粒子群运动特性下的神经网络目标搜索算法

针对现有粒子群神经网络算法存在误差较大与不易收敛等问题,提出了一种动态粒子群运动特性下的神经网络目标搜索算法,该算法引入方向因子对传统的PSO算法进行改进;结合粒子间的运动状态制定了最大速度的约束机制,来保证粒子的搜索质量;并根据粒子间距与适应度提出了过早熟判断机制,来保证算法的收敛效果。实验结果表明,该算法能够在不同的经典测试函数均保持较好的精度与收敛效果,有效地证明了算法的可行性。     

说话人功能性副语音自动检测算法

功能性副语音如笑声、哭声、叹息声等的研究在情感识别领域中越来越受到关注,开始被作为识别说话人情感重要的信息之一.然而在应用与研究中功能性副语音能否被自动检出是前提.针对这一需求,根据音频分割算法提出了基于定长分段的功能性副语音自动检测算法以及基于距离与贝叶斯的功能性副语音自动检测算法.并提出了结合静音帧语音分割点确认算法对分割点进一步确认,而且通过实验验证了该算法是有效的.通过实验对比两种检测算法的优劣,实验结果表明:基于定长分段自动检测算法较好,检测率达到70％,较基于距离与贝叶斯的检测算法高出5％.     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于Struts2企业级异常处理研究及扩展

传统的Java异常-捕获机制已不能满足当今大型企业级开发的要求.本文时Struts2提供的异常处理机制进行了研究和扩展,提出将检查型(Checked)异常转化为非检查型(Uncheckedl异常进行捕获的思想,通过采用AOP拦截器技术构造一种高效的异常处理机制,提高了代码的可读性,程序的执行速度和可维护性,减少了同类代码的重复使用,避免了由于过量使用检查型(Checked)异常引起的程序结构混乱、代码逻辑复杂等缺陷.     

动态修正下的神经网络盲均衡算法

针对现有的神经网络算法收敛速度慢以及精确度低的问题,通过对传统的神经网络盲均衡算法以及前馈神经网络进行研究,提出一种具有自动修正效果的前馈神经网络盲均衡算法。该算法通过对算法中的代价函数以及迭代步长因子进行改进,来提高算法的收敛速度;通过对所获得的目标信号进行修正处理,来对所获取的信息进行修正。实验结果表明,该算法的实验结果与预期效果基本相符,具有可靠性强、收敛速度快的优势。