期刊文献+
共找到271篇文章
< 1 2 14 >
每页显示 20 50 100
基于ASCABC的并行DCNN优化算法
1
作者 胡健 周奇航 毛伊敏 《计算机工程与设计》 北大核心 2025年第4期983-989,共7页
针对大数据环境下并行DCNN存在冗余计算过多、收敛速度慢、参数寻优能力差以及中间数据倾斜等问题提出一种基于Spark和ASCABC的DCNN-SASCABC算法。提出基于冯诺依曼熵的FMC-VNE策略来对特征图进行压缩,降低冗余计算;提出基于自适应人工... 针对大数据环境下并行DCNN存在冗余计算过多、收敛速度慢、参数寻优能力差以及中间数据倾斜等问题提出一种基于Spark和ASCABC的DCNN-SASCABC算法。提出基于冯诺依曼熵的FMC-VNE策略来对特征图进行压缩,降低冗余计算;提出基于自适应人工蜂群算法的MPT-ASCABC策略进行参数初始化,提高DCNN收敛速度与参数寻优能力;提出中间数据分配策略BA-ID重分配中间数据,解决Spark中间数据倾斜的问题。实验结果表明,所提算法提高了大数据环境下模型训练效率。 展开更多
关键词 SPARK 大数据 并行dcnn 冗余数据 自适应人工蜂群算法 参数初始化 数据倾斜
在线阅读 下载PDF
基于1DCNN-SVM的天然气水合物风险防控边界预测方法
2
作者 吕晓方 陈书楷 +5 位作者 徐孝轩 柳扬 钱瑞祥 王传硕 李晓伟 周诗岽 《管道保护》 2025年第1期14-21,共8页
为了保障油气管道的流动安全,准确预测天然气水合物的生成条件非常重要。传统方法依赖于实验经验公式或简单物理模型,但这些方法计算复杂、适用范围有限且精度较低。为此,提出了一种基于一维卷积神经网络(1DCNN)-支持向量机(SVM)的天然... 为了保障油气管道的流动安全,准确预测天然气水合物的生成条件非常重要。传统方法依赖于实验经验公式或简单物理模型,但这些方法计算复杂、适用范围有限且精度较低。为此,提出了一种基于一维卷积神经网络(1DCNN)-支持向量机(SVM)的天然气水合物相平衡预测方法。在实验中,探讨了不同迭代次数对模型性能的影响,确定2000次迭代时模型性能最佳。对比1DCNN-SVM模型与传统SVM、CNN、BP模型和OLGA的预测效果,结果显示1DCNN-SVM模型具有优异的预测性能,R2达到0.9761,MSE为1.8236,MAE为0.5889,均优于其他模型。此外,1DCNN-SVM模型在面对新数据时,表现出良好的适用性与稳定性。该预测方法为油气管道水合物生成的预测、监测预警及防控提供了新的思路。 展开更多
关键词 天然气水合物 相平衡 一维卷积神经网络(1dcnn) 支持向量机(SVM)
在线阅读 下载PDF
基于DCNN的水稻叶瘟病检测与取样装置设计实现 被引量:1
3
作者 李新科 毛含莹 +5 位作者 孙玉瑾 叶冬 邢振国 付坤 张文龙 王远新 《电子制作》 2025年第6期36-41,共6页
水稻叶瘟病是一种高度传染性病害,为及时检测处理以减少对水稻生长和产量造成的危害。本项目基于DCNN,深度卷积神经网络,采用哈弗架构STM32主控芯片、km1机械手臂、激光雷达、球窝关节、Vis-Aud K210芯片等模块与自研分拣、切割结构相结... 水稻叶瘟病是一种高度传染性病害,为及时检测处理以减少对水稻生长和产量造成的危害。本项目基于DCNN,深度卷积神经网络,采用哈弗架构STM32主控芯片、km1机械手臂、激光雷达、球窝关节、Vis-Aud K210芯片等模块与自研分拣、切割结构相结合,搭建检测与取样一体化装置。在精准高效检测出叶瘟病同时,根据所在位置信息,机械手末端利用关节设计自由度优势,实现环境定位,全方位取样、病害判断、分拣最终使得产品在适应田间复杂环境基础上,完成水稻叶瘟病检测任务,实现长期快速动态监控,推进农业智慧化和现代化进程。 展开更多
关键词 dcnn 球窝关节 K210 检测取样结构
在线阅读 下载PDF
基于ABWO的并行DCNN优化算法 被引量:1
4
