摘要：针对传统脱机手写汉字识别的过程复杂、精度低,而常用卷积神经网络的特征信息提取不充分,同时存在相同特征信息的重叠和冗余问题。设计了一个特征分组提取融合的深度卷积神经网络模型。通过多级堆叠的特征分组提取模块,提取图像的深层抽象特征信息,并进行特征信息之间的交流融合。利用设计的下采样和通道扩增模块,在降低特征维度的同时保留图像重要信息。将特征信息进行精炼和浓缩,来解决特征信息的重叠和冗余问题。最终训练出的神经网络达到top1当前先进的正确率为97.16%,同时top5正确率为99.36%,并具有很好的泛化能力。

摘要：就模式识别中特征提取和分类决策两个阶段进行了研究 .在特征提取方面 ,提供了一种用于提取图像不同中心频率和方位特征的Gabor滤波器组的设计方法 ;在分类决策算法方面 ,提出了一种基于图像的Gabor滤波特征的特征分组神经网络分类算法 ,该算法将一个复杂的模式识别问题分解为几个简单问题来处理 ,降低了问题的复杂度 ,同时还取得了一定的抗有限带宽噪声的效果 .

摘要：针对传统基于几何特征的运动目标分类识别方法在模式类预定义、特征提取利用和分类器判定策略上的一些细节处理不足,提出一种改进方法。依据目标外轮廓形态差异程度,在模式类下定义子模式类;利用提取出目标的高维度几何特征向量,通过伪划分方式分组得到若干子特征向量,多方面描述目标;通过分类器和子特征向量组计算的结果,利用综合判定机制,得到最终的分类识别结果。利用目标类别的平均识别率指标进行实验,实验结果表明,该方法对预定义的4个模式类有较好效果。

摘要：针对复杂场景下口罩佩戴检测算法存在小目标检测精度低和漏检率高的问题,提出一种基于改进YOLOV5s的口罩佩戴检测模型。融合倒置自适应注意力模块IAAM(inverted adaptive attention module),缓解连续下采样导致的信息丢失问题,同时增强网络的特征融合能力;为了平衡多尺度检测层接收到的有效信息量,设计了通道特征分组模块CFGM(channel feature grouping module),提高了小目标检测精度;结合实际场景中的数据特征,使用EIoU Loss损失函数并取消数据增强中的色彩空间变换。实验结果表明,改进后的模型在检测精度、推理速度和小目标检测能力等方面均有提升,能够完成复杂场景下实时口罩佩戴检测任务。

摘要：提出并行设计环境下蜗杆传动零件的CAPP系统的技术原理与实现方法 ,建立参数化特征信息模型 ,提出关联特征约束推理和特征分组的方法。采用基于特征模型的工艺设计方法 ,使特征模型能较好地应用于蜗杆传动的CAD/CAPP。

摘要：针对现有的在人脸表情识别中应用的卷积神经网络结构不够轻量,难以精确提取人脸表情特征,且需要大量表情标记数据等问题,提出一种基于注意力机制的人脸表情识别迁移学习方法。设计一个轻量的网络结构,在其基础上进行特征分组并建立空间增强注意力机制,突出表情特征重点区域,利用迁移学习在目标函数中构造一个基于log-Euclidean距离的损失项来减小迁移学习中源域与目标域之间的相关性差异。在数据集JAFFE和CK+上的实验结果表明,该方法相比其它人脸表情识别方法具有更优的识别能力。

摘要：在离线签名验证的分类器设计中,为了减少特征向量分布不均和维数过高对实验结果的影响,给出一种多分类器集成的方法。根据特征向量数量级的不同进行分组,各组分类器自适应地确定分类器权重,通过投票表决得出集成判决结果。实验结果表明,通过分组和加权后,分类正确率有明显提高。

摘要：以某电厂锅炉壁温优化运行为例,根据数据聚类特征对参数进行分组,结合Apriori算法,找出与热偏差关联的控制参数项,发掘出敏感参数项。数据挖掘结果与优化调整结果相符,通过规则约束使壁温优化效果提升17%,可为同类电厂运行调整提供借鉴。