导读:本文包含了特征识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:特征,正定,姿态,文本,数据,绝缘子,神经网络。
特征识别论文文献综述
郭卉,姜囡,任杰[1](2019)在《基于MFCC和GFCC混合特征的语音情感识别研究》一文中研究指出针对MFCC滤波器存在语音高频信号泄露的问题,为避免基于MFCC特征对语音进行情感识别时存在有效情感特征丢失的局限性,结合MFCC的高准确性和GFCC的强鲁棒性,提出了基于MFCC与GFCC混合特征训练CNN对语音进行情感识别的方法,有效提高了语音情感识别的准确率,改善了CNN模型的识别性能。实验结果表明,所设计的混合特征识别方法较传统识别方法识别率明显升高并达到了83%,实现了语言情感识别准确率的有效提升。(本文来源于《光电技术应用》期刊2019年06期)
周海峰[2](2019)在《基于用电信息采集特征的窃电行为识别方法》一文中研究指出在对用户窃电行为数据进行分析和处理的基础上,提出了一种基于用电信息采集特征的窃电行为识别方法,通过提取用电信息采集特征数据,构建窃电嫌疑用户识别模型,识别窃电嫌疑用户的窃电行为。通过对比实验可知,所提方法与传统方法相比,其识别结果精确度更高,更适用于实际的电力企业用电管理中。(本文来源于《机电信息》期刊2019年35期)
耿君[3](2019)在《基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型》一文中研究指出文中旨在研究基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型。该模型先将待识别舞蹈视频图像实施腐蚀、膨胀、中心归一化等预处理,利用处理后图像提取舞蹈翻腾姿态能量图,通过离散余弦变换提取舞蹈翻腾姿态能量图频域特征,利用Contourlet变换提取舞蹈翻腾姿态能量图空域轮廓特征,采用特征级融合方法融合以上特征获取舞蹈轮廓图像的空频域特征向量集,再将待识别舞蹈视频序列候选姿态利用Baum-Welch算法训练为隐马尔可夫模型,利用舞蹈轮廓图像的空频域特征向量集将隐马尔可夫模型量化至观察序列,通过前向后向算法获取观察序列姿态概率,观察序列概率值最大的隐马尔可夫模型对应姿态即为所需识别舞蹈翻腾姿态。实验结果表明,该模型可较好地提取具有空频域特征的舞蹈轮廓图像,有效识别舞蹈视频中舞蹈翻腾姿态,且识别100帧有阴影舞蹈视频图像中舞蹈翻腾姿态识别准确率高于96%。(本文来源于《现代电子技术》期刊2019年24期)
王平,夏火松[4](2019)在《P2P负面口碑特征属性挖掘与风险知识识别模型》一文中研究指出P2P负面口碑呈现了投资者抱怨的意见,隐含P2P网贷行业风险,挖掘P2P负面口碑特征能够识别风险知识。文章利用文本挖掘方法,设计了基于负面口碑的网络借贷平台风险知识识别模型。研究发现:负面口碑是识别P2P平台风险的有效路径,能够识别P2P的风险知识。研究结论不仅对深化网络借贷的研究具有理论与方法意义,同时对平台治理、政府监管和投资者风险控制具有实践价值。(本文来源于《武汉纺织大学学报》期刊2019年06期)
姚海芳,路紫,刘劲松[5](2019)在《石家庄正定国际机场航空旅客分布特征识别——基于手机信令数据的研究》一文中研究指出航空旅客分布特征及出行行为是航空网络布局、机场集疏运体系规划的基础.以石家庄市正定国际机场为研究对象,基于手机信令数据对该机场的航空旅客分布特征进行了识别,并对其影响因素进行了剖析.研究发现:①该机场的航空旅客主要来源于河北省(占60%左右),其次是北京市,但所占比例有限(约为6%~7%).②该机场进港、出港旅客的空间分布呈现出以石家庄市为核心的辐射扩张模式,具有明显的交通指向性,说明机场集疏运网络对航空旅客的分布具有重要贡献.③统计分析表明,进港、出港航班数量与进港、出港旅客数量呈显着正相关关系(p<0.001),且进港、出港旅客24 h动态分布特征与航班时刻结构变化同步性较高,这表明航班时刻结构是影响其变化的主要因素,优化航班时刻资源可以吸引更多远距离航空旅客,进而提高该机场的客运量.(本文来源于《西南大学学报(自然科学版)》期刊2019年12期)
曹哲超,王轶骏,薛质[6](2019)在《基于页面标签和文本特征的暗网重要站点识别》一文中研究指出暗网因具有匿名、匿踪等特点,已然成为不法分子的聚集地。近年来,暗网中各种数据泄露事件频出,而这些事件大多来源于市场和论坛。因此,准确识别暗网市场、论坛等重要站点,对于暗网情报的快速获取意义重大,并为进一步监控暗网动态奠定了基础。因此,设计实现了一套暗网空间资源采集系统,用于收集暗网页面资源,并结合验证码/登录页面检测和页面文本特征检测两种方式识别暗网重要站点。实验证明,该检测方法具有良好的分类性能,平均准确率可达96.47%。(本文来源于《通信技术》期刊2019年12期)
