基于点积自注意力卷积神经网络的歌声检测

传统的歌声检测过程往往包含了复杂的特征工程,而基于深度神经网络统一框架的算法则可以利用其强大的学习能力学习到特征,从而忽略特征工程。但是,这些学习到的特征通常得不到重要性区分,在网络中所占权重相同。针对这一问题,提出在卷积神经网络中嵌入点积自注意力模块的算法,该算法通过学习得到各个特征的注意力分布,调整注意力权重,使得卷积神经元在“观察”这些特征时能区分轻重,从而提升网络的整体性能。在实验部分,通过在两个公开数据集下测试,并和基准模型进行对比,证明了该算法对提升歌声检测水平切实有效。      

一种基于人脸垂直对称性的变形2DPCA算法

本文分析了人脸的对称性和主成分分析法(PCA)、二维主成分分析法(2DPCA)的特性,证明了2DPCA协方差矩阵就是PCA协方差矩阵的主角线的平均值,同时表明2DPCA减少了对人脸识别有用的协方差信息。提出了一种基于人脸垂直对称性的变形2DPCA算法(S2DPCA),该算法最大程度地利用了协方差鉴别信息,用更少的系数表示一张人脸图像。通过在ORL的实验比较表明,该算法与PCA算法相比降低了计算复杂性,与2DPCA方法和PCA方法相比提高了人脸识别率,在识别率方面优于传统算法(PCA(Eigenfaces)、ICA、Kernel Eigenfaces),同时也压缩了人脸的存储空间。     

基于集体记忆延续的社区情景性空间与设施研究

目的研究基于集体记忆延续的社区情景性空间与设施。方法通过城市社区现状与问题分析,研究如何推进社区公共空间设施设计。以艺术的方式提出积极解决社区公共问题的方案,从集体关怀的角度来探讨由记忆所关联的情景性空间的构建,以集体记忆为主题去发现解决问题的方法,并以具体的设计案例展开研究分析。结论超越寻常记忆场所的一般功能性或固化的象征性,使每个此情此景都能促成个人对集体行动的积极介入。悦然的情景空间将能够有效生成并促进和谐的社区秩序,作为集体意识的活性载体来达成社会共识。     

土工织物散体桩桩体大三轴试验研究

对密实状态的土工织物散体桩桩体进行大三轴试验,研究其在不同围压和不同聚丙烯土工编织布筋材强度下的应力–应变特性,并据此提出桩体强度及模量理论计算公式。研究结果表明:土工织物散体桩桩体在三轴压缩下呈剪胀破坏,其剪切带上主要是筋材的横向筋丝产生断裂,且桩体剪切角与碎石的莫尔–库仑理论破裂角比较接近;在加载初期,土工织物散体桩应力–应变曲线下凹,而后近似线性增长至峰值应力,随后应力随应变减小并趋于稳定,表现为应变软化特性;同一筋材强度、不同围压的土工织物散体桩桩体强度所对应的轴向应变值比较接近;土工织物散体桩桩体的似黏聚力随筋材强度呈较好的线性增长关系,其较碎石的似黏聚力大很多,而筋材对桩体碎石的内摩擦角影响不大;建立了土工织物散体桩桩体强度及模量的理论计算公式,并采用试验值对理论公式进行修正,经修正后的结果与试验值吻合很好。     

基于Java3D网络大数据多分辨率采集方法仿真

针对传统的网络大数据多分辨率采集方法通常存在采集成本高、完成时间较长、采集准确率较低等问题,提出基于Java3D的大数据网络多分辨率采集方法。通过对基于Java3D网络的大数据多分辨率进行时间序列的空间重构,求出多分辨率时间序列的自相关函数,并引入平均互动数据提取方法对网络数据多分辨率采集的功率谱密度进行估计,采用ADASYN算法,对无效多分辨率数据进行去除,实现大数据多分辨率精准采集。实验结果表明,所提方法采集成本较低、完成时间较短、采集准确率较高;具有一定的实用价值,可广泛应用于各个领域。     

一种可调控制参数的LDA人脸识别算法

线性判别分析（LDA）方法进行高维的人脸识别时,经常会遇到小样本问题（SSS）和边缘类重叠问题。本文提出一种新的LDA方法,重新定义类内离散度矩阵,利用参数来权衡其特征值估计的偏差和方差,以解决小样本问题;对类间离散矩阵加权,让边缘类均匀分布,防止边缘类的重叠,以提高识别率。大量的实验已经证明该方法能根据小样本问题的严重度调控参数以达到最高识别率,比传统的方法更优。     

基于二值数据贝叶斯子空间的人脸识别算法

基于贝叶斯空间的人脸识别算法均假定样本空间满足高斯分布,实际上样本空间很复杂,不一定能满足高斯分布。提出一种新的在贝叶斯空间进行人脸识别的算法,该算法通过设定图像灰度级的阈值,统计其出现频率,计算其类条件概率密度,利用贝叶斯公式求后验概率。该方法克服了传统贝叶斯方法难求类内和类间协方差矩阵的缺点,简单易用。实验结果证明,该方法具有可行性,识别率高于传统的基于代数的人脸识别算法(PCA、LDA和PCA+LDA)。     

最小风险贝叶斯决策的二值化人脸识别算法

提出了一种最小风险贝叶斯决策的二值化人脸识别算法,该算法通过设定图像灰度级的阈值对图像进行二值化,统计其出现的频率,计算其类条件概率密度,根据图像的相似性估计其损失函数,利用贝叶斯公式求最小风险,最后根据最小风险判断其所属类别。该方法克服了传统贝叶斯方法难求类内和类间协方差矩阵的缺点,简单易用。实验结果表明,该方法具有可行性,比传统的基于代数的人脸识别算法(PCA、LDA和PCA+LDA)的识别率高,并能有效减少相似类的重叠。     

基于NT的油液监测自动数据采集技术的实现

分析了国内外油液监测的现状及发展方向。针对在当今油液监测系统中油液监测设备种类繁多、在时间和空间上是离散的，特别是当进行综合油液监测数据分析时，许多数据尚需要手工输入等不足，开发了基于NT的油液监测自动数据采集系统，此系统由3个部分组成：数据采集、数据传输、数据管理。自动采集部分可以使数据按一定的格式自动导人数据库，避免了手工的输入；数据传输是基于NT的，能使各设备并行地工作；数据管理可以对库中的数据按照用户的要求进行综合分析并输出结果。试验证明：该系统可给油液监测带来更多的资源共享，提高了数据处理的准确性以及油液监测和分析的质量和效率。     

软件工程专业应用型人才培养方案的改革与实践——以金陵科技学院软件工程专业为例

以金陵科技学院软件工程专业为例,论述应用型本科院校软件工程专业人才培养方案的办学模式、课程体系和实践环节,提出高校要根据办学定位和社会对软件人才的需求,通过与软件企业合作办学,充分发挥产学研在人才培养中的协调作用。