基于 K-means聚类算法的沥青烟电除尘器火花分析

为了保证沥青烟电除尘器的除尘效率、降低除尘设备的火灾风险,采用了K-means聚类的方法分析ESP放电信号。首先将ESP伏安特性曲线的二维空间进行了分割,确定了不同运行状态与聚类中心的关系,然后使用K-means聚类算法计算其聚类中心,最后根据当前ESP输入参数与各个聚类中心欧氏距离的关系,从而判断出ESP是否处于火花放电状态。仿真结果表明该方法可以准确地判断出所有火花放电信号。     

人脸识别技术的优势及在金融行业的应用

正引言作为新兴的朝阳产业和信息安全领域应用主力军,生物识别的发展一直受到国家政府的关注,而移动支付的火热让金融机构和用户意识到了安全的重要性和数据的重要性,理所当然地,生物特征识别和移动支付成为了"亲密的小伙伴"。而苹果iphone5S携带的指纹识别技术在将生物识别应用推向了新高度的同时也引起了全国乃至全世界的热烈讨论。许多人认为,未来随着对身份认证的需求将不断增加,对于数据、隐私的     

大华高清智能球型摄像机助推高清智能网络技术应用普及

正引言随着经济的快速发展和技术的突飞猛进,公共秩序安全、生产安全、财产安全等越来越受到人们的重视,视频监控设备被广泛地被应用在各行业领域。传统的模拟监控系统已经不能满足政府"平安城市"、金融系统、高等教育、监管、监狱、文博等行业对安防的需求。网络化、智能化、数字化、远程化特点的网络视频监控系统则成为新的应用趋势,并形成一个高效、安全、先进的网络视频监控体系。     

和普威视 森林防火专用:双波段热成像摄像机

正北京和普威视在本届安博会上重点展示了HP-TTVC4515-2076热点智能探测告警热成像摄像机,该产品是基于最新的第五代非制冷红外技术和连续变焦红外光学技术开发的远距离热成像摄像机。该产品采用高灵敏度336X256分辨率非制冷型焦平面成像探测器,先进数字电路和图像处理算法可提供细腻平滑的图像;内置智能分析模块,热点检     

浅谈安防行业视频智能分析

视频监控系统作为一种广泛使用的技术防范手段,在城市社会治安综合防控体系建设中发挥着越来越重要的作用。然而在视频监控飞速发展的今天,视频监控画面的海量信息大大超过了人力有效处理的范围已经成为客观事实。传统录像通常只能在“事件”发生之后通过调用录像进行回放取证,一方面损失已经产生不可能挽回,另一方面,通过人工回放录像取证的方式效率十分低下。     

MODIS林火识别算法的验证分析

利用中国境内9起森林火灾事件对MODIS火点识别的理论算法进行验证分析．结果表明：MODIS火点识别的理论算法在中国境内是基本通用的．但受地域和季节变化的影响．应用时可能会遗漏个别低温闷烧的热点;利用火点亮温偏离统计均值标准差的关系来确定阁值．可以避免火点的遗漏;林火点在CH21和CH22上的值比较接近。一般有CH21-CH22〈20K。而噪声点在两个波段上的亮温差异比较大。根据以上知识．提出了改进MODIS林火热点识别算法的建议。     

多词共现分析方法在暴雨-地质灾害应急任务研究中的应用

为快速制定救援行动方案,提出了一种多词共现分析方法将灾害应急任务从历史发生的灾害案例中提取出来的方法。该方法首先利用K-means聚类算法将预处理好的文本进行聚类分析,归纳出应急任务集。然后利用关联规则挖掘Apriori算法提取案例文本中的频繁项集作为共现词集,分析解释共现词集与应急任务之间的关系。最后,运用Gephi软件将共现词语网络可视化,进一步分析应急任务中要素之间的相关关系。以暴雨引发的地质灾害事故为例,对该方法进行了实验,结果表明该方法能有效的将暴雨-地质灾害事故案例文本中的应急任务提取出来,并通过网络可视化分析发现,在救援过程中,应急任务之间是联动配合的一个体系,协调好各个应急任务能缩短应急响应的时间,为制定或完善救援行动方案提供参考。     

环境因素数据质量审核方法研究

目的 解决大气环境试验站的气象数据报表存在数据缺失、数据超过边界、数据内部不一致、数据时间不一致等问题,采用数据质量审核技术找出缺失、可疑或错误的数据,对科研人员进行警示,使其能够追根溯源,分析存在问题的原因。方法 参照相关规程和标准,建立环境因素数据质量审核算法和审核流程,并使用计算机语言编程固化流程和算法,利用多线程算法对数据进行扫描,实现大批量气象数据的并行审核。结果 利用Python语言设计了环境因素质量控制软件,通过该软件的应用证明了该方法合理、有效,能够快速、准确地标注气象数据报表中存在质量问题的数据。利用软件统计了存在问题数据的数量和正确率。结论 通过加载数据测试,证明了环境因素数据质量审核方法和审核流程合理有效,利用设计的审核软件实现了气象数据报表快速审核,提高了审核效率,减少了科研人员的劳动强度,为进一步填补、修正和利用数据奠定了基础。     

基于IAOA-KELM的储气库注采管柱内腐蚀速率预测

针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm, AOA)与核极限学习机(Kernel Extreme Learning Machine, KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降低因子、采用黄金正弦算法缩小搜索空间,提高局部开发能力,利用改进阿基米德优化算法(Improved Archimedes Optimization Algorithm, IAOA)优化KELM正则化系数(C)和核函数参数(γ),进而建立IAOA-KELM储气库注采管柱内腐蚀速率预测模型;使用MATLAB软件运用该模型对某注采管柱内腐蚀数据集进行学习与预测,将IAOA-KELM模型与KELM、粒子群优化算法(Particle Swarm Optimization, PSO)-KELM、AOA-KELM结果进行预测误差对比。结果表明,IAOA-KELM模型的预测值与实际值较为拟合,其E_RMSE为0.65%,E_MAE为0.39%,R²...     

人工智能与专家的故事

人工智能几起几落,一般认为这一轮热潮从2012年开始。这一年,Hinton和他的学生Alex Krizhevsky设计的Alex Net采用深度学习算法,在Image Net图像识别竞赛中获得冠军,图像错误识别率下降10多个百分比,同期的其他神经网络每次的成绩提升很少达到5%,立即引起业界对深度学习的极大关注。之后的两年时间,深度学习网络进一步把整体错误率下降至5%以内,达到了人眼的水平。随后,Google、Micro Soft、Facebook先后开源了自己的深度学习框架Tensorflow、CNTK和Caffe。一时间,国内外涌现了大量的人工智能创业公司。除了深度学习技术,GPU芯片、分布式计算、计算位数压缩等新的优化技术也加快了神经网络的训练和使用效率,人工智能应用从高性能数据中心向嵌入式设备发展。