高理想,高磊[7](2019)在《基于特征融合的人脸表情识别研究》一文中研究指出针对现有的人脸表情识别方法易受到光照、噪声等因素的影响导致识别率较低的问题,本文提出了一种基于特征融合的人脸表情识别方法。从两方面对表情信息进行描述,通过局部二值模式(LocalBinaryPattern,LBP)和词袋模型(BagOfWords,BOW)分别对表情图像进行纹理特征和语义特征提取,然后将两种特征进行线性融合,最后使用支持向量机(Support Vector Machine,SVM)进行表情分类识别。本文方法在JAFFE和CK+表情数据集上分别取得了98.76%和97.58%的识别率,验证了所提出方法的有效性。(本文来源于《软件工程》期刊2019年12期)
周福,连梨梨,张劲松,吴敏,林雪娟[8](2019)在《基于电子鼻的社区获得性肺炎常见病位间的气味图谱特征识别》一文中研究指出目的:探讨基于电子鼻的社区获得性肺炎(CAP)患者不同病位的口腔呼气的气味图谱特征,为本病的中医诊断提供新的思路和方法。方法:选择201例CAP患者及110名健康者,收集其四诊信息并运用电子鼻采集口腔呼气的气味图谱,分析CAP患者的常见病位证素特点以及其口腔呼气的气味图谱特征。结果:CAP的病位证素出现频数从高到低依次为肺、表、肝、脾;CAP患者与健康者的气味图谱特征辨识:采用KNN聚类方法,其识别准确率最高可达99.19%;CAP患者常见病位的气味图谱特征辨识:采用决策树方法,其识别率最高的是肝组,可达93.03%。结论:运用电子鼻能识别CAP及其不同病位间的口腔气味图谱特征,为该病的临床诊断提供参考。(本文来源于《中华中医药杂志》期刊2019年12期)
韩普,刘亦卓,李晓艳[9](2019)在《基于深度学习和多特征融合的中文电子病历实体识别研究》一文中研究指出电子病历实体识别是医疗领域人工智能和医疗信息服务中非常关键的基础任务.为了更充分地挖掘电子病历中的实体语义知识以提升中文医疗实体识别效果,提出融入外部语义特征的中文电子病历实体识别模型.该模型首先利用语言模型word2vec将大规模的未标记文本生成具有语义特征的字符级向量,接着通过医疗语义资源的整合以及实体边界特征分析构建了医疗实体及特征库,将其与字符级向量相拼接以更好地挖掘序列信息,最后采用改进的Voting算法将深度学习结果与条件随机场(Conditional Random Fields,CRF)的结果加以整合来纠正标签偏置.实验表明,融入外部语义特征的改进模型的F值达到94. 06%,较CRF高出1. 55%.此外,还给出了模型最佳效果的各项参数.(本文来源于《南京大学学报(自然科学)》期刊2019年06期)
吴胜磊,滕松,刘振华,王新宽,迟鹏[10](2019)在《数据驱动的绝缘子积污特征量识别与污秽度预测》一文中研究指出为准确预测复杂环境下输电线路绝缘子污秽度,实现污闪的有效预警,提出数据驱动的绝缘子积污特征量识别与污秽度预测方法。该方法结合改进粗糙集与样本加权方法,基于粒子群算法优化的误差反向传播神经网络,得到绝缘子积污特征量综合量化模型,对影响积污程度的因素进行量化识别。在识别的基础上,构建基于改进粗糙集的特征加权支持向量机,来预测绝缘子污秽程度,识别污闪风险。实例分析表明,该方法完全基于数据驱动,避免人为干预,能实现不同运行环境下绝缘子积污特征量的准确识别。相较于其他方法,所提污秽度预测和风险识别方法更精确,误差更小,具有良好的应用前景。(本文来源于《电力工程技术》期刊2019年06期)
特征识别论文开题报告
(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:
在对用户窃电行为数据进行分析和处理的基础上,提出了一种基于用电信息采集特征的窃电行为识别方法,通过提取用电信息采集特征数据,构建窃电嫌疑用户识别模型,识别窃电嫌疑用户的窃电行为。通过对比实验可知,所提方法与传统方法相比,其识别结果精确度更高,更适用于实际的电力企业用电管理中。
(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。
特征识别论文参考文献
[1].郭卉,姜囡,任杰.基于MFCC和GFCC混合特征的语音情感识别研究[J].光电技术应用.2019
[2].周海峰.基于用电信息采集特征的窃电行为识别方法[J].机电信息.2019
[3].耿君.基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型[J].现代电子技术.2019
[4].王平,夏火松.P2P负面口碑特征属性挖掘与风险知识识别模型[J].武汉纺织大学学报.2019
[5].姚海芳,路紫,刘劲松.石家庄正定国际机场航空旅客分布特征识别——基于手机信令数据的研究[J].西南大学学报(自然科学版).2019
[6].曹哲超,王轶骏,薛质.基于页面标签和文本特征的暗网重要站点识别[J].通信技术.2019
[7].高理想,高磊.基于特征融合的人脸表情识别研究[J].软件工程.2019
[8].周福,连梨梨,张劲松,吴敏,林雪娟.基于电子鼻的社区获得性肺炎常见病位间的气味图谱特征识别[J].中华中医药杂志.2019
[9].韩普,刘亦卓,李晓艳.基于深度学习和多特征融合的中文电子病历实体识别研究[J].南京大学学报(自然科学).2019
[10].吴胜磊,滕松,刘振华,王新宽,迟鹏.数据驱动的绝缘子积污特征量识别与污秽度预测[J].电力工程技术.2019