数据作为特征参数,在Softmax回归损失函数中加入权重衰减项后运用梯度下降算法进行求解,采用最小损失函数值对应的模型参数来构建Softmax回归模型,对地震灾害损失等级进行评估和预测。研究结果表明,与支持向量机(support vector machine,SVM)和传统逆向传播(back propagation,BP)神经网络相比,该方法具有更高的地震灾害损失预测精度和能力,其测试精度达到78.571%。 展开更多

关键词 Softmax回归模型 BP神经网络 支持向量机(SVM) 地震灾害 损失预测

在线阅读 下载PDF 职称材料

复杂背景下车型识别分类器 被引量：8

11

作者 张洁 赵红东 +2 位作者 李宇海 闫苗 赵泽通 《激光与光电子学进展》 CSCD 北大核心 2019年第4期166-173,共8页

细粒度车型图像的类间特征差异小,在复杂图片背景中识别干扰因素多。为提高模型在复杂背景中对图像的特征提取能力和识别准确度,提出了基于支持向量机(SVM)和深度卷积神经网络(DCNN)的分类器集成模型Softmax-SVM。它将交叉熵代价函数与h... 细粒度车型图像的类间特征差异小,在复杂图片背景中识别干扰因素多。为提高模型在复杂背景中对图像的特征提取能力和识别准确度,提出了基于支持向量机(SVM)和深度卷积神经网络(DCNN)的分类器集成模型Softmax-SVM。它将交叉熵代价函数与hinge损失函数相结合,代替Softmax函数层,减少了过拟合的发生。同时,设计了一个10层的DCNN提取特征,避免了手工提取特征的难题。实验数据集为复杂背景下的27类精细车型图像,尤其还包含同一汽车厂商的相近车型。实验结果表明,在不进行大量预处理的前提下,Softmax-SVM分类器识别269张测试样本能够获得97.78%的准确率,识别每张样本的时间为0.759s,明显优于传统模式识别方法和未改进前的DCNN模型。因此,基于DCNN的Softmax-SVM分类器能够适应环境的复杂变化,兼顾识别精度与效率,为复杂背景下的细粒度车型分类提供了实际参考价值。 展开更多

关键词 机器视觉 softmax-svm 深度卷积神经网络 复杂背景 细粒度车型

原文传递

柴达木地区枸杞种植区遥感提取方法对比研究 被引量：3

12

作者 雷春苗 肖建设 +3 位作者 史飞飞 郭英香 赵金龙 郑玲 《中国农学通报》 2020年第17期134-143,共10页

枸杞作为柴达木地区特色经济作物之一,利用高分辨率遥感影像开展枸杞种植区识别与提取,有利于政府和农业部门开展市场调控和作物精细化管理。以柴达木典型枸杞种植区诺木洪农场为例,利用随机森林、Softmax、支持向量机、BP神经网络和最... 枸杞作为柴达木地区特色经济作物之一,利用高分辨率遥感影像开展枸杞种植区识别与提取,有利于政府和农业部门开展市场调控和作物精细化管理。以柴达木典型枸杞种植区诺木洪农场为例,利用随机森林、Softmax、支持向量机、BP神经网络和最大似然5种分类器开展农场内不同生长年限枸杞种植区精细化提取,并对结果进行精度验证。结果表明:采用随机森林的分类效果最佳,其总体分类精度达到93.8%,Kappa系数为0.93,采用Softmax、支持向量机和BP神经网络方法也均获得了较高的分类精度,其总体分类精度均达到了86.6%~87.6%,Kappa系数达到0.84~0.86,而最大似然法分类效果最差,其总体分类精度仅为76.9%,Kappa系数为0.73。通过实验利用国产高分辨率卫星结合较优的分类器能够实现包括枸杞等小宗特色经济作物种植区域和种植结构的精细化识别与监测。 展开更多

关键词 柴达木 枸杞 随机森林 Softmax 支持向量机 BP神经网络

原文传递