声振信号联合1D-CNN的大型电机故障诊断方法

针对复杂运行环境下大功率电动机故障诊断准确率不高、算法泛化能力差的问题,提出一种声振信号联合一维卷积神经网络（1D-CNN）故障诊断方法. 首先对采集到的声信号采用背景噪声库联合稀疏表示去除噪声,然后将声音信号进行带通滤波（7~20 kHz）,叠加低频振动信号（7 kHz内）形成频带更完整的电动机状态表征信息. 再对经过滤波提纯处理后的信息进行重叠式数据扩容,获取1D-CNN训练所需大量数据. 最后将数据样本输入1D-CNN进行学习训练,采用局部均值归一化（local response normalization,LRN）和核函数去相关性改进1D-CNN模型结构,降低抽油机正负半周工况波动对电动机诊断准确性的影响. 诊断结果表明:声振信号联合分析的卷积神经网络故障诊断总体诊断准确率达到了97.75%,泛化能力好,与传统的电动机故障诊断方法相比优势明显.     

基于深度卷积限制玻尔兹曼机的步态识别

传统的步态识别方法难以得到有效的步态特征,而深度学习方法可以通过学习自动获得特征,然而现有的深度学习模型用于步态识别时存在一些问题。深度卷积神经网络训练速度快,但训练精度较低;深度置信网络模型精度较高,但模型收敛速度较慢。针对这两种模型的特点,提出一种两者平衡的算法模型,即深度卷积限制玻尔兹曼机。将卷积神经网络中权值共享、提取图像局部特征等方面的优势融入深度玻尔兹曼机模型中,提高训练精度,减少参数数量。所提算法在CASIA步态数据库上的实验结果验证了该算法在步态识别问题上的有效性和可行性。     

一种新的鲁棒性视频复制检测算法

针对现有的视频复制检测方法中存在的计算量大、鲁棒性差等问题,提出了一种新的视频复制检测算法.算法采用视频时序特征曲线来描述视频内容,将每帧图像基于信息熵自动分割成若干个子块,提取各个子块的时序特征曲线作为表征视频内容的特征值.在相似性匹配时,采用鲁棒性的相似性匹配算法,实验结果证明了算法的有效性和鲁棒性.     

基于Tri-training的多特征融合图像检索

为了有效地综合利用图像的多种底层特征进行图像检索,提出将Tri-training方法应用于图像检索过程,将图像的颜色、纹理和形状特征进行了有效的融合。分别提取图像的三维量化颜色直方图、方向可控金字塔二值图像投影和仿射不变区域来表示其颜色、纹理和形状特征,并将三种特征的匹配值作为Tri-training分类器的输入对分类器进行训练和测试。实验结果表明,该方法有效利用了图像的多种特征,达到了很好的检索效果。     

基于Web的高校毕业设计选题系统

针对国内高校本科毕业设计选题中存在的诸多问题,本文改革了传统毕业设计选题模式,应用ASP及数据库开发技术,设计开发了一套基于B／S模式的毕业设计双向选题系统。本系统中不同用户拥有不同的权限,学生用户主要操作是选题,教师用户主要操作是申报新课题和确定选题学生,而对于管理员其主要工作是对网站数据进行总体的维护,保证整个选题系统正常运行。本系统为毕业设计选题提供了新的模式。     

基于内容的视频检索技术浅析

基于内容的视频检索是当前国内外研究的热点问题,文中介绍了一般视频检索系统的结构,分析了视频检索中的几项关键技术和评价标准,最后指出了当前视频检索算法存在的问题以及今后的发展方向。     

基于集成协同PSO算法的车辆路径优化仿真

为提高物流配送效率,减小配送车辆的运输成本,提出采用改进的集成协同粒子群优化(PSO)算法来对路径进行优化。根据车辆路径问题的特点,采用极坐标对路径上的节点编码,并用权重表示其先后顺序,将其转化为连续PSO算法解决该问题。并且针对标准PSO算法存在的早熟问题,通过划分子种群来提高粒子的多样性,并利用集成学习,将粒子的每个维度视为个体学习者进行结合,提高搜索精度,构建了集成协同PSO算法。理论分析和实验表明,所采用的编码方式结合改进的集成协同PSO算法可以有效解决车辆路径问题。