美尔谱系数与卷积神经网络相组合的环境声音识别方法

通过对复杂环境下声音识别技术进行研究，本文提出了美尔谱系数（MFSC）与卷积神经网络（CNN）相组合的环境声音识别方法。对声音事件提取其MFSC特征，将特征参数作为输入送入设计好的CNN模型中对声音事件进行分类。实验数据集采用ESC-10，将构建的卷积神经网络模型与随机森林、支持向量机（SVM）、深度神经网络（DNN）及DCASE比赛中常用的三种识别模型进行对比实验。实验结果表明，在相同数据集下，本文所设计的美尔谱系数与卷积神经网络相组合的环境声音识别方法相较传统的声音识别方法在识别率上分别有13.1%，18.3%，15.7%的提升，相较于DCASE比赛中的三种常用识别模型，本文所设计识别模型识别率及识别效率均有明显的优势。      

基于属性论的专家系统

基于属性论的属性重心剖分模型 ,提出了一种用属性 (数目 ,对象 )的知识表示方式以及基于属性论的推理来构造专家系统的方法 ,并用实例说明了这种新方法具高效、可信的特点     

基于改进的Stacking集成模型的容器云负载预测研究

容器云的迅速发展使业务量迅速增加，对容器资源利用率的未来趋势进行预测，从而提前分配资源来提高资源的利用率并且降低资源的浪费是一种合理的做法。为了实现对容器云资源的合理预测，提出一种基于改进的Stacking集成方法的云资源负载预测模型。模型的第一阶段是通过设立基学习器对云资源负载数据进行特征选择，降低数据集特征的复杂度。第二阶段是使用GA-BP神经网络模型改进的DBN模型(DBN-GA-BP)对第一阶段的特征选择数据进行集成预测。实验结果表明，与单一模型和未改进的Stacking模型对比，该模型具有更高的预测精度。     

高校网络的VLAN配置

使用OmniSwitch 3层交换机,采用基于端口的VLAN技术创建了VLAN,同时给出了如何配置访问控制列表、如何静态或动态地分配VLAN端口以及其详细的设置步骤.与企业采用的一般交换机相比,该模式可以提供使用OmniSwitch交换机划分VLAN的新思路.     

虚拟现实全景空间视图的无缝拼接

根据渐入渐出原理，采用基于特征线段的图像拼接算法，结合Java语言，通过简化的编程，实现两幅图像的无缝拼接。应用该程序可以大大减少实时运行时的计算量。     

提高Java程序性能的若干方法

针对Java程序运行速度慢的问题，总结归纳了一些对Java源代码进行优化的方法以及注意事项，可以有效提高Java程序的性能。     

面向网络化制造的应用服务设计模式

分析了面向网络化制造应用服务所使用的主要设计模式——移动代理模式．同时对该模式的优缺点、解决方案、运行环境及模式的实现进行了阐述，为软件开发人员能够在该模式的基础上开发出适应性强、扩展性好的面向网络化制造的应用服务系统提供借鉴。     

基于动态搜索的自适应猫群算法

针对猫群算法(cat swarm optimization,CSO)中极易陷入局部极值和收敛的速度偏慢等问题,提出一种基于动态搜索的自适应猫群算法(adaptive cat swarm algorithm based on dynamic search,ADSCSO).根据Logistic函数特点对分组率和惯性权重实行有范围的动态变化,提高算法收敛的速度;利用适应值的信息让变异率自适应变化,增加算法跳出局部解的几率.使用5个标准测试函数对CSO、仅加入动态搜索的猫群算法(cat swarm algorithm based on dynamic search,DSCSO)和ADSCSO进行比较测试,仿真数据表明,ADSCSO算法在收敛速度以及求解精度方面都具有一定程度的效果.     

云计算环境下基于SVM的数据分类

为了提高数据的分类效率和准确度,利用云计算提供的弹性集群平台来解决计算力伸缩性瓶颈,并用MapReduce编程模型对SVM进行Map和Reduce并行化处理,并将基于优化理论的遗传算法（ GA）引入SVM分类算法中对分类器参数进行优化,以分类器的准确率作为GA算法适应度函数,找出全局最优的模型参数和核函数参数值。经开源云计算平台Hadoop实验验证,数据分类的准确度有了明显的提高,整个分类过程的加速度几近呈线性增加。