作者:刘宇; 惠鸿飞; 路永乐; 亓林; 邹新海; 黎人溥 期刊:《中国惯性技术学报》 2019年第06期
为了利用便携式设备准确监测老年人的跌倒状况,提出了一种基于softmax回归的多种行为模式分类识别方法,设计并实现了基于智能手机终端的远程人体姿态监测系统。首先,构建softmax分类器分析8种日常行为模式下的加速度模值特征,由于跑步时加速度模值与突然跌倒时类似,引入倾斜角特征进行二次判别,从而识别出突然跌倒行为;针对缓慢跌倒行为下加速度模值特征不明显的问题,在softmax分类器中引入躺倒时间特征,通过设置躺倒时间阈值并判...
本文以MNIST数据库为例,用TensorFlow读取数据集中的数据,并建立一个简单的图像识别模型。同时以TensorFlow为工具,写一个手写体数字识别程序,使用的机器方法是Softmax回归。通过把占位符的值传递给会话,计算后运行梯度下降后,可以检测模型训练的结果,得到预测的标签和实际标签,接下来通过tf.equal函数来比较它们是否相等,并将结果保存到correct_prediction中。最后,用tf.reduce_mean可以计算数组中的所有元素的平均值,相当于得到...
作者:孙洁娣; 乔艳雷; 温江涛 期刊:《仪器仪表学报》 2017年第12期
天然气管道泄漏监测正在进入大数据时代,针对传统方法存在的采集数据冗余、特征提取及识别受主观因素影响较大等问题,结合压缩感知与深度学习理论,提出一种在变换域进行泄漏信号的压缩采集、在压缩感知域进行自适应特征提取及识别的智能天然气管道泄漏孔径识别方法。通过随机高斯矩阵获取压缩采集数据,并通过深度学习挖掘测量信号中隐藏的泄漏孔径信息,经稀疏滤波实现特征的自动筛选,最后研究了SOftlTlflX回归实现孔径的高精...
工业设备的故障诊断问题一直是工业界的关注重点。本文提出了一种数据驱动的故障诊断方法,该方法不需要对工业设备的结构和机理有深入了解,只依赖于设备的历史运行数据。该方法以softmax回归模型为基础,能够应用于多类故障的诊断问题中,并且可根据需要采用最小错误率或者最小风险准则进行诊断决策。实验证明,本文提出的故障诊断方法具有较高的准确率,能够符合实际需要。
作者:吕颢; 刘峰; 干宗良; 麦媛玲 期刊:《计算机技术与发展》 2017年第11期
车牌识别技术已经是一项非常成熟的技术。而车牌当中的中文字符由于笔画比较复杂且位置较偏导致拍摄条件受限,得到的车牌中文字符图像质量不佳,往往较难辨认,从而给车牌识别工作尤其是车牌中文字符识别带来了极大困难。文中采用基于费希尔判别准则的字典学习方法来提取中文字符的特征,为了从不同的角度对中文字符提取特征,用不同的训练样本训练三个字典学习模型,将车牌中文字符样本分别通过训练好的三个字典学习模型,从而形...
作者:徐德荣; 陈秀宏; 田进 期刊:《传感器与微系统》 2017年第05期
针对特征学习效果与时间平衡问题,提出了一种快速高效的特征学习方法。将稀疏自编码和Softmax回归组合成一个新的特征提取模型,在提取原始图像潜在信息的基础上,利用多分类器返回值可以反映输入信息的相似程度的特点,快速高效的学习利于分类的特征向量。鉴于标签信息已知,该算法在图像分类效果上明显优于几种典型的特征学习方法。为了使所提算法具有更好的泛化能力,回归模型的损失函数中加入了L2范数防止过拟合,同时,采用随机梯度...
作者:朴乘锴; 袁方; 刘字; 王煜 期刊:《燕山大学学报》 2016年第05期
话题跟踪的目的是将新的新闻数据分配到已知话题中,对把握新闻发展趋势和进行舆情分析具有重要作用。本文深入分析了几种基于向量空间模型的特征项权重算法,发现传统算法没有充分体现特征项中类别信息的作用,在此基础上引入了类别区分度因子对卡方统计量进行改进,给出了加入类别信息的卡方统计量算法,该算法能够更准确地提取出对新闻区分度较大的特征项。同时,在特征项权重的框架内对常用的Softmax线性模型进行了基于余弦假...
作者:王勇 赵俭辉 章登义 叶威 期刊:《计算机工程与应用》 2014年第24期
针对林火与相似目标很难区分的问题,提出一种基于稀疏自编码深度神经网络的林火图像分类新方法。采用无监督的特征学习算法稀疏自编码从无标签图像小块中学习特征参数,完成深度神经网络的训练;利用学习到的特征从原始大小分类图像中提取特征并卷积和均值池化特征;对卷积和池化后的特征采用softmax回归来训练最终softmax分类器。实验结果表明,跟传统的BP神经网络相比,新方法能够更有效区分林火与红旗、红叶等类似物体。
作者:谭娟 王胜春 期刊:《计算机应用研究》 2015年第10期
针对城市道路交通拥堵预警问题,提出了一种基于深度学习的预测模型。通过归纳合并交通流参数、环境状态、时段等基础数据来构建交通流特征向量并确定四种预测状态。采用深度学习的自编码网络方法从无标签数据集中学习获取可表征数据深层特征的隐层参数并生成新特征集。应用Softmax回归对有标签的新特征集进行学习生成预测分类器,模型可对交通拥堵状况进行多态预测。通过仿真对比分析,预测模型具有较省略特征学习的预测算法更好的预...
作者:杨春德 张磊 期刊:《计算机工程与设计》 2015年第10期
针对传统的深度置信网络在数据的特征表达过程中收敛速度较慢、训练时间较长的问题,提出一种非监督学习算法,即自适应深度置信网络,将其应用于图像分类任务中。采用一种自适应步长大小方法,解决训练时对适合的学习率的选择困难,加速训练的收敛性。在MNIST手写数据集上进行测试验证并与多个分类器的性能进行对比分析,实验结果表明,该算法具有更快的收敛速度和良好泛化能力,图像的分类效果得到有效提升。