作者 毛伊敏 刘映兴 《计算机工程与设计》 北大核心 2025年第2期353-359,共7页
针对并行DCNN算法在大数据环境下存在特征差异性较小、模型性能不足、参数更新慢和集群并行效率低等问题,提出一种基于ABWO的并行DCNN优化算法PDCNN-ABWO。提出一种基于自适应密度峰值聚类的特征选择策略FS-ADPC划分原始特征,筛选差异... 针对并行DCNN算法在大数据环境下存在特征差异性较小、模型性能不足、参数更新慢和集群并行效率低等问题,提出一种基于ABWO的并行DCNN优化算法PDCNN-ABWO。提出一种基于自适应密度峰值聚类的特征选择策略FS-ADPC划分原始特征,筛选差异性较大的特征;设计一种ResNet-CBAMDW模型,提升模型性能;提出一种基于自适应黑寡妇优化算法的并行训练策略PT-ABWO优化初始参数,加快参数更新速度;提出一种基于大数据基准测试的动态负载均衡策略DLB-BDB,合理分配任务负载,提升集群并行效率。实验结果表明,该算法能够有效提升DCNN在大数据环境下的训练效率。 展开更多
关键词 大数据 并行深度卷积神经网络算法 密度峰值聚类 自适应黑寡妇优化算法 并行训练 基准测试 负载均衡
在线阅读 下载PDF
基于声学信号的CEEMDAN-1DCNN轴承故障诊断方法 被引量:2
5
作者 李林 王久山 +1 位作者 肖试录 郭遥 《电力机车与城轨车辆》 2025年第4期64-70,共7页
为了更好地提取轴承信号中的主要故障信息,提升轴承故障诊断的准确度,以声学信号为驱动,提出一种自适应噪声完全集合经验模态分解(CEEMDAN)与一维卷积神经网络(1DCNN)相结合的轴承故障诊断方法。通过CEEMDAN方法将原始声学信号分解为若... 为了更好地提取轴承信号中的主要故障信息,提升轴承故障诊断的准确度,以声学信号为驱动,提出一种自适应噪声完全集合经验模态分解(CEEMDAN)与一维卷积神经网络(1DCNN)相结合的轴承故障诊断方法。通过CEEMDAN方法将原始声学信号分解为若干个本征模态函数(IMF)分量,然后计算各个IMF分量与原始信号的皮尔逊相关系数,并基于皮尔逊相关系数对信号进行重构;利用重构信号训练1DCNN,并使用测试集对网络进行验证。结果表明,该方法对轴承故障诊断的准确率达到99.7%,具有良好的效果。 展开更多
关键词 轴承 故障诊断 声学信号 自适应噪声完全集合经验模态分解(CEEMDAN) 一维卷积神经网络(1dcnn)
原文传递
SS-DCNN:基于深度学习预测Na^(+)和K^(+)配体结合残基的优化模型
6
作者 姚雨倩 胡秀珍 +1 位作者 陈少华 唐本俊 《内蒙古工业大学学报(自然科学版)》 2025年第6期569-576,共8页
Na+和K+配体与蛋白质相结合在生命活动中起着重要的作用,因此,准确预测Na+和K+配体结合残基具有重要意义。然而Na+和K+配体结合残基的样本数较少,在提高Na+和K+配体的预测精度方面面临挑战。从片段水平层面和单残基水平层面上选取特征,... Na+和K+配体与蛋白质相结合在生命活动中起着重要的作用,因此,准确预测Na+和K+配体结合残基具有重要意义。然而Na+和K+配体结合残基的样本数较少,在提高Na+和K+配体的预测精度方面面临挑战。从片段水平层面和单残基水平层面上选取特征,并将这2个层面上的特征进行融合,以确保信息的完整性。将SMOTE算法和Self-Attention机制与DCNN算法相结合,提出一种新的集成算法SS-DCNN,有效解决了DCNN算法对小样本预测精度不高和难以捕捉全局特征的局限性。结果表明:将Na+和K+配体的融合特征输入到SS-DCNN算法中,得到5-交叉检验的MCC值分别达到0.8488和0.7409,独立检验的MCC值分别达到0.1695和0.1902,预测结果优于DCNN模型及前人的预测结果。 展开更多
关键词 结合残基 融合特征 Self-Attention机制 SS-dcnn算法
在线阅读 下载PDF
基于双向DCNNs与SN结合的NILD
