可听化研究综述

回顾了可听化研究的历史及现状，从可听化听觉感知研究、可听化工具以及可听化应用三个方面综述了可听化的研究内容及发展趋势．重点对人机交互中听觉感知相对于视觉感知的优势及其对数据一声音映射算法的选择的影响、对可听化工具研制及应用的相关技术等内容进行了概括。     

CAD可听化数据映射算法及其应用研究

听觉是视觉很好的辅助手段，使用多通道用户界面有利于提高人机交互的效率。可听化是用非语音来表示信息的技术，可听化正成为一种新的可用于模式识别、数据分析的工具。该文提出CAD可听化研究的实现途径，从工程应用角度总结归纳了适合可听化的CAD数据类型，分析了相应的数据映射算法设计，在CAD机构设计中，通过设计方案实时运动仿真，进行运动学和动力学分析计算，讨论二维连续数据的可听化。     

股票数据的可听化研究与实现

在可听化系统模型的基础上,提出了针对股票数据的可听化数据一声音映射模型,并实现了股票数据的可听化系统。对系统的可用性测试结果表明可听化技术在特殊场合可作为可视化技术的有效替代方式,其中对用户的培训是使用可听化系统的关键因素。     

设计信息的可听化诊断技术应用研究

设计信息的可视化技术在视觉上传递信息,多元显示、全局视角、交互等都约束了对产品设计更深一步的观察和分析.设计分析信息以可听化反馈,作为图形界面的补充,增加用户接收的信息量,减轻视觉通道的负荷,并能从全局视图上观察分析数据.从工程应用角度提出设计信息可听化研究的意义与途径,根据设计数据、机构仿真分析、数据的对比分析的特点,分析数据声音映射关系,采用模拟合成的方法设计了典型的设计信息可听化实例.以凸轮机构压力角校核为例,分析设计参数校核的可听化仿真.通过分析数据采集、映射设计、可听化模拟分析、评价,研究设计信息可听化诊断技术实现的有效性,从而为用户提供一个自然、高效的设计环境.     

一种使用声调映射码本的汉语声音转换方法

在使用高斯混合模型实现说话人语音频谱包络变换的同时,提出了一种汉语声调码本映射技术来进一步提高转换语音目标说话人特征倾向性的方法。从源语音和目标语音分别提取汉语单音节的基频曲线作为基频变换单元,作预处理和聚类后分别形成源、目标声调码本,根据时间对准原则建立了一个由源特征空间到目标特征空间的声调模式映射码本。声音转换实验评估了声调码本映射算法的性能。实验结果表明,该算法较好地反映出源说话人与目标说话人基频曲线之间的映射关系,改善了声音转换性能。     

三维地质界面网格模型构建算法研究

三维地质模型主要包含地质构造模型和地质属性模型。提出一种局部映射-边界控制的曲面三角化网格模型构建算法,与映射法相比,减少三维空间点映射到二维平面的计算过程,避免因多点到一点的映射关系而生成错误的三角化网格模型。基于地质测量数据特点,原始地质数据经处理后采用点集合形式表示,基于点集数据构建三维三角化网格模型,模拟地质界面的展布形态,控制三角网格质量。采用两种网格边界控制方法,在有边界约束数据和无边界约束数据条件下均能自动更新地质界面三角化网格模型边界。基于断层点数据集测试并展示算法构建的三维三角化网格模型可视化效果,通过断层面三角化网格模型能够反映断层面之间空间位置关系。     

形状模型在混合建模环境中的映射研究

混合建模技术是ＣＡＤ研究继承参数化特征建模技术之后的又一研究热点,线框,曲面和实体模型３种模型间的转换是混合建模技术的核心,本文介绍了：１）实体模型到线框和曲面模型的映射;（２）线框模型到实体模型的映射,３）曲面框型到实体模型的映射,为混合建模技术做了一些有益的探讨,并将模型映射算法成功地应用于ＩＧＥＳ和ＳＴＥＰ的前后置处理器的设计中,取得了满意的结果。     

