基于卷积神经网络的烟瘾渴求脑电分类

脑电信号分类问题是脑-机接口应用中的重点,而脑电信号分类的关键问题是如何寻找合适的特征.目前虽然有支持向量机、浅层神经网络等方法可以对脑电信号有效的分类,但是这些方法大都需要大量先验知识寻找数据的特征.由于脑电信号容易受到噪声干扰,尤其是在烟瘾渴求这种高级认知过程中,不同被试个体间具有很大差异,很难找到具有代表性的有效特征,脑电分类的准确率很难提高.为解决以上问题,本文采用一种基于卷积神经网络的方法对烟瘾患者在不同烟瘾渴求状态下的脑电信号的进行分类,与传统分类方法比,卷积神经网络不需要手动提取特征,能够直接训练原始的脑电信号数据,可以满足在实时反馈的烟瘾治疗过程对获取分类结果的快速需求.     

基于里程计/ ＬｉＤＡＲ/ ＧＮＳＳ 的室内外连续定位方法研究

当前自动导引车（AGV）多以单一工作环境（室内）定位导航为主,针对AGV在室内外连续定位过程中,因为光照、遮挡物等变化存在定位丢失或不可靠的问题,本文首次提出一种基于里程计、LiDAR、GNSS的室内外连续定位方法。室内环境下,采用扩展卡尔曼滤波算法对里程计、LiDAR进行融合定位,通过LiADR计算测量方程可有效抑制里程计长时累计更新误差,提高鲁棒性。室外环境下,采用里程计、GNSS进行融合定位,当AGV因为短暂遮挡造成GNSS信号弱时,里程计数据可有效修正GNSS数据偏差,提高定位稳定性。为解决因定位信号源切换造成的连续定位精度、稳定性降低的问题,提出了一种基于扩展卡尔曼滤波的多模型连续定位滤波方法,利用GNSS和LiDAR协方差、水平精度因子等动态计算定位信号源估计,实现自适应信号源平滑切换,提高了AGV室内外连续定位的精确度和鲁棒性。实验结果表明,AGV定位轨迹最大绝对真值误差（ATE）在0.5m以内,平均定位轨迹绝对真值误差（ATE）在0.122m以内。     

基于SVM的GA及其在农业产业结构优化中的应用

针对遗传算法的特征,提出了通过支持向量机SVM构造遗传算法的适应度函数的新算法,该算法通过统计学习理论指导遗传算法的优化过程,然后又把基于支持向量机的遗产算法应用于农业产业结构优化布局中,结果表明基于支持向量机的遗产算法能较快地全局收敛.     

基于内容过滤的农资电子商务推荐系统

随着农业信息化的发展,农业类网站已经成为农业用户、合作社和农资公司等获取信息的重要渠道．结合中国现代化农资经营电子商务平台,提出了基于内容过滤的推荐技术,采用四元组构建用户偏好模型,引入遗忘因子挖掘和更新偏好模型,并根据产品模型和用户偏好模型的相似度向用户推荐产品．实验结果表明,基于内容过滤的推荐算法可使农资电子商务平台的产品浏览率和购买率得到提高．     

基于本体的一种自然灾害知识表示方法

灾害管理信息化建设的滞后是制约我国防灾抗灾能力的重要因素之一。在自然灾害频发并日益严重的今天,需处理的自然灾害知识量非常大。如何利用发展完善的信息处理技术处理自然灾害知识,充分发挥信息处理技术在自然灾害管理中的作用就显得越来越重要。文章提出了一种基于本体的自然灾害知识表示方法,并将该方法应用在自然灾害应急响应中取得显著的效果。     

基于增量AHP的学习资源多标签标注研究

学习资源标注是我们根据需要知识准确获取相关学习资源的基础。然而目前大多数资源标注方法仅局限于单标签以及缺乏关联度信息,给用户精确获取学习资源带来困难。为解决此问题,本文提出一种基于增量AHP的学习资源多标签标注方法,首先根据标签-资源信息构建学习资源多标签标注模型,然后利用层次分析法定性与定量分析相结合的特点进行关联程度值处理,选取出与学习资源相关程度最大的若干个标签作为标注标签,从而支持用户方便获得与学习资源相关的知识点以及关联程度值。此外,针对初始成对比较矩阵随时间变化导致更新的情况,本文对传统AHP算法进行改进,提出增量AHP算法实现学习资源关联程度值更新。实验结果表明本文提出的方法具有良好的实用价值。     

浮空器主缆绳表面的小样本学习缺陷检测研究

针对浮空器主缆绳表面缺陷样本获取困难的特点,提出一种小样本度量学习方法来检测主缆绳的表面缺陷。小样本学习由特征编码和度量两模块组成,特征编码模块采用预训练的卷积神经网络在通用图像集上提取样本特征,度量模块用来度量与未知类别样本最相似的样本从而完成缺陷种类的分类;由于辅助数据和检测数据差异较大,将微调策略引入小样本学习方...     

塑料异型材挤塑模模头校核

通过对塑料异型材挤出模模头结构进行分析,以聚合物流变学为理论基础,对机头流道的不同区域分别建立压力降计算公式和熔体停留时间计算公式,同时,通过对分流支架及型芯连接螺相进行受力分析,从而建立强度校核公式,最后介绍了以PBA为工具对AutoCAD进行二次开发,并编制了塑料异型材挤出模的分析验算程序。     

基于快速语义修复的操作系统隐藏对象检测技术

与传统的入侵检测系统相比,基于虚拟机自省的入侵检测系统的抗干扰性更强.但由于存在语义鸿沟问题,即低层的硬件字节信息与操作系统级语义之间的差异,导致入侵检测系统的通用性和实时性下降.针对此问题,本文提出了Vlhd,一种基于语义鸿沟修复方法的rootkit隐藏对象检测技术.Vlhd将系统分离成离线和在线模块两部分.在线模块用于即时地在虚拟机外部重构虚拟机语义视图;离线模块用于离线地提取操作系统语义知识,并向在线模块提供语义服务.通过对各类Linux操作系统和多种rootkit进行入侵检测试验,发现Vlhd对rootkit的隐藏对象检测效果良好,通用性强.Vlhd的单次扫描时间为34ms,对系统引入了1.1%（扫描周期设置为8s时）的性能开销.     

基于实时步长匹配的行人室内定位方法

针对室内定位研究中行人航位推算（PDR）算法的传统步长模型无法充分反映个体差异性的问题,提出一种以卫星测距为基础,建立个体步长特征数据库代替步长模型的方法. 在室外将卫星测距应用到步长测算中,建立不同速度特征与步长的对应关系. 在室内,改进了K-最近邻（KNN）算法,对跨步进行实时步长匹配,结合方向信息计算出行人的当前位置. 实验结果表明,室内定位最大误差距离可以控制在4%以内,平均绝对误差距离可以控制在2%以内,定位精度较传统步长模型有较大提高.