7
作者 马瑞 杨杰豹 杨嘉其 《山西电子技术》 2025年第2期56-58,共3页
针对卷积神经网络(CNN)对非侵入式负荷分解(non-intrusive load decomposition,NILD)存在负荷分解准确率较低问题,提出了一种基于双向扩张卷积神经网络(Dilated Convolutional Neural Network,DCNNs)与残差连接(skip-connect,SN)协同运... 针对卷积神经网络(CNN)对非侵入式负荷分解(non-intrusive load decomposition,NILD)存在负荷分解准确率较低问题,提出了一种基于双向扩张卷积神经网络(Dilated Convolutional Neural Network,DCNNs)与残差连接(skip-connect,SN)协同运作的NILD方法,该方法首先基于序列到点(Seq2Point)模型,在主表功率序列中采用双向DCNNs进行卷积运算,扩大了感受野并且提取到的特征更全面;其次引入SN将冗余层进行恒等映射,成功解决了网络退化的问题,提高了负荷分解准确率。实验中利用UK-DALE数据集进行验证,结果表明,本文所提方法在MAE和SAE两指标上均有改进。 展开更多
关键词 非侵入式负荷分解 Seq2Point 双向dcnns skip-connect
在线阅读 下载PDF
Combining transformer and 3DCNN models to achieve co-design of structures and sequences of antibodies in a diffusional manner
8
作者 Yue Hu Feng Tao +3 位作者 Jiajie Xu Wen-Jun Lan Jing Zhang Wei Lan 《Journal of Pharmaceutical Analysis》 2025年第6期1406-1408,共3页
AlphaPanda(AlphaFold2[1]inspired protein-specific antibody design in a diffusional manner)is an advanced algorithm for designing complementary determining regions(CDRs)of the antibody targeted the specific epitope,com... AlphaPanda(AlphaFold2[1]inspired protein-specific antibody design in a diffusional manner)is an advanced algorithm for designing complementary determining regions(CDRs)of the antibody targeted the specific epitope,combining transformer[2]models,3DCNN[3],and diffusion[4]generative models. 展开更多
关键词 advanced algorithm diffusion generative models dcnn epitope targeting antibody design complementary determining regions complementary determining regions cdrs transformer models
在线阅读 下载PDF
基于注意力机制的融合式NCP-DCNN短期光伏功率预测方法 被引量:1
9
作者 刘庆 王有军 +4 位作者 张垚 姜继彬 李康 李璘 王平 《智慧电力》 北大核心 2025年第8期62-69,共8页