改进的非线性全局映射灰度化方法

彩色图像灰度化的一个重要目标就是尽量保持原始彩色图像的边缘特征.基于三角级数逼近的非线性全局映射灰度化方法虽能较好地保持颜色顺序,且在很多情况下也保持了特征区分度,但在某些情况下仍会丢失或模糊边缘特征.为此,基于三角级数混合多项式逼近的思路,提出了改进的非线性全局映射灰度化方法.首先在三角级数逼近的基础上继续引入参数t和t2组合成最终的混合逼近函数,当t和t2前面的系数均为0时即为传统的灰度化方法;然后同时优化三角级数、t和t2前面的系数,以增强灰度图像的边缘特征.实验结果表明,在传统方法丢失或模糊边缘特征的情况下,采用文中方法也可以保持较好的边缘特征.     

AudioMan：电子行走辅助系统的设计与实现

针对现有的电子行走辅助(ETA)系统在普及和应用中的缺陷,自行设计了一种易使用的ETA系统模型AudioMan。该模型结合图像处理和听觉显示技术,给盲人用户提供道路方向和障碍物位置等环境信息。系统提出通过控制乐音的参数来实现可听化,用可听化来传递图像信息。可用性测试和评估结果表明,AudioMan所建立的用户听觉模型比现有的ETA系统更有效。     

点模型曲面的调和映射参数化

利用调和映射的平面和球面中值性质，提出了确定点模型曲面参数化映射中有关权因子的两种新方法，设计了能够达到内在变形较小的相应参数化方法，并将参数化方法应用于点模型曲面上的纹理映射．实验和统计结果表明，文中方法是比较有效的点模型曲面的参数化方法．     

基于CEEMDAN-ICA的单通道脑电信号眼电伪迹滤除方法

传统盲源分离法不能解决欠定问题,且分离信号与源信号对应关系不确定.提出一种基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的脑电信号眼电伪迹自动去除方法.该方法首先将含伪迹脑电信号自适应分解成多维本征模态函数(IMF),以满足盲源分离方法对信号正定或超定要求,再对本征模态函数用ICA方法构建多维源信号,最后利用模糊熵阈值判据判别多维源信号中的伪迹信号,完成滤波并重构脑电信号.该方法相比于其他算法,能更好的去除眼电伪迹并保留原始信息,适合单通道脑电信号预处理.     

多维敏感k-匿名隐私保护模型

针对数据挖掘中私有信息的保护问题,提出一种多维敏感k-匿名隐私保护模型。将敏感属性泄露问题分为一般泄露、相似泄露、多维独立泄露、交叉泄露和多维混合数据泄露,在k-匿名的基础上,以聚类特性对多维敏感属性进行相似性标记,寻找匿名记录,计算剩余记录与已分组记录的相似性,泛化并发布满足匿名模型的数据集。实验结果表明,该模型适用于多维敏感数据,能防止隐私泄露,数据可用性较好。     

基于梅尔倒谱系数、深层卷积和Bagging的环境音分类方法

针对传统环境音分类模型对环境音特征提取不充分,以及卷积神经网络用于环境音分类时全连接层易造成过拟合现象的问题,提出了梅尔倒谱系数（MFCC）、深层卷积和Bagging算法相结合的环境音分类方法。首先,针对原始音频文件,利用预加重、加窗、离散傅里叶变换、梅尔滤波器转换、离散余弦映射等方法建立梅尔倒谱系数特征模型;然后,将特征模型输入卷积深度网络进行第二次特征提取;最后,借鉴强化学习思想,用Bagging集成算法集成线性判别分析器、支持向量机（SVM）、Softmax回归、XGBoost四个模型,以投票预测的形式对网络输出结果进行预测。实验结果表明,所提方法能够有效提高对环境音的特征提取能力和深层网络在环境音分类上的抗过拟合能力。     

资源环境数学模型语义的解析与映射

针对资源环境系统的开放性、复杂性和易变性特点,将模型表达划分为要素集、关系集和运算集（ERO集合）;采用数学公式语义描述关系集,计算组件的迟绑定,实现模型的语义映射。通过与模型类模型实例的模型表达比较说明,模型的数学公式语义表达增强了资源环境模型库管理系统（REMMS）的用户友好性,涵盖了更多的模型关系集,避免了重复构建模型类模块;语义的动态映射实现了模型的关系集和运算集的解耦合,使得模型计算集不依赖关系集,计算实现可被不同模型共享和重组。     

