设计应用-AET-电子技术应用

基于方面情感的层次化双注意力网络[人工智能][信创产业]

基于深度学习的方面级情感分析，结合注意力机制的神经网络模型取得较好的分类效果，但常用方法仅考虑单一层面注意力机制，且无法获取句子间依赖关系。设计了一种层次化的双注意力神经网络模型用于方面级情感分析，针对特定方面引入方面目标的注意力机制以及文本上下文自注意力机制，获取方面特征信息和句子的全局依赖信息；设计层次化GRU网络，其中单词层嵌入特定方面信息，获取针对方面目标的句子内部特征信息，句子层网络通过双注意力机制和词语层的输入，获取句子间的特征依赖信息，从而实现深层次的方面情感分类。在SemEval 2014两个数据集和Twitter数据集上进行对比实验，验证了该方法的有效性，针对方面级情感，分类准确率均得到了有效提升。

发表于：2020/12/15 下午5:16:25

基于疲劳驾驶的人眼定位方法研究[人工智能][工业自动化]

人眼定位是疲劳驾驶的研究关键。由粗到精，先后进行了人脸检测、瞳孔定位。针对现有方向梯度直方图人脸检测算法泛化能力不佳的问题，提出了一种基于信息熵加权的HOG特征提取算法，该算法将待分类的人脸特征进行信息熵阈值加权，形成新的HOG特征，然后通过支持向量机进行分类；针对现有瞳孔定位算法准确率不高的问题，提出了多算法协同工作的瞳孔定位方法，以自商图为基准寻找二值分割点，实现了眼部区域光照不变性，以灰度积分投影为依据实现了瞳孔精确定位。实验结果表明，该文提出的人脸检测算法在CelebA验证数据集准确率可达到98.26%，较传统识别方法有更高的准确率；而瞳孔定位算法也可达到令人满意的精确度，提高了瞳孔定位的准确性。

发表于：2020/12/15 下午5:08:50

基于频域注意力时空卷积网络的步态识别方法[模拟设计][信创产业]

为了解决步态信息冗余多、特征重要性分布不均匀以及步态的时空特征难以学习的问题，提出了基于频域注意力的时空卷积网络进行步态识别。该方法改进了三维卷积网络(C3D)学习时空特征，同时提出了一种频域注意力卷积操作，既减少了冗余计算，注意力的调整又提高了学习效果。网络首先将步态信息划分为五组，然后通过改进的卷积进行时空特征抽取，最后通过Softmax层进行分类。在中科大数据集CASIA dataset B中进行测试，在Bag状态与Coat状态下准确率分别为88.5%、92.8%，分别较传统深度卷积网络(Deep CNN)提升3%左右，同时注意力在网络学习中重新分布，各个角度下的准确率也平均提升2%左右。

发表于：2020/12/15 下午4:58:35

基于双流卷积神经网络和生成式对抗网络的行人重识别算法[人工智能][信创产业]

近年来，针对行人重识别问题的深度学习技术研究取得了很大的进展。然而，在解决实际数据的特征样本不平衡问题时，效果仍然不理想。为了解决这一问题，设计了一个更有效的模型，该模型很好地解决了目标的不同姿态的干扰以及数据集中的图片数量不足的问题。首先，通过迁移姿态生成对抗网络生成行人不同姿势的图片，解决姿态干扰及图片数量不足的问题。然后利用两种不同的独立卷积神经网络提取图像特征，并将其结合得到综合特征。最后，利用提取的特征完成行人重识别。采用姿势转换方法对数据集进行扩展，有效地克服了由目标不同姿势引起的识别误差，识别错误率降低了6%。实验结果表明，该模型在Market-1501和DukeMTMC-Reid上达到了更好的识别准确度。在DukeMTMC-Reid数据集上测试时，Rank-1准确度增加到92.10%，mAP 达到84.60%。

发表于：2020/12/15 下午4:44:29

基于稀疏建模和SVM的管道缺陷分类方法研究[其他][其他]

埋地钢质管道缺陷识别及评估是管道检测领域中长期存在的难点之一，而实现对管道缺陷准确分类的前提是管道损伤信号的精准提取，针对埋地管道缺陷信号特征提出一种基于稀疏建模和支持向量机(SVM)的管道缺陷信号提取与识别方法。通过从原始信号中学习获得字典，将该字典采用正则化正交匹配追踪算法构建缺陷信号稀疏模型，并根据压缩感知理论获得信号的特征向量。进一步，采用多分类SVM将缺陷信号的特征向量与管道实际缺陷类型建立映射关系，并通过遗传粒子群优化算法指导SVM参数选取。结果表明：提出的分类方法可实现对管道缺陷损伤程度的准确划分，该方法已经成功通过实验室验证，并成功应用于华北某油田的工程领域检测。

