黄旭
- 作品数：4 被引量：25H指数：3
- 供职机构：湖南大学电气与信息工程学院更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术电气工程机械工程更多>>
- 融合判别式深度特征学习的图像识别算法被引量：10
- 2018年
- 目的卷积神经网络在图像识别算法中得到了广泛应用。针对传统卷积神经网络学习到的特征缺少更有效的鉴别能力而导致图像识别性能不佳等问题,提出一种融合线性判别式思想的损失函数LDloss(linear discriminant loss)并用于图像识别中的深度特征提取,以提高特征的鉴别能力,进而改善图像识别性能。方法首先利用卷积神经网络搭建特征提取所需的深度网络,然后在考虑样本分类误差最小化的基础上,对于图像多分类问题,引入LDA(linear discriminant analysis)思想构建新的损失函数参与卷积神经网络的训练,来最小化类内特征距离和最大化类间特征距离,以提高特征的鉴别能力,从而进一步提高图像识别性能,分析表明,本文算法可以获得更有助于样本分类的特征。其中,学习过程中采用均值分批迭代更新的策略实现样本均值平稳更新。结果该算法在MNIST数据集和CK+数据库上分别取得了99.53%和94.73%的平均识别率,与现有算法相比较有一定的提升。同时,与传统的损失函数Softmax loss和Hinge loss对比,采用LDloss的深度网络在MNIST数据集上分别提升了0.2%和0.3%,在CK+数据库上分别提升了9.21%和24.28%。结论本文提出一种新的融合判别式深度特征学习算法,该算法能有效地提高深度网络的可鉴别能力,从而提高图像识别精度,并且在测试阶段,与Softmax loss相比也不需要额外的计算量。
- 黄旭凌志刚李绣心
- 关键词：DISCRIMINANT损失函数
- 一种新的短路电流预测方法被引量：7
- 2017年
- 为了在智能电网中快速、准确、高效地对短路电流进行预测,提出了一种基于自适应混沌粒子群-反向传播BP神经网络模型的短路电流预测新方法。该方法采用自适应混沌粒子群算法优化BP神经网络各层之间的权值和阈值,将电网中发电机和负荷的出力作为BP神经网络的输入特征量,各节点的短路电流值作为输出特征量,从而建立了考虑各种影响因素的短路电流预测模型。算例结果表明,该方法在预测精度和速度上优于其他几种方法,能为智能调度辅助决策提供有力的技术支持。
- 黄旭何洪英罗滇生曹一家何志军
- 关键词：短路电流
- 改进十字链表的存储方法在短路电流计算中的应用被引量：1
- 2017年
- 节点导纳矩阵是一个稀疏矩阵,短路电流计算需要对导纳矩阵数据进行查询。为了既能保持快速按行列查询元素数值,又进一步提高按数值查询其所在行列的效率,以便于存储调用及后续矩阵的处理,提出构建高度平衡二叉树的改进十字链表方法,即在十字链表存储的基础上,拓展存储数据结点指针域,形成平衡二叉树,将高度维持在(O(log2n)),平均查找长度也可维持在(O(log2n)),大大降低操作时间复杂度,提高数值查询效率。同时,为保证测试结果的公平性,把构建高度平衡二叉树的时间计入总时间,以进行对比。通过相应算例,验证了该改进方法的高效性。
- 何志军何洪英黄旭
- 关键词：十字链表查询
- 基于案例的产品设计系统中程序型知识检索研究及实现被引量：7
- 2006年
- 基于In ternet的计算机辅助工业设计系统,基于案例的计算机辅助工业设计系统研究基础上,结合Case-based Reason ing CBR技术,采用语义隶属度分析的方法,提出了基于设计问题的程序型知识获取模型以及基于相似度计算的程序型知识检索算法,为计算机辅助工业设计提供了一个新的思维方式,并在CB ID系统构建中得到实践与验证。
- 黄旭赵江洪谭浩
