【摘 要】
:
工业物联网(IIoT)系统中传感器由于持续使用和正常磨损出现损坏,导致收集和记录的传感数据出现隐性异常。为解决该问题,提出一种基于局部敏感Bloom Filter模型的异常检测算法(LSBF)。首先利用基于空间划分的快速Johnson-Lindenstrauss变换(SP-FJLT)对数据进行哈希映射,然后采用相互竞争(MC)策略进行除噪,最后利用0-1编码构建Bloom Filter。在SIFT
论文部分内容阅读
工业物联网(IIoT)系统中传感器由于持续使用和正常磨损出现损坏,导致收集和记录的传感数据出现隐性异常。为解决该问题,提出一种基于局部敏感Bloom Filter模型的异常检测算法(LSBF)。首先利用基于空间划分的快速Johnson-Lindenstrauss变换(SP-FJLT)对数据进行哈希映射,然后采用相互竞争(MC)策略进行除噪,最后利用0-1编码构建Bloom Filter。在SIFT、MNIST和FMA三个基准数据集上进行仿真实验,LSBF算法的误检率都要低于10%。实验结果表明,所提
其他文献
近年来,随着人工智能的快速发展,基于深度学习的目标检测算法有着越来越广泛的应用,由于深度学习算法在真实环境中的鲁棒性远超过传统视觉算法,更适合应对现实环境中的各种复杂情况。针对疫情防控中口罩佩戴检测存在的问题,本文提出一种基于YOLOv5算法改进的深度学习口罩佩戴实时检测算法,通过对YOLOv5的数据层、网络结构以及损失函数等方面进行优化,使其在保持推理速度不变的基础上使准确率达到88.6%。该算
为了轻松实现利用Windows自带绘图程序绘制图形的操作,本文主要利用MATLAB编程对图形进行任意缩放,再利用灰度阀值对图形进行去噪,并把该去噪方法与其他去噪方法进行对比分析。对比结果表明,该方法明显优于其他去噪方法。
目前,高原牧区养殖牦牛大部分还采用传统放牧方式,需要人工统计牦牛数量,将高原牦牛图像目标检测技术用于日常管理,可减轻牧民的负担。针对高原多变环境下的牦牛放牧场景,利用YOLOv5目标检测网络进行牦牛目标检测。为保证实验的有效性,笔者自行采集并标注了牦牛样本数据。实验结果显示,基于YOLOv5的高原牦牛目标检测方法在检测精度和速率上都取得良好的效果。
传染病是一种能够在人与人之间或人与动物之间相互传播并广泛流行的疾病,对人类的健康和声明造成巨大的威胁。在各种传染病中,蚊虫叮咬是一种主要的传播方式。尤其在广东沿海地区,高温多雨,蚊虫数量非常多。因此,蚊虫数量的检测成为了疾病预防的重要手段之一。本文综合考虑多种监测方式,提出以诱蚊灯为依托,利用图像识别的方式进行蚊子数量快速检测,为进一步的分析提供基础。而且降低了疾病防治数据的人工影响,确保数据的正
人脸识别技术的出现给人们的社会化生活提供了诸多的便利,当前人脸识别技术的应用范围不断拓宽,要实现人脸识别技术在人工智能中更为科学、规范的应用,有必要针对具体的应用领域来加以分析。本文主要就人脸识别技术的概念、发展及具体应用策略展开分析和研究,以期提升人脸识别技术应用的智能水平,更好地满足行业发展需求。
目标检测YOLOv4算法具有一定的通用性,能够开发的目标识别系统比较广泛,但由于先验框是基于COCO数据集,对于不同模型所需的训练时长存在差异。笔者以学生课堂姿态识别系统为背景,探究了YOLOv4目标检测算法通过两种K-means聚类算法改变先验框尺寸对其课堂姿态识别模型训练召回率和精确率,以及对训练速度的影响。
本文设计一个基于图像处理的指纹识别系统,并详细介绍了指纹特征提取和指纹匹配的方法。该系统主要分为4个部分:指纹图像采集、图像预处理、指纹特征提取与指纹匹配。该系统基于MATLAB/GUI平台实现,导入两幅指纹图像,系统可以给出各种预处理的结果和最终的指纹匹配结果。经过大量的图片进行测试,该系统可以很好地实现指纹识别。
通过采集到的农作物叶片图像对病害进行识别具有重要的意义。为能够实现通过采集到的农作物叶片图像对病害进行快速识别,笔者提出一种基于Mobilenet的农作物叶片病害识别方法,利用轻量化卷积神经网络Mobilenet作为特征提取器。该方法在一般CPU上的推理时间为5 ms,在Plant Village数据集上的测试精度达到99.57%。
双管型科氏质量流量传感器输出信号中存在以倍频信号为主的非线性现象,已从数值分析角度进行溯源,本文借助ANSYS有限元分析软件构建全参数化模型,通过仿真实验进一步验证数值模型的可靠性;并通过分析耦合系统中测量管质量、定距板厚度、激励力大小对非线性振动的影响,证明测量管刚度和约束刚度对非线性的抑制有重要影响;进而采用附加质量法改善耦合系统局部刚度来抑制非线性倍频现象,结果显示改善局部刚度可以有效抑制和
传统的机器学习图像识别方法存在很多缺陷,识别图像的正确率低,因此基于改进神经网络设计新的图像识别方法,首先进行图像预处理,然后选择了改进神经网络参数,最后构建了图像识别模型,从而实现图像识别。实验结果表明:设计的图像识别方法的准确率更高,具有一定的应用价值。