马春梅
- 作品数：18 被引量：61H指数：5
- 供职机构：天津师范大学计算机与信息工程学院更多>>
- 发文基金：国家自然科学基金天津市自然科学基金博士科研启动基金更多>>
- 相关领域：自动化与计算机技术经济管理交通运输工程更多>>
- 面向异构时序数据的关键帧动态采样行为识别
- 2023年
- 为了解决接触式行为感知数据存在冗余的问题,提出了关键帧动态采样行为识别网络(KDAS)。首先,使用双向长短期记忆(BLSTM)网络搭建行为识别的预处理模块,用于原始感知数据状态的初始化并获得初始行为预测结果;其次,基于每一数据帧的初始化信息,利用BLSTM网络构建关键帧选择网络,通过该网络预测每一数据帧被选中的概率,从而确定关键帧;最后,使用被选中的关键帧再次进行行为预测,并将2次预测结果合并,形成效用函数,用于训练关键帧选择网络。在UCI HAR,Opportunity和UCI mHealth三个公开数据集上进行了实验,实验结果表明,用KDAS能够显著提高行为识别的准确度和F1值。
- 马春梅马春梅史闻东雷祥赵宏
- 关键词：数据冗余
- 基于卷积神经网络多特征联合的车辆识别模型被引量：7
- 2019年
- 车辆识别在智能交通领域中发挥着重要的作用,其可被用于违章抓拍、交通拥堵报警和自动驾驶等众多领域。文中提出结合车辆边缘联合建模的方法进行车辆识别。边缘联合卷积神经网络(E-CNN)通过简单有效的多特征联合方法提高了识别精度和模型收敛速度。为了验证E-CNN的性能,将多特征联合模型与VGG16和GoogLeNet模型进行对比。实验结果表明,所提模型的收敛速度相比VGG16和GoogLeNet有明显的优势,并且在有效时间内识别率达到了99.90%,高于VGG16的99.82%和GoogLeNet的99.35%。
- 刘泽康孙华志马春梅姜丽芬
- 关键词：车辆识别
- 基于智能手机的跌倒行为识别算法研究被引量：4
- 2019年
- 利用智能手机的感知和计算能力,对跌倒行为识别算法进行研究。分析使用多特征传感器识别跌倒行为的必要性,并根据传感器对跌倒行为敏感程度的不同,提出基于主成分分析的多特征选择方法。针对传统K-means算法不能反映数据分布差异的问题,设计基于相对熵的跌倒行为识别算法,利用数据集分布距离进行跌倒行为识别。在真实环境下采集跌倒行为数据对算法性能进行评估,结果表明该算法能较好地识别跌倒行为,识别准确率高达96. 7%。
- 杨晨晨马春梅朱金奇
- 关键词：智能手机主成分分析相对熵
- 城市环境VANETs数据传输及智能安全行驶研究
- 随着汽车工业技术的快速发展，汽车的保有数量与日俱增，随之而来交通事故发生频率也迅猛增加。据统计全世界每天因交通事故死亡人数为3400人，每年受伤或致残人数数千万，直接经济损失5000亿美元。在现代汽车制造技术条件下，汽车...
- 马春梅
- 关键词：智能交通系统车载自组织网络智能手机数据传输城市环境
- 文献传递
- 基于并行交叉PCANet车辆检测算法
- 2018年
- 针对传统机器学习车辆检测算法对复杂场景下车辆检测率低的问题,提出了一种并行交叉PCANet车辆检测算法,该算法使用2条PCANet,用实际车辆图像数据集和卷积神经网络提取的车辆轮廓图像数据集训练2个特征提取器,并且将提取的特征进行融合,作为最终的车辆特征,训练SVM分类器.实验结果表明,相比于传统的车辆检测算法,本文提出的检测算法结构简单,学习更充分,识别效率更高,具有较好的分类效果和检测效果.
