摘要：传统数据分析技术无法对动态数据进行分类,造成了分类过程加速较慢的问题.为此,设计基于Python语言的文本数据流自适应分类方法.将网络数据采集过程构建为模型的形式,获取文本数据流信息.将Python语言与网络爬虫技术应用到数据预处理与挖掘过程中,为后续处理提供精准度较高的数据基础.使用半监督学习半聚类分析方法构建分类器,完成文本数据流自适应分类过程.实验结果表明本文方法在提高分类加速度的同时,优化了数据分类结果,具有一定的使用价值.

摘要：针对常规方法识别裂缝图像目标像素时噪声点作为虚假裂缝仍保留在像素区域中,导致建筑混凝土裂缝几何参数识别误差较大的问题,提出一种基于对抗神经网络的建筑混凝土细小裂缝精准识别方法。首先,灰度转换混凝土裂缝原始图像,结合阈值分割和高斯梯度法,区分图像目标和背景;然后,设置裂缝和虚假裂缝判别条件,去除目标像素中的噪声点,利用初始像素框,裁剪筛选后的裂缝像素;最后,将上述像素输入对抗神经网络,获得裂缝类别信息,将建筑混凝土图像裂缝段细化为像素级的骨架,计算建筑混凝土裂缝长度、宽度、面积,结合类别信息、裁剪定位信息和几何参数信息,完成建筑混凝土细小裂缝识别。以三跨连续拱桥混凝土细小裂缝为例设置对比实验。结果表明,设计方法减小了裂缝长度和裂缝宽度识别误差,裂缝几何参数识别结果满足精度要求。