维吾尔语广播新闻连续语音敏感词检索系统

首先介绍语音信号来源于新疆人民广播电台维吾尔语新闻的敏感词语音语料库的建设。然后用该语料库进行基于HMM的模型训练。模型训练中详细介绍识别基元端点检测、特征提取、矢量量化、码本构建、HMM模型训练过程和结果。最后用该语料库和HMM训练模型对维吾尔语广播新闻连续语音信号进行敏感词检索,并对检索结果进行分析。     

基于粒子群算法与方向图法的指纹图像分割

指纹识别作为生物识别技术最为成功的应用之一,近年来已得到快速发展和普及．而指纹图像分割技术是指纹处理特征点提取的基础,同时也是高效识别指纹的关键,直接影响整个指纹识别系统的性能．本文在对相关的指纹图像分割方法分析的基础上,利用粒子群算法的阈值分割方法和方向图的指纹图像分割技术的优点,进一步研究并提出了一个混合分割方法．实验结果表明,这两种方法的结合运用可以获得良好指纹图像分割效果．     

一种基于图像分割的视频传输方案

随着国家平安城市等大型项目的推进,以安防为目的的视频监控行业得到了快速发展,视频监控系统呈现出了高清化和网络化的发展趋势.在整个视频监控系统中,高清监控视频在网络中的传输成为了限制发展的瓶颈问题.本系统设计了一套用于高清监控视频在网络中传输的自适应系统,采用图像分割后区别压缩的机制进行视频传输.同时加强系统对于网络环境的适应能力,在系统中实时地估计网络状态,动态调整发送速率,充分利用了网络带宽,又避免使网络陷入拥塞,很好地解决了高清监控视频传输对网络带宽的需求和网络带宽不足之间矛盾,到达了高清监控的目的.     

一种基于空间分割的无源RFID室内定位方法*

为了提高室内定位系统的性能,提出了一种利用无源RFID技术定位目标物体的算法。本算法使用双层对称分布的参考标签和空间连续分割的方法提高了室内定位的精度。实际测试结果表明,本算法可较好地实现目标的三维空间定位,与传统LANDMARC定位系统相比,单个平面定位精度提升了8倍,适合于室内人员、物资等定位应用。     

一种基于参数稳定域的PI~λD~μ控制器整定方法

在PI~λD~μ控制器的研究中,对于参数稳定域的研究取得了一定的成果,而对于如何在稳定域内确定满足系统性能要求的最优控制器则未给出具体方法。为此,本文提出了一种在参数稳定域内整定控制器参数的方法。首先根据D分割原理求得满足一定相角裕度要求的控制器K_p,K_i参数稳定区域,然后根据该区域边界确定K_p,K_i参数的上下界,并采用遗传算法,以时间乘以误差绝对值积分(ITAE)为性能指标求出在该区域中K_p,K_i参数的最优值。最后,分别以整数阶滞后系统和分数阶滞后系统为被控对象进行仿真。结果表明,由该方法整定的PI~λD~μ控制器可以实现对整数阶或分数阶滞后系统的有效控制。     

定性趋势分析及其在化工过程中的应用

趋势能够反映过程重要参数的运行状态和随后的发展趋势。本文采用一种简洁的趋势提取方法,从变量中提取半定量的片段,用3个基元来描述片段:不变、上升、下降,这种方法能够检测过程变量的跃迁,计算复杂度低,基元之间的相关性小,提取的趋势直观、简洁。针对实际工业过程中实时处理的需要,采用一种外推式在线分割算法,实现了对在线数据的合理分割,再结合最小二乘法对在线数据进行分段拟合,使其能满足在线处理的需要。     

基于改进粒子群算法的多阈值灰度图像分割

针对粒子群协同学习优化算法和粒子群综合性学习优化算法中的粒子更新规则不灵活问题,提出了一种新的粒子群多阈值灰度图像分割算法。该算法中的粒子更新策略能够根据粒子状态随时改变:迭代前期,粒子速度会不断增加以便加快搜索最优解;迭代后期,粒子速度开始变慢以便搜索更广区域,避免陷入局部最优;当粒子陷入局部最优时,让该粒子根据选出的榜样粒子学习,以便逃出局部最优。另外评价粒子最优解的目标函数采用的是图像指数熵。仿真实验结果表明改进的粒子群阈值优化算法在单阈值和多阈值情况下解决了传统熵算法执行效率低和粒子群优化算法更新规则不灵活易于陷入局部最优问题,分割结果非常好,而且稳定、高效。     

基于局部闭值和聚类中心迭代的肺结节检测算法

肺部疾病通常以肺结节的形式表现出来。为了对肺部疾病进行诊断治疗,需要对肺结节进行准确的检测。提出了基于局部阈值和聚类中心迭代的肺结节检测算法。首先,对肺实质图像采用局部阈值算法,提取感兴趣区域(ROIs),并且计算ROIs的形态特征、灰度特征和纹理特征;其次,结合规则、聚类中心迭代和欧式距离,对ROIs进行分类。实验结果表明,所提算法能够较好地检测出孤立性结节、低对比度结节和粘连肺壁结节。     

基于先验形状信息的水平集图像分割

针对现有水平集方法对于具有强噪声或弱边界的目标进行分割时存在的问题,提出了一种基于形状先验的图像分割方法.该模型采用变分水平集方法,融合了区域特征和边界轮廓特征,并通过相似性匹配选择最佳先验形状.该模型不仅对具有强噪声和弱边界的复杂图像具有较好的分割效果,而且有效地解决了曲线演化的初始轮廓的确定问题.与传统方法进行对比实验,结果表明,该方法具有较好的分割效果和较高的准确率.     

一种DWT与背景重构相结合的运动目标分割方法

针对视频处理中数据量大、消耗时间长的缺点,在假定"背景像素总是以较高的频率在图像序列中出现"的前提下,提出了一种新的运动目标分割方法。首先将待处理的视频图像序列经过DWT变换(Discrete Wavelet Trans-form)提取其近似分量,然后利用像素点聚类方法,结合双阈值和相似类合并,选择一段时间内频率出现较高的像素值来重构背景,最后借鉴图像匹配的评价标准来验证重构背景的准确性。实验结果表明,该方法能提取出较好的背景,从而实现对运动目标的高效且完整分割。