天天捕鱼官方下载
您當前所在的位置:首頁 > 政府數據 > 數據服務

湘西州公共數據資源共享清單(第一批)(算法類)

2020-03-24 15:54 作者:州智慧辦 來源:州智慧辦
【字體:


編碼

算法名稱

算法種類

算法內容及說明

共享類型

提供方式

提供方

更新周期

備注

3013S001

人臉識別服務

圖像識別

提供多種族人臉識別服務;
提供人臉特征屬性識別服務(如性別、表情、戴眼鏡、戴帽子、頭發顏色、胡須等超過40個屬性);
提供側臉、半遮擋、模糊人臉等情況的人臉檢測服務;
支持1:1比對、1N比對、以圖搜圖、人臉碰撞、綜合布控。

有條件共享

平臺對接

視頻綜合服務平臺

每年

需將視頻數據以國標或者SDK方式接入視頻綜合平臺

3013S002

人群分析服務

圖像識別

提供3類人群分析服務(安全防范類、交通疏導類、商業統計類);
提供5類報警事件檢測服務(人群聚集、人群過密、人群混亂、人員逆行、人員滯留)。

有條件共享

平臺對接

視頻綜合服務平臺

每年

需將視頻數據以國標或者SDK方式接入視頻綜合平臺

3013S003

機動車識別服務

圖像識別

提供不少于205種機動車車輛品牌的識別服務;
提供從車頭照片識別車輛子品牌不低于5200種,可從車尾照片識別車輛子品牌不低于3100種的識別服務;
提供車牌顏色、車牌類型、車輛類型識別服務;
提供車輛品牌和子品牌、車輛朝向、副駕是否有人、年檢標數量、其他標志(擺件、掛飾)等識別服務;
提供主駕駛未系安全帶檢測識別;
提供主、副駕駛遮陽板打開檢測識別;
提供駕駛人打手機檢測識別、支持紙巾盒檢測。

有條件共享

平臺對接

視頻綜合服務平臺

每年

需將視頻數據以國標或者SDK方式接入視頻綜合平臺

3013S004

非機動車識別服務

圖像識別

提供非機動車車輛顏色、車輛類型識別服務;
提供非機動車駕駛員上身顏色識別服務;
提供非機動車駕駛員性別、駕駛員頭部標識(眼鏡、帽子、頭盔、口罩)識別服務。

有條件共享

平臺對接

視頻綜合服務平臺

每年

需將視頻數據以國標或者SDK方式接入視頻綜合平臺

3013S005

人體識別服務

圖像識別

提供人體上下身顏色識別服務;
提供人體上身紋理、下身服飾識別服務;
提供人體性別、頭部標識識別服務;
提供人體隨身物品識別服務。

有條件共享

平臺對接

視頻綜合服務平臺

每年

需將視頻數據以國標或者SDK方式接入視頻綜合平臺

3013S006

視頻行為分析服務

圖像識別

提供識別視頻圖像中區域入侵、徘徊檢測、物品遺留、物品移除、拌線檢測等服務。

無條件共享

平臺對接

視頻綜合服務平臺

每年

需將視頻數據以國標或者SDK方式接入視頻綜合平臺

3013S007

廣義線性回歸

回歸

廣義線性模型[generalize dlinear model]的擴展,通過聯結函數建立響應變量的數學期望值與線性組合的預測變量之間的關系。其特點是不強行改變數據的自然度量,數據可以具有非線性和非恒定方差結構。是線性模型在研究響應值的非正態分布以及非線性模型簡潔直接的線性轉化時的一種發展。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S08

保序回歸模型

回歸

保序回歸是特殊的線性回歸,如果業務上具有單調性,這時候就可以用保序回歸,而不是用線性回歸。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S009

線性回歸

回歸

線性回歸是利用數理統計中回歸分析,來確定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法。其表達形式為y = w'x+ee為誤差服從均值為0的正態分布。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S010

邏輯回歸

回歸

logistic回歸是一種二分類算法,將樣本數據的在線性回歸中轉化為預測值,然后映射到Sigmoid 函數中,將值作為x軸的變量,y軸作為一個概率,預測值對應的Y值越接近于1說明完全符合預測結果。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S011

樸素貝葉斯分類模型

分類

貝葉斯分類可以預測類隸屬關系的概率,如一個給定元組屬于一個特定類的概率。樸素貝葉斯分類法假定一個屬性值在給定類上的概率獨立于其他屬性的值。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S012

