杭州智诺和北京海鑫合作签约仪式在京举行

日前,杭州智诺英特科技有限公司和北京海鑫智圣技术有限公司合作仪式在北京隆重举行,宣布杭州智诺并购北京海鑫智能安防业务,并在北京成立全资子公司——北京智诺英特科技有限公司。据了解,目前人脸识别技术作为生物识别技术的一种,具有明显的竞     

让我们来“驯化”算法

如果你和数字世界有交互,那么你就会与算法产生联系。我们需要确保这些代码系统了解我们的需求和意图,以便设计出能够体会人类感受且人性化的产品。科技作家克里斯托佛·斯坦纳曾将算法描述为“庞大的决策树,由一个个连续的二元判定组成——一组指令按序执行并获得一个理想的结果。信息经由一个已知算法的处理,产出需要的答案。”     

基于挖掘方法的高处坠落事故时间规律关联规则分析

为充分挖掘事故时间规律与事故致因间的关系,采用文本挖掘和数据挖掘的方法对近几年国内285起高处坠落事故调查报告进行挖掘。挖掘结果表明：物或环境等不安全状态在与人的不安全行为产生交互作用后容易引起安全事故;人的不安全行为与事故发生的时间具有强关联规则且主要发生在人体疲劳程度较大的时间内,这为事故致因研究提供了参考依据。     

基于机器学习的CNG加气站风险预警模型研究

加气站一旦发生事故,不仅会造成人员伤亡和财产损失,而且也会给周边居民乃至社会带来一定的负面影响。借助机器学习技术,构建CNG加气站风险预警模型,对加气站的风险状态进行预警,实现对事故的事前控制。首先建立了加气站风险预警指标体系,以12座加气站为研究对象,采集指标样本数据,通过大数据分析技术构建训练数据集,并采用SMOTE算法解决了样本不均衡问题;然后分别采用决策树、朴素贝叶斯、SVM、KNN等4种机器学习分类算法构建预警模型。研究证明,采用决策树算法和SVM构建的预警模型准确度均达到97.8%,可以对加气站的风险状态进行有效识别和预警。     

基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。     

支持向量机在边坡稳定性预测中的应用

针对离子型稀土原地浸矿边坡稳定性问题的小样本、非线性等特点,采用一种边坡稳定性预测模型——支持向量机(SVM)模型,分别使用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较3种算法得到的参数,确定最适合离子型稀土原地浸矿边坡稳定性预测的SVM回归模型的参数寻优算法。     

面向行为触点的地铁空间疫情传播风险模型研究

为准确辨识地铁空间疫情防控的关键节点,构建了一种基于PageRank算法的地铁空间疫情传播风险模型.通过划分地铁空间与乘客行为样态,以乘客通行行为触点为节点,以乘客行为为边,构建了地铁空间乘客行为轨迹网络;分析初始时刻乘客运动到某空间节点(行为触点)的概率,通过迭代法计算概率的收敛值,即为该空间节点的PageRank值;通过各空间节点PageRank值的排序,划分地铁空间疫情传播风险等级.以汉口火车站地铁站为例进行疫情传播风险分析,结果表明,楼梯、扶梯、站台换乘等空间节点的疫情传染风险较高,站台等待、购票等空间节点的疫情传染风险一般,入站厅、出站厅、安检口、检票口等空间节点的疫情传染风险较低.