针对传统短期光伏功率预测模型普遍存在预测精度不足、参数量过大等问题,提出一种融合注意力机制(AM)、神经回路策略(NCP)、密集卷积神经网络(DCNN)的短期光伏功率预测方法。首先,引入皮尔逊相关分析识别影响光伏发电的关键因素,并将其... 针对传统短期光伏功率预测模型普遍存在预测精度不足、参数量过大等问题,提出一种融合注意力机制(AM)、神经回路策略(NCP)、密集卷积神经网络(DCNN)的短期光伏功率预测方法。首先,引入皮尔逊相关分析识别影响光伏发电的关键因素,并将其作为网络输入提高特征学习效率;其次,通过多层卷积操作提取输入数据的局部空间特征,并利用自注意力机制自动聚焦于重要的时间段和区域,增强特征表征能力;最后,结合神经回路策略模块实现特征图在时间维度的特征提取。仿真结果表明,所提方法在不依赖网络参数的情况下具有较高的短期预测精度,可显著降低网络复杂度并提升计算效率。 展开更多
关键词 光伏功率预测 密集卷积神经网络 注意力机制 神经回路策略 短期
在线阅读 下载PDF
基于改进的DCNN人体行为识别 被引量:5
10
作者 周鹏 袁国良 +1 位作者 张颖 孙莉 《传感器与微系统》 CSCD 北大核心 2021年第10期125-128,共4页
在基于可穿戴传感器的人体行为识别领域中,提取原始数据的有效特征和建立合适的分类模型是提高识别准确率的关键。针对上述问题,提出一种改进的深度卷积神经网络(DCNN)模型,在经典的DCNN模型中增加了信号融合单元,并提出一种将时间序列... 在基于可穿戴传感器的人体行为识别领域中,提取原始数据的有效特征和建立合适的分类模型是提高识别准确率的关键。针对上述问题,提出一种改进的深度卷积神经网络(DCNN)模型,在经典的DCNN模型中增加了信号融合单元,并提出一种将时间序列转换成单通道行为图片的方法,由加速度、角速度和俯仰角信号构成的行为图片在经过信号融合单元处理后,可实现跨通道的信息融合,然后提取行为图片的张量特征,实现对行走、奔跑、坐下、躺下、跌倒、跳跃共6种日常行为的识别。实验表明:该方法在UCI开源数据集上的识别率达到97.05%,高于传统分类模型的识别率。 展开更多
关键词 行为识别 信号融合 深度卷积神经网络(dcnn) 融合深度卷积神经网络(F-dcnn)
在线阅读 下载PDF
基于振动图像和DCNN的采煤机滚动轴承故障诊断 被引量:20
11
作者 曹现刚 张国祯 +1 位作者 张鑫媛 张树楠 《煤矿机械》 北大核心 2020年第7期149-152,共4页
在煤矿井下实际工况中,由于开采煤层的起伏,采煤机作业常伴随着噪声干扰以及工作载荷突变的情况,所以采集到的采煤机故障振动信号是非常复杂的,往往掺杂噪声信号的干扰。如何从原始信号中提取到有用的特征信息成为了井下设备故障诊断的... 在煤矿井下实际工况中,由于开采煤层的起伏,采煤机作业常伴随着噪声干扰以及工作载荷突变的情况,所以采集到的采煤机故障振动信号是非常复杂的,往往掺杂噪声信号的干扰。如何从原始信号中提取到有用的特征信息成为了井下设备故障诊断的研究难点。这种情况下难以直接使用一维振动信号进行滚动轴承故障诊断,提出了基于振动图像和动态卷积神经网络(DCNN)的采煤机滚动轴承故障诊断模型,将DCNN对于图像识别的高性能引入采煤机轴承的故障诊断中。测试实验结果表明,该故障诊断模型可实现对滚动轴承多种故障模式的特征分类,验证了该方法的正确性和高效性。 展开更多
关键词 采煤机 dcnn 振动图像 故障诊断
原文传递
基于改进EEMD-MB1DCNN的船用柴油机缸套-活塞环故障诊断 被引量:5
12
作者 王永坚 范金宇 +2 位作者 蔡杭溪 赵凯 吴怡婷 《船海工程》 北大核心 2024年第1期30-35,共6页