基于前饋人工神經網絡(ANN)的多層感知器分類器

分類

多層感知器是一種前饋人工神經網絡模型,其將輸入的多個數據集映射到單一的輸出的數據集上。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S013

梯度提升樹模型

分類

梯度提升樹是一種迭代的決策樹算法,該算法由多棵決策樹組成,所有樹的結論累加起來做最終答案。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S014

隨機森林

分類

隨機森林是一個包含多個決策樹的分類器, 并且其輸出的類別是由個別樹輸出的類別的眾數而定。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S015

支持向量機

分類

支持向量機(Support Vector Machine, SVM)是一類按監督學習方式對數據進行二元分類的廣義線性分類器,其決策邊界是對學習樣本求解的最大邊距超平面。SVM使用鉸鏈損失函數(hinge loss)計算經驗風險(empirical risk)并在求解系統中加入了正則化項以優化結構風險(structural risk),是一個具有稀疏性和穩健性的分類器 。SVM可以通過核方法(kernel method)進行非線性分類,是常見的核學習(kernel learning)方法之一。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S016

決策樹模型

分類

決策樹(Decision Tree)是在已知各種情況發生概率的基礎上,通過構成決策樹來求取凈現值的期望值大于等于零的概率,評價項目風險,判斷其可行性的決策分析方法,是直觀運用概率分析的一種圖解法。在機器學習中,決策樹是一個預測模型,他代表的是對象屬性與對象值之間的一種映射關系。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S017

基于交替最小二乘的協同過濾算法

推薦系統

在矩陣分解(matrix factorization)中使用的一種算法。有一個稀疏矩陣,假設這個矩陣是低階的,可以分解成兩個小矩陣相乘。然后交替對兩個小矩陣使用最小二乘法,算出這兩個小矩陣,就可以估算出稀疏矩陣缺失的值。與坐標下降法有點相似。

在機器學習上下文中,它通過觀察到的所有用戶給物品的打分,來推斷每個用戶的喜好并向用戶推薦合適的物品。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S018

關聯分析算法

推薦系統

在交易數據、關系數據或其他信息載體中,查找存在于項目集合或對象集合之間的頻繁模式、關聯、相關性或因果結構。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S019

k均值聚類算法

聚類

k均值聚類算法(k-means clustering algorithm)是一種迭代求解的聚類分析算法,其步驟是隨機選取K個對象作為初始的聚類中心,然后計算每個對象與各個種子聚類中心之間的距離,把每個對象分配給距離它最近的聚類中心。聚類中心以及分配給它們的對象就代表一個聚類。每分配一個樣本,聚類的聚類中心會根據聚類中現有的對象被重新計算。這個過程將不斷重復直到滿足某個終止條件。終止條件可以是沒有(或最小數目)對象被重新分配給不同的聚類,沒有(或最小數目)聚類中心再發生變化,誤差平方和局部最小。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S020

隱式狄利克雷文檔主題生成模型

聚類

LDALatent Dirichlet Allocation)是一種文檔主題生成模型,也稱為一個三層貝葉斯概率模型,包含詞、主題和文檔三層結構。所謂生成模型,就是認為一篇文章的每個詞都是通過“以一定概率選擇了某個主題,并從這個主題中以一定概率選擇某個詞語”這樣一個過程得到。文檔到主題服從多項式分布,主題到詞服從多項式分布。

LDA是一種非監督機器學習技術,可以用來識別大規模文檔集(document collection)或語料庫(corpus)中潛藏的主題信息。它采用了詞袋(bag of words)的方法,這種方法將每一篇文檔視為一個詞頻向量,從而將文本信息轉化為了易于建模的數字信息。但是詞袋方法沒有考慮詞與詞之間的順序,每一篇文檔代表了一些主題所構成的一個概率分布,而每一個主題又代表了很多單詞所構成的一個概率分布。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S021

高斯混合模型

聚類

高斯混合模型就是用高斯概率密度函數(正態分布曲線)精確地量化事物,將一個事物分解為若干的基于高斯概率密度函數(正態分布曲線)形成的模型。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S022

冪迭代聚類

聚類

冪迭代聚類是一種簡單且可擴展的圖聚類方法,稱之為冪迭代聚類(PIC)。在數據歸一化的逐對相似矩陣上,使用截斷的冪迭代,PIC尋找數據集的一個超低維嵌入(低緯空間投影,embedding ),這種嵌入恰好是很有效的聚類指標,使它在真實數據集上總是好于廣泛使用的譜聚類方法。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S023

