按键识别的有效方法与程序设计

提出在程序设计、菜单设计中使用某些键进行操作控制的新方法，开发出三种用Ｃ语言调用ＢＩＯＳ中断进行按键识别的实用技术，并对其编程原理作了详细介绍。利用这些方法，软件开发者便可设计出满足需要的键控系统。     

按键识别的有效方法与程序设计

提出在程序设计、菜单设计中使用某些键进行操作控制的新方法，开发出三种用C语言调用BIOS中断进行按键识别的实用技术，并对其编程原理作了详细介绍。利用这些方法，软件开发者便可设计出满足需要的键控系统。     

基于AdaBoost的欠抽样集成学习算法

不平衡数据集分类中,采用欠抽样方法容易忽略多数类中部分有用信息,为此提出一种基于AdaBoost的欠抽样集成学习算法U-Ensemble。该方法首先使用AdaBoost算法对数据集预处理,得到各样例权重。训练基分类器时,针对多数类数据不再采用bootstrap抽样方法,而是分别随机选择部分权重较大的样例与部分权重较小的样例,使两部分样例个数与少数类样例个数相同,并组成Bagging成员分类器的训练数据。实验结果证明了算法的有效性。     

基于集成学习的人类LncRNA大数据基因预测

长非编码RNA(LncRNA)在表观遗传调控、转录后调控和人类疾病中发挥着重要作用,利用机器学习方法从海量的RNA数据中识别出LncRNA十分必要。本研究提出一种基于集成学习的LncRNA大数据基因预测新方法。首先提取序列碱基出现频率的86个特征作为原始特征集合,其次,基于GA-SVM选取出最优特征,以SVM五折交叉验证的准确率作为适应度,最后构建AdaBoost算法与SVM相结合的基因预测模型(AdaBoost-SVM)。实验结果表明:AdaBoost-SVM模型对测试集LncRNA的预测准确率为89.26%,优于RF、SVM和DWT-SVM3种预测模型的结果。     

电话按键音识别嵌入式系统的设计

设计了一种电话按键音识别嵌入式系统,采用基于STC89C52单片机和DTMF信号收发芯片MT8880进行信号采集和处理,给出了系统的硬件电路结构图和系统软件设计方法．系统具有硬件处理信号的功能,由单片机从声音中获得按键信息并显示在LCD1602上,根据测试结果可知,系统具有操作方便、性能稳定和检测准确率高等优点．     

一种基于振动感知的按键识别技术实验

智能手表的屏幕小,按键多,常发生输入错误。而用语音输入容易受到环境噪声的影响并且有隐私泄露的危险。为了解决上述问题,提出了基于振动感知来识别用户按键行为的文本输入方法。通过辨识指关节的敲击,将不同指关节映射到不同的按键上,对敲击产生的振动信号分类处理,从而解决了在小屏幕上按键输入不便的问题。首先,使用低采样率LPMS-B2模块的加速度计来收集敲击指关节所产生的振动信号;然后设计了信号处理和时频图提取信号特征的方案;最后利用朴素贝叶斯分类方法来识别敲击的位置。实验结果表明,对指关节进行三分类的识别准确率达到90%以上,五分类的识别准确率约为75%。     

基于FPGA器件的消除按键抖动方法研究

按键在数字电路设计中经常用到。但是按键是机械触点,当机械触点断开、闭合时会有抖动,为使每一次按键只做一次响应,就必须考虑去除抖动．本文介绍了数字电路设计中的按键抖动信号以及进行消除的三种常用方法,并用VHDL编程,用MAXPLUSⅡ10．1仿真,用Alter公司的Flex10K芯片EPF10K20TL144-4来实现．     

基于Gabor滤波器的手机按键特征提取

本文将应用Gabor滤波器对散乱分布在深色背景上的手机按键特征进行提取。通过选取合适的Gabor滤波器参数,并根据Gabor滤波器的参数,采用自适应搜索窗口对按键图像的滤波响应提取局部极大值作为特征点,并以特征点周围领域的能量之和作为按键的特征信息,并利用该信息进行目标图像与样本图像的匹配率运算,达到识别的目的。     

基于链路预测的全国活羊调运网络重构

小反刍兽疫暴发的主要原因是活羊的长途调运,为了切断疫病的传播途径,必须了解真实的活羊调运网络.根据实际调研数据,利用ArcGIS软件做出了全国活羊调运观测图,并利用随机分块模型预测网络缺失边和识别虚假边的方法,得到了一个更加完整的活羊调运重构网络.研究结果为控制疫情的传播,制定防控措施提供了理论依据.     

基于预测数据特征的空气质量预测方法

采用LightGBM预测模型对空气质量预测问题进行研究,提出并设计一种基于预测性特征的空气质量预测方法,有效地预测北京市区内未来24 h核心表征空气质量的PM_2.5质量浓度。在构建预测方案过程中,分析训练数据集特性开展数据清洗,利用随机森林与线性插值相结合的方法,解决数据大量缺失以及噪声干扰问题;提出使用预测性数据特征方法,同时设计相关统计特征,提高预测结果的准确性;采用滑窗机制挖掘高维时间特征,增加数据特征数量级;对预测模型的工作性能和结果进行详细分析,并结合基线模型进行对比评价。试验结果表明,基于预测性特征结合采用LightGBM预测模型的方案具有更高的预测精度。     

基于改进的Gabor和ADABOOST的人脸表情识别

介绍了受到不同程度形变和光照影响的人脸,如何提高表情图像识别效率和识别准确率的方法。采用Log_Gabor小波变换方法对输入图像进行滤波处理,并采用AdaBoost方法对人脸表情进行识别处理的方法。实验表明人脸表情在形变和光照影响的情况下,对人脸表情识别准确率依然达到良好的效果,且提高了计算速度。     