针对船用中高速柴油机缸套-活塞环振动信号非线性非平稳性以及同类型不同损伤程度故障发生时振动信号时频域特征相似、故障难以识别等问题,利用振动信号辨识故障,提出一种基于改进集成经验模态分解方法和多模块一维卷积神经网络端到端缸... 针对船用中高速柴油机缸套-活塞环振动信号非线性非平稳性以及同类型不同损伤程度故障发生时振动信号时频域特征相似、故障难以识别等问题,利用振动信号辨识故障,提出一种基于改进集成经验模态分解方法和多模块一维卷积神经网络端到端缸套-活塞环故障诊断方法,通过设计固有模态分量IMF信息质量筛选准则对EEMD分解出的IMFs进行重新排序,获得包含更多凸显故障特征成分的重构信号,输入到上述神经网络模型,通过振动信号分析并与现有方法比较,评估所设计IMF信息质量筛选准则与所搭建模型的性能,试验结果显示该方法能准确、有效地识别缸套-活塞环故障类型。在判断该易损件同类型不同磨损程度故障诊断中有较高的准确率,能对故障状况进行有效的特征提取与故障分类。 展开更多
关键词 船用柴油机 缸套与活塞环 EEMD 1dcnn 故障诊断
在线阅读 下载PDF
基于1DCNN-BiLSTM组合模型的S700K转辙机故障诊断 被引量:12
13
作者 王瑞峰 李扬 《电子测量与仪器学报》 CSCD 北大核心 2022年第11期193-200,共8页
针对S700K转辙机故障诊断有效特征提取困难,信号处理与分类算法难以联合优化的问题,提出了一维卷积神经网络(1DCNN)与双向长短期记忆神经网络(bidirectional long short-term memory, BiLSTM)结合的转辙机故障诊断方法。首先,对微机监... 针对S700K转辙机故障诊断有效特征提取困难,信号处理与分类算法难以联合优化的问题,提出了一维卷积神经网络(1DCNN)与双向长短期记忆神经网络(bidirectional long short-term memory, BiLSTM)结合的转辙机故障诊断方法。首先,对微机监测系统采集的转辙机功率曲线进行处理;其次,通过卷积神经网络(convolution neural networks, CNN)的卷积层和池化层对处理后的数据自适应提取故障特征;再经过扁平层(Flatten)把提取的故障特征作为BiLSTM层的输入,进一步挖掘深层次的特征;最后使用Softmax函数实现智能故障诊断。以某铁路局提供的真实数据验证模型,结果显示所提模型的精确率、召回率和F1值等评价指标分别达到98.99%、98.89%和98.89%,相较于其他经典故障诊断模型,1DCNN-BiLSTM模型在保证训练速度较快的情况下,将故障诊断的准确率至少提升了1.08%。 展开更多
关键词 1dcnn BiLSTM S700K转辙机 故障诊断
原文传递
基于DCNN的人脸特征点检测及面部朝向计算 被引量:6
14
作者 郭克友 马丽萍 胡巍 《计算机工程与应用》 CSCD 北大核心 2020年第4期202-208,共7页
在介绍人脸特征点检测的理论知识的基础上,提出了一种基于深层卷积神经网络(Deep Convolutional Neural Network,DCNN)解决人脸5点特征点(眼角、鼻子、嘴角)预测问题的方法。通过添加更多的卷积层稳定地增加网络的深度,并且在所有层中使... 在介绍人脸特征点检测的理论知识的基础上,提出了一种基于深层卷积神经网络(Deep Convolutional Neural Network,DCNN)解决人脸5点特征点(眼角、鼻子、嘴角)预测问题的方法。通过添加更多的卷积层稳定地增加网络的深度,并且在所有层中使用3×3的卷积滤波器,有效减小参数,更好地解决了人脸特征点检测问题。然后计算双眼角与嘴角所成平面与正视时此平面的单应性矩阵,最后利用等效算法求解驾驶员面部转角。实验结果表明,面部特征点检测准确率达到97.96%,算法在角度判断上的误差是1°~5°,这证明了该算法对注意力分散监测的有效性。 展开更多
关键词 深度卷积神经网络(dcnn) 面部特征点检测 卷积层和池化层 驾驶员面部朝向
在线阅读 下载PDF
结合DCNN与时空语义的教学行为识别与情感可视化分析
15
作者 杨惟萱 《自动化应用》 2025年第20期78-80,84,共4页