- 朱世懂姜丽芬孙华志马春梅
- 关键词：车辆检测SVM卷积神经网络
- 融合实体信息的图卷积神经网络的短文本分类模型被引量：5
- 2023年
- 提出一种融合实体信息的图卷积神经网络模型(ETGCN),用于短文本分类.首先,使用实体链接工具抽取短文本中的实体;然后,利用图卷积神经网络对文档、实体和单词进行建模,丰富文本的潜在语义特征;将学习到的单词节点表示与BERT词嵌入进行拼接,通过双向长短期记忆网络,进一步挖掘文本上下文语义特征,再与图神经网络模型得到的文本特征进行融合,用于分类.实验结果表明,该模型在数据集AGNews、R52和MR上的分类准确率分别为88.38%、93.87%和82.87%,优于大部分主流的基线方法.
- 王佳宇李楹马春梅吴东昊姜丽芬
- 基于车载传感器时空图卷积的驾驶行为识别
- 2023年
- 本文从图(graph)的角度出发,提出基于车载传感器时空图卷积的驾驶行为识别模型.首先,通过挖掘传感器间的关联性构建传感器的图结构;其次,基于时间信息融合策略的不同,提出基于LSTM的层级时空图卷积网络(H-STGCN)和修正的时空图卷积网络(M-STGCN),用于捕捉传感器的时空相关性进行驾驶行为识别;最后,在公开的2个驾驶行为数据集上进行实验,结果表明H-STGCN模型的识别效果优于现有方法.
- 吴东昊马春梅武盼盼孙华志王佳宇房一阁
- 用于车辆识别的深度学习模型的优化
- 2019年
- 在车辆识别模型中,为减小深层卷积神经网络的计算开销,对网络模型参数进行优化,基于实验确定了模型最优参数,从而以较少的网络层数获得较高的车辆识别精度.针对真实拍摄场景车辆图像尺寸较小的问题,使用复制边界的方法减小卷积过程中的像素损失,以提高识别精度.基于车辆公开数据集ImageNet和PKU-VD进行实验,并与现有的高精度模型比较,结果表明,优化后的卷积神经网络的车辆识别精度高达99.74%,优于CNN+Adaboost的97.02%和GoogLeNet-lite的99.35%.
- 刘泽康孙华志姜丽芬马春梅
- 关键词：车辆识别卷积神经网络参数优化
- 一种基于高层特征融合的网络商品分类被引量：5
- 2020年
- 为了利用商品文本标题实现商品自动分类,提出一种基于高层特征融合的商品分类模型.首先,提出基于字嵌入和词嵌入的文本底层特征表示法,进而获得更强的商品标题结构特征表达;其次,提出了联合自注意力、卷积神经网络和通道注意力的机制,对文本标题的底层特征进行增强并获得高层增强特征;最后,通过将文本的字嵌入和词嵌入的高层增强特征进行融合,最终获得商品文本标题的综合特征,并实现商品自动分类.以商品标题语料作为数据集进行了实验,实验结果表明,该模型对三级商品类别的分类精度能够达到84.348%,召回率和F1值分别达到了47.8%和49.4%,优于现有可用于商品文本标题分类的先进短文本分类方法.
- 刘逸琛孙华志马春梅姜丽芬钟长鸿
- 基于时间卷积网络的多项选择机器阅读理解被引量：2
- 2020年
- 机器阅读理解是自然语言处理领域中一项具有挑战性的任务,其旨在回答与文章相关的问题,且需要复杂的语义推理。针对现有机器阅读理解方法提取特征时存在一定程度的信息丢失,且无法捕获全局的语义关系等问题,在时间卷积网络(TCN)的基础上,构建一种多项选择机器阅读理解M-TCN模型。采用注意力机制对文章、问题和候选答案进行匹配,并建立三者之间的内在联系。同时,为提取高层特征以减少信息丢失,利用TCN对匹配表示进行聚合。通过在公开阅读理解RCAE数据集上验证模型的性能,实验结果表明,与现有机器阅读理解模型ElimiNet、MRU、HCM等相比,该模型对正确答案的预测精度达到了52.5%,且综合性能更优。
- 杨姗姗姜丽芬孙华志马春梅
