时态神经网络模型及其在股票分类预测上应用

对具有时间属性的数据进行数据挖掘称为时态数据挖掘，用以发现数据在时间上的知识，当数据变化不规律时，如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合，将股票数据转换成时态型股票数据，提出时态神经网络模型的分类方法，对收集的若干上市公司十年内的股票数据进行分析，构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证，相比改进前的神经网络和支持向量机方法，该分类器具有更高的分类准确率。结果证明，这种时态数据神经网络模型对于多只股票的分类预测是非常有效的，可以很好地运用到股票市场的分类预测中。     

Title加TextRank抽取关键句的情感分类研究

考虑到不同句子对判断文档情感倾向的重要程度不同，因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时，考虑到Title和上下文信息，提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT，实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度，考虑到标点和语义规则对情感倾向的影响；根据加权TextRank算法思想，在文档正文中构建了一个情感句有向图来提取关键句；计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验，实验结果表明，该SKTT方法性能明显优于Baseline，具有高效性。     

一种基于Arduino的通用智能安全帽的研究

安全帽是针对头部的个体防护设备,可以应用于许多工作场合。常规的安全帽只能通过减震以及材料优化起到对头部的保护作用。但由于工作场合的多样性、工种的多样性以及工作人员的疏忽,常规的安全帽做不到对工人万全的保护,因此工伤事故屡屡发生。鉴于此,设计了一种多用途,多场合适用的智能安全帽,能对工作场合的多种不安全行为发出预警并做出反应,利用自带的定位系统实现人员的动态监管,利用蓝牙设备实现通信功能,对于保障工人的生命安全及提高工作效率具有重要意义。     

面向图像差异特征融合的基于弗里德曼检验的小波基分类研究

对小波基分类是图像融合中依据不同融合需求选择小波基的基础,可以提高图像融合的智能化水平。针对现有的小波基分类方法仅根据小波自身特性进行分类,没有从统计角度有效建立小波基和图像差异特征之间的联系,本文提出了面向图像差异特征融合的基于弗里德曼检验的小波基分类方法。首先,选择典型的差异特征和小波基用于分类研究;其次,选择针对差异特征的评价指标,以评价指标结果作为标记量并进行分类实验的区组设计;然后,采用弗里德曼检验对不同区组数据进行处理及执行相应的后续检验和分类步骤,形成面向图像差异特征的小波基类集;最后,设计对比实验对分类方法的有效性进行验证和分析。试验结果表明,该分类方法能有效把对图像差异特征融合效果相近的小波基归为一类,能根据融合需求选择较好的小波基。     

加速度对动态汽车衡称重结果的影响研究

动态汽车衡是高速公路收费站计量称重系统中的关键设备,通过受力分析,建立汽车通过动态汽车衡时的力学数学模型并与试验数据进行对比,研究加速度对动态汽车衡的称重结果影响,为动态汽车衡的优化提供参考。     

图像分类中基于分类矢量量化的视觉词袋模型

特征表示是图像识别和分类的基础，视觉词袋是一种图像的特征表示方法。分析现有视觉词典构建方法的不足，提出一种新的视觉词典构建方法。首先利用梯度方差把特征矢量分为光滑类和边缘类，然后分别针对不同类别的特征矢量进行视觉词典的构建，最后根据两类视觉词典生成视觉词袋。图像分类实验表明，提出的新方法能提高分类准确率。     

PV/T组件动态传热建模及温度预测

为进一步提高光伏光热一体化(PV/T)组件温度预测精度,基于集总参数法对PV/T组件传热机理进行动态建模。选取典型晴天及多云天气条件日进行实验,验证了该动态模型的准确性。实验结果显示,晴天及多云天气条件下数学模型预测值的最大相对误差分别为7.8%,7.6%;平均相对误差分别为4.31%,4.37%;绝对误差平均值为2.04℃,1.94℃。相比于已有的神经网络预测方法,数学模型的预测精度更高,预测周期更短。该模型可用于PV/T系统根据温度变化情况提前制定精确的控制策略,以优化系统运行期间的节能,也可用于建立PV/T系统整体的能量传递模型,实现热能、电能的协调控制及太阳能的梯级利用。