随着智能教育的快速发展,深度学习技术已经在智慧课堂中广泛应用。为了更好地获取课堂实时反馈,提出了一种结合深度卷积神经网络(DCNN)与时空语义的教学行为识别模型,并结合光流技术设计表情识别模型。结果表明,行为识别模型、表情识别... 随着智能教育的快速发展,深度学习技术已经在智慧课堂中广泛应用。为了更好地获取课堂实时反馈,提出了一种结合深度卷积神经网络(DCNN)与时空语义的教学行为识别模型,并结合光流技术设计表情识别模型。结果表明,行为识别模型、表情识别模型的准确率、平均识别准确率分别为96.24%、69.45%。该模型能够直观展示教学过程中教师和学生的行为识别和情感情况,为教育者提供更为合适的教学策略。这不仅能够提高教学效率,实时反馈学习效果,还为教育领域带来了创新智能技术。 展开更多
关键词 智慧课堂 深度卷积神经网络 时空语义 行为识别 情感分析
在线阅读 下载PDF
基于改进CEEMDAN-DCNN的声发射源识别分类方法 被引量:1
16
作者 谢学斌 刘涛 张欢 《黄金科学技术》 CSCD 2022年第2期209-221,共13页
声发射源的准确分类识别是声发射地压监测预报预警研究的重要基础。针对矿山井下围岩体声发射事件信号和采掘作业噪声信号分类识别问题,提出了一种基于改进完备总体经验模态分解和深度卷积神经网络(DCNN)的智能识别分类方法。首先,对信... 声发射源的准确分类识别是声发射地压监测预报预警研究的重要基础。针对矿山井下围岩体声发射事件信号和采掘作业噪声信号分类识别问题,提出了一种基于改进完备总体经验模态分解和深度卷积神经网络(DCNN)的智能识别分类方法。首先,对信号进行改进CEEMDAN降噪处理,即利用相关性系数阈值和排列熵(PE)阈值剔除伪分量和噪声分量;然后,利用DCNN对降噪后的信号自动提取高维特征;最后,将特征用于softmax分类器分类识别,实现智能化井下信号源多分类。研究表明:改进CEEMDAN能够有效剔除伪分量及噪声分量;相比其他机器学习方法,改进CEEMDAN-DCNN方法具有准确率高和稳定性较好等优点。信号源识别分类方法研究为地压监测预警预报提供了重要的基础数据,准确的灾害预警预报可为矿山井下作业人员和设备提供安全保障。 展开更多
关键词 声发射监测 波形分类 信号分类识别 改进CEEMDAN 深度卷积神经网络(dcnn) 排列熵(PE)
在线阅读 下载PDF
基于1DCNN和D-S多信息融合的光伏系统直流母线串联电弧故障检测 被引量:5
17
作者 李岩 刘鑫月 +2 位作者 乔俊杰 王毛桃 王鹏 《电工电能新技术》 CSCD 北大核心 2024年第5期58-67,共10页
直流母线是光伏系统输出能源的主干道,由于长期曝晒、风化等作用,电缆、连接器等组件劣化,光伏系统直流母线中发生电弧的可能性急剧上升,极易引发火灾、触电等事故。在光伏系统中,串联电弧故障将使回路电流下降,传统的过流保护无法识别... 直流母线是光伏系统输出能源的主干道,由于长期曝晒、风化等作用,电缆、连接器等组件劣化,光伏系统直流母线中发生电弧的可能性急剧上升,极易引发火灾、触电等事故。在光伏系统中,串联电弧故障将使回路电流下降,传统的过流保护无法识别。因此,本文提出基于深度学习和证据理论(D-S)的方法来识别串联电弧故障,该方法基于并联电容器电流和电压信号,采用一维卷积神经网络(1DCNN)对检测数据进行电弧识别;在此基础上将基于单个传感数据的识别结果作为证据,运用D-S多信息合成法则计算得到信度分配,最后利用决策规则判断是否发生串联电弧故障。搭建多参数可调模型获取数据进行测试,结果表明:使用1DCNN识别方法,基于并联电容器电流和电压信号的串联电弧识别准确率分别为97.19%和94.98%,而基于1DCNN和D-S多信息融合的光伏系统直流串联电弧故障检测的识别准确率可提升至99%以上。 展开更多
关键词 光伏系统 1dcnn 串联电弧故障 D-S多元信息融合 故障检测
在线阅读 下载PDF
基于特征融合进行活动识别的DCNN方法 被引量:2
18
作者 王金甲 杨中玉 《高技术通讯》 CAS CSCD 北大核心 2016年第4期374-380,共7页