发表于：2020/12/15 下午4:36:09

干线动态协调控制的深度Q网络方法[人工智能][工业自动化]

为有效降低城市交通干线的车均延误与停车次数，将深度Q网络引入干线协调控制，给出了一种干线动态协调控制的DDDQN(Dueling Double Deep Q Network)方法。该方法结合双重深度Q网络与基于竞争架构深度Q网络，并将干线作为整体处理，通过深度神经网络挖掘干线各交叉口协调控制的相关性，基于Q学习进行交通信号控制决策。通过仿真实验，在近饱和流量和干线存在初始排队的情况下，将DDDQN方法与现有绿波方法，以及经典深度Q网络、双重深度Q网络、基于竞争架构深度Q网络的干线协调控制算法进行对比，实验结果表明基于DDDQN的干线动态协调控制算法性能优于其他四种方法。

发表于：2020/12/15 下午4:30:49

基于云平台的压砖设备健康状态分析方法设计[模拟设计][工业自动化]

基于运行数据对压砖设备健康状态进行分析，对于降低设备故障率、提升压砖成品质量具有重要意义。现有方案大多数局限于离线人工分析，实时性差且推广效率低。针对上述问题，基于阿里云机器学习平台设计了压砖设备健康状态分析方法，基于聚类方法构建了压砖设备健康状态模型，在无需先验知识的情况下，对于压砖设备的工作、待机、异常等健康状态实现了建模。进而，将该模型部署于云计算平台上，通过周期性的数据导入与分析实现了压砖设备健康状态的在线分析。最后通过实例证明了该方法的有效性。

发表于：2020/12/15 下午4:30:48

基于机器学习的Modbus_TCP通信异常检测方法研究[模拟设计][工业自动化]

针对工业控制系统中Modbus_TCP协议存在的诸多安全隐患问题，提出了基于机器学习的Modbus_TCP通信异常检测方法，分析了Modbus_TCP报文类型与结构特点，介绍了机器学习中决策树分类模型算法的实现过程，建立了Modbus_TCP协议的模拟通信，使用了Scapy工具构造伪报文实现异常检测。设置了朴素贝叶斯分类模型、逻辑回归分类模型和传统支持向量机分类模型的实验与之对比，并且对模型的准确率、误报率、漏报率和时间性能进行分析。分析结果表明，决策树分类模型准确率高，消耗时间短，具有一定的优越性。

发表于：2020/12/15 下午4:23:58

一种基于UKF的SOC估算方法[其他][汽车电子]

随着新能源汽车市场规模的增长，电池管理系统(Battery Management Systems，BMS)的市场需求也进一步扩大。作为保障电池安全及延长电池寿命的BMS而言，动力锂电池组的荷电状态(State of Charge，SOC)估算是BMS研究的重点。在研究了安时积分法估算SOC时受SOC初始值影响较大，且具有累积误差的问题，以及扩展卡尔曼滤波算法(EKF)估算SOC时收敛较慢的基础上，采用二阶RC等效电路模型对锂电池进行建模分析，针对锂电池各参数受SOC变化的影响，引进无迹卡尔曼滤波(UKF)算法，给出了锂电池的SOC仿真实验。实验结果表明，该种基于UKF的估算方法对SOC的估算更准确，误差更小且收敛速度快，对传统采用定值电池参数BMS的改进具有重要意义。

发表于：2020/12/15 下午4:16:26

基于GWO-SVM算法的物联网入侵检测研究[其他][物联网]

物联网时代悄然而至，然而物联网技术在给人们带来方便的同时，其安全问题也日趋突出。针对物联网存在的网络入侵安全问题，提出GWO-SVM算法实现网络入侵检测。灰狼优化算法(GWO)具有收敛速度快、全局搜索能力强等优点，将GWO用于优化支持向量机(SVM)的参数选择，有助于提升分类模型的准确率。同时通过调整适应度值函数，避免分类模型过拟合。在UNSW-NB15数据集上，将GWO-SVM分类算法与SVM、PSO-SVM、GA-SVM分类算法进行对比，实验结果表明，GWO-SVM算法具有更高的分类准确率和性能，适用于物联网环境下的网络入侵检测。

发表于：2020/12/15 下午4:08:16