基于SMOTE-XGBoost的变压器缺陷预测

变压器在电力系统中发挥着变换电压、分配电能等重要作用。其故障缺陷将严重危及电力系统的安全运行,从而造成巨大的经济损失和不良的社会影响。因此,变压器的缺陷故障诊断对电力系统的安全运行和社会的发展至关重要。现有关于变压器缺陷诊断的研究颇多,但变压器缺陷数据集类别不平衡仍是准确预测变压器缺陷的难点。为了解决这一难题,提出了一种基于SMOTE (Synthetic Minority Oversampling Technique)-XGBoost (Extreme Gradient Boosting)的变压器缺陷预测模型。首先,通过SMOTE算法来处理不平衡数据集,然后构建XGBoost模型预测变压器缺陷。为了表现模型的优越性,研究增加了对比实验。即将原始数据集和经过Up_Sample,CSL和Down_Sample与SMOTE四种方法处理后的数据集分别与决策树(CART)、支持向量机(SVM)、Logistic回归和XGBoost模型四种预测模型两两组合进行预测。实验结果表明,基于SMOTE-XGBoost模型的变压器缺陷预测效果最优。     

基于动作轮廓特征的人体动作识别

提出了一种人工挑选关键帧的人体动作识别方法.先从标准视频中提取出能代表姿势的关键动作,然后对待测视频中每一帧图像中人体动作和关键动作比较分类来确定动作时间的相关度和相似度.实验结果表明人工挑选关键帧具有数量少和动作代表性强的特性,基于动作轮廓特征的人体动作识别方法在识别速度上比传统的方法快,识别率也较高.     

基于改进K-means算法的电力短期负荷预测方法研究

现有方法预测电力短期负荷时忽略了对其进行聚类优化处理,导致预测耗时较长,短期负荷预测精度偏低.为此,提出一种基于改进K-means算法的电力短期负荷预测方法.该方法利用改进后的K-means算法聚类处理电力负荷大数据,使用聚类后获得的训练样本构建循环神经网络RNN拓扑结构,然后通过对RNN神经网络模型设置最优权值,实现...     

多源非平衡交通检测数据的异常识别方法

为保证交通检测数据的准确性并服务于实时的交通状态判别和预测,交通大数据采用多种检测源数据协同处理并利用机器学习的方法进行异常识别.异常检测数据的识别主要基于机器学习中AdaBoost方法实现.在算法的训练过程中,为消除单一检测源数据的离群现象,训练数据选取同一路段上多种检测源提供的数据集.在算法的决策过程中,通过代价敏感方法的优势来改进AdaBoost的决策.实验结果表明:基于非均衡特性改进的AdaBoost模型迫使分类器更加关注了待识别的异常样本,增强了AdaBoost决策过程中训练决策树规则的代表性,提高了异常类样本的分类准确率.高速公路实例检测数据集验证了改进算法与相关经典算法的检测准确度、误检率、误警率等指标,其中改进模型与原模型相比,准确率提高了5.547%,误检率减低了6.792%.多种算法的ROC曲线对比表明改进的AdaBoost方法筛选交通检测样本的可靠度更高,可有效调整由非平衡数据导致的分类误差.     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率。针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法。该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率。仿真实验表明：相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度。     

基于智能优化的分布式网络流量预测方法

网络流量预测是网络管理的重要内容,高效的流量预测方法可提高网络管理效率.针对网络流量的时变性等问题,提出了一种基于智能优化的分布式网络流量预测方法.该方法采用果蝇算法优化3次指数平滑预测模型中的平滑因子,对时间窗口内收集到的网络流量进行预测,从而有效地提高3次指数平滑模型下网络流量预测的准确度与效率.仿真实验表明:相比传统3次指数平滑预测模型,此方法可解决平滑因子的不确定性所导致的预测结果误差问题,有效提高了网络流量预测精度.     

基于Cart决策树与boosting方法的股票预测

针对股票预测模型的准确度不够高,存在过拟合及欠拟合等问题,在现有股票预测方法分析的基础上,给出了一种基于Cart决策树与boosting方法的股票预测方法。该方法针对现有预测模型在数据纵向性方面考虑较少,额外增添近10日均价及转手率两个纵向变化指标以提高股票走势预测的准确性;并且以Cart决策树方法为基础,采用boosting级联多棵决策树的方法建立股票模型来解决拟合度问题。预测实验结果表明,该方法对仪器仪表领域的股票预测效果较好,均方误差有所下降。     

基于模糊连接度的帕金森病靶区核团识别技术

由于帕金森病靶区多为体积较小且结构边界不明显的核团,在MRI影像中不易准确分辨,对帕金森病靶区核团的分割进行初探,通过构建依赖树模型,对帕金森病相关子结构进行分割,提出一种有望用于帕金森病靶区核团的分割方法.首先针对图像模糊性的特点利用模糊连接度方法实现帕金森病关键核团的分割,然后运用数学形态学方法对分割结果进一步优化.通过与医院专家手工分割结果比较,该算法分割相似率在80%以上,能满足临床要求.     

面向二代身份证的图文识别

现有的身份证验证多依赖人工参与,也有一些自动验证身份证的系统,但这些系统主要针对身份证号码的识别．针对现有识别系统的局限,使用基于滑动窗口搜索的身份证提取方法和基于连通区域分析的人脸图像提取方法,设计了二代身份证图文识别的算法框架,并通过实验验证了算法的有效性．