研究了输入是可穿戴传感器获得的多通道时间序列信号,输出是预定义的活动的活动识别模型,指出活动中的有效特征的提取目前多依赖于手工和浅层特征学习结构,不仅复杂而且会导致识别准确率下降;基于深度学习的卷积神经网络(CNN)不是对时... 研究了输入是可穿戴传感器获得的多通道时间序列信号,输出是预定义的活动的活动识别模型,指出活动中的有效特征的提取目前多依赖于手工和浅层特征学习结构,不仅复杂而且会导致识别准确率下降;基于深度学习的卷积神经网络(CNN)不是对时间序列信号进行手工特征提取,而是自动学习最优特征;目前使用卷积神经网络处理有限标签数据仍存在过拟合问题。因此提出了一种基于融合特征的系统性的特征学习方法用于活动识别,用Image Net16对原始数据集进行预训练,将得到的数据与原始数据进行融合,并将融合数据和对应的标签送入有监督的深度卷积神经网络(DCNN)中,训练新的系统。在该系统中,特征学习和分类是相互加强的,它不仅能处理端到端的有限数据问题,也能使学习到的特征有更强的辨别力。与其他方法相比,该方法整体精度从87.0%提高到87.4%。 展开更多
关键词 融合特征 多通道时间序列 深度卷积神经网络(dcnn) 活动识别
在线阅读 下载PDF
基于SFM-DCNN的层次特征文本分类研究 被引量:3
19
作者 余本功 王胡燕 《情报科学》 CSSCI 北大核心 2021年第7期99-107,共9页
【目的/意义】对互联网产生的大量文本数据进行有效分类,提高文本处理效率,为企业用户决策提供建议。【方法/过程】针对传统的词向量特征嵌入无法获取一词多义,特征稀疏、特征提取困难等问题,本文提出了一种基于句子特征的多通道层次特... 【目的/意义】对互联网产生的大量文本数据进行有效分类,提高文本处理效率,为企业用户决策提供建议。【方法/过程】针对传统的词向量特征嵌入无法获取一词多义,特征稀疏、特征提取困难等问题,本文提出了一种基于句子特征的多通道层次特征文本分类模型(SFM-DCNN)。首先,该模型通过Bert句向量建模,将特征嵌入从传统的词特征嵌入升级为句特征嵌入,有效获取一词多义、词语位置及词间联系等语义特征。其次,通过构建多通道深度卷积模型,将句特征从多层级来获取隐藏特征,获取更接近原语义的特征。【结果/结论】采用三种不同的数据对模型进行验证分析,采用对比相关的分类方法,SFM-DCNN模型准确率较其他模型分类性能有所提高,这说明该模型具有一定的借鉴意义。【创新/局限】基于文本分类中存在的一词多义、特征稀疏问题,创新性地利用Bert来抽取全局语义信息,并结合多通道深层卷积来获取局部层次特征,但限于时间和设备条件,模型没有进行进一步的预训练,实验数据集不够充分。 展开更多
关键词 文本分类 句向量 层次特征抽取 多通道 SFM-dcnn
原文传递
融合DCNN的面部特征检测在驾驶员危险驾驶中的应用研究 被引量:1
20
作者 王容霞 贺芬 +1 位作者 杨伟煌 赵林玲 《商丘职业技术学院学报》 2022年第2期71-76,共6页
驾驶员疲劳驾驶会增加车辆和行人的交通安全风险.面向BL-DCNN的人脸关键点定位模型,经过精确定位完成嘴巴、眼睛等特征部位的检测.依据定位结果构建融合眼睛闭合时间、眼睛眨眼频率、嘴巴打哈欠状态的疲劳驾驶检测方法,并结合眼睛张角... 驾驶员疲劳驾驶会增加车辆和行人的交通安全风险.面向BL-DCNN的人脸关键点定位模型,经过精确定位完成嘴巴、眼睛等特征部位的检测.依据定位结果构建融合眼睛闭合时间、眼睛眨眼频率、嘴巴打哈欠状态的疲劳驾驶检测方法,并结合眼睛张角完成眼睛状态的识别.BL-DCNN的人脸关键点检测方法的平均误差和检测时间分别为0.061ms和283ms,检测性能优于其他检测方法.融合多特征的疲劳特征检测方法准确率高达94%.本研究提供了一种能识别驾驶员危险状态的方案,为今后道路交通安全的检测提供了参考. 展开更多
关键词 面部特征 人脸关键点 人脸跟踪 dcnn 疲劳驾驶检测
在线阅读 下载PDF
上一页 1 2 14 下一页 到第
使用帮助 返回顶部