二分K均值算法

聚類

二分KMeans(Bisecting KMeans)算法原理是:首先將所有點作為一個簇,然后將該簇一分為二。之后選擇能最大限度降低聚類代價函數(也就是誤差平方和)的簇劃分為兩個簇。以此進行下去,直到簇的數目等于用戶給定的數目k為止。以上隱含的一個原則就是:因為聚類的誤差平方和能夠衡量聚類性能,該值越小表示數據點越接近于他們的質心,聚類效果就越好。所以我們就需要對誤差平方和最大的簇進行再一次劃分,因為誤差平方和越大,表示該簇聚類效果越不好,越有可能是多個簇被當成了一個簇,因此首先需要對這個簇進行劃分。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S024

關聯規則算法(Apriori)

關聯規則

Apriori算法是一種最有影響的挖掘布爾關聯規則頻繁項集的算法。其核心是基于兩階段頻集思想的遞推算法。該關聯規則在分類上屬于單維、單層、布爾關聯規則。
該算法原理是:首先找出所有的頻集,這些項集出現的頻繁性至少和預定義的最小支持度一樣。然后由頻集產生強關聯規則,這些規則必須滿足最小支持度和最小可信度。然后使用第1步找到的頻集產生期望的規則,產生只包含集合的項的所有規則,其中每一條規則的右部只有一項,這里采用的是中規則的定義。一旦這些規則被生成,那么只有那些大于用戶給定的最小可信度的規則才被留下來。為了生成所有頻集,使用了遞歸的方法。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S025

主成分分析

預處理

主成分分析是一種統計方法。通過正交變換將一組可能存在相關性的變量轉換為一組線性不相關的變量,轉換后的這組變量叫主成分。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S026

移除停用詞

自然語言處理

移除文檔中指定的詞以節省存儲空間提高搜索效率。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S027

分詞

自然語言處理

對輸入文本進行單詞切分,分割成一個個單詞(可自定義去停用詞)。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S028

詞頻向量

自然語言處理

根據文本中每一個詞出現頻度得到詞頻向量。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S029

詞性標注

自然語言處理

對文本進行分詞,對分詞后的每個單詞進行詞性標注。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S030

關鍵詞抽取

自然語言處理

計算單詞在文本中的重要性,按要求返回數組中最大的前K個值的詞,作為關鍵詞。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例

3013S031

圖像分類

CV(跨平臺計算機視覺庫)

基于圖像特征實現對該圖像內容分類的工作。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)

3013S032

目標檢測(行人/人臉)

CV(跨平臺計算機視覺庫)

基于目標幾何和統計特征的圖像分割,它將目標的分割和識別合二為一,定位目標,確定目標位置及大小。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)

3013S033

目標檢測(文本)

CV(跨平臺計算機視覺庫)

基于目標幾何和統計特征的圖像分割,它將目標的分割和識別合二為一,定位目標,確定目標位置及大小。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)

3013S034

人臉識別

CV(跨平臺計算機視覺庫)

提取人臉特征,完成人臉比對。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)

3013S035

字符識別

CV(跨平臺計算機視覺庫)

對英文字符,中文字符,標點符號進行識別。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)

3013S036

目標跟蹤

CV(跨平臺計算機視覺庫)

實現對于同一目標在連續視頻中的跟蹤及軌跡分析。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)

3013S037

單變量方差分析

統計

只對單因素實驗結果對輸入的兩列數組平均數進行比較分析,檢驗多個平均數之間的差異來確定因素對試驗結果有無顯著性影響。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)

3013S038

皮爾遜卡方檢驗

統計

檢驗輸入兩組特征具有顯著的獨立性或不顯著的獨立性。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)

3013S039

AndersonD正態性檢驗

統計

檢驗輸入的數值型特征是否符合正態分布。

無條件共享

算法代碼

數據共享服務平臺

每年

提供算法示例20197月提供)




相關解讀:
掃一掃在手機打開當前頁
正版天天捕鱼赢话费老版 甘肃快三计划 河北体彩11选五玩法 河北11选5一定牛十一选五走势 上海十一选五开奖查询 11选5内蒙古开奖结果 虚拟炒股平台 河北11远5遗漏一定牛 体彩江苏十一选五开奖结果查询 股神配资 27快乐10分走势图 中国黄金股票代码 福建快三走势图50期 股票涨跌排行榜 10分快3是什么彩票 个人如何融资买入股票 黑龙江6十1开奖结果