遥感影像亚像元定位研究综述

遥感影像亚像元定位是在混合像元分解基础上,利用地物空间分布特征确定不同地物类型在混合像元中的具体位置,得到亚像元尺度的地物分类图,是一种有效解决混合像元空间不确定性的方法。首先介绍遥感影像亚像元定位的基本概念,分析亚像元定位的理论模型和求解算法;然后总结亚像元定位模型的误差来源、精度评价方法以及结果不确定性的表达手段,同时讨论利用辅助数据源提高亚像元定位精度的主要方法;最后对亚像元定位的研究趋势做了进一步展望。     

AI-enabled and multimodal data driven smart health monitoring of wind power systems: A case study

The development of AI has enabled the fault detection of industrial components to be achieved through the combination with deep learning. A detection method combined with deep learning has also emerged for the fault detection of fan blades, such as models based on neural networks using the appearance or sound of the blades. However, the detection model obtained from a single data type often has limitations, such as low accuracy and overfitting. This is also the problem with fan blade detection. In contrast, multimodal data fusion detection models are often more stable. The modality diversity of blade diagnosis is strong, and it can be achieved from multiple modalities such as image, sound, and vibration. To improve the accuracy of fault diagnosis of fan blades, this article proposes a multimodal double-layer detection system (MTDS) based on decision-level and feature-level fusion. The system includes a wind turbine simulation platform and a multimodal detection system. It mainly obtains different modal data of the simulated wind turbine from the image, sound, and vibration signals, including blade images through unmanned aerial vehicle photography, blade vibration signals through electronic vibrators, and blade sound signals through microphones. The highly correlated sound and vibration modal data are fused at the feature level, and a detection model based on the sound and vibration mixed mode is implemented using a sound-vibration-CNN (SV-CNN) proposed in this case. Then, a detection model of the image mode is trained based on the blade image using a Convolution Block Attention Module ResNet (CBAM-ResNet) network. Finally, the detection input of the two modal models is fed into a perceptron to obtain the final prediction result, and the decision-level fusion is implemented to achieve fan blade detection based on multimodal, namely the implementation of MTDS.     

基于元胞自动机模型的遥感图像亚像元定位

由于遥感图像中普遍存在混合像元,因此传统分类方法得到的结果通常会存在较大误差,应用混合像元分解技术,虽然可以得到混合像元中各端元组分的丰度,但是却不能得到各端元组分的空间分布状态,而亚像元定位则是在混合像元分解的基础上,将混合像元剖分为亚像元,再利用端元组分的丰度及像元空间分布的特点,将亚像元赋予不同端元组分来得到各端元组分的空间分布情况,以提高遥感图像分类的精度。为了更好地解决亚像元定位问题,结合亚像元定位的理论模型,提出了一种新的元胞自动机模型,并通过模拟数据和实际数据对该模型进行了检验,结果表明,该模型是一种简单有效的解决亚像元定位问题的方法。     

基于多维信息特征映射模型的在线学习路径优化方法

针对目前在线学习路径优化方法存在学习路径与学习者匹配度不高的问题,首先构建在线学习路径的多维信息特征映射模型(MIFMM),该模型根据学习者与学习资源的多维信息特征建立,融合了kolb学习风格和学习资源类型信息;然后设计双映射二进制粒子群优化算法(DMBPSO),DMBPSO算法根据进化因子ef将学习路径推荐过程分为收敛和跳出局部最优两种进化状态,采用与进化状态特征相匹配的映射函数选择策略,并对惯性权重进行动态非线性调整,提高学习路径推荐性能;接着将MIFMM模型与DMBPSO算法相融合提出基于多维信息特征映射模型的在线学习路径优化方法(MIFMM-POA);最后将MIFMM-POA方法与其他4种粒子群算法为核心的学习路径优化方法相比较,从寻优精度、寻优过程与寻优时间3个角度进行分析,实验表明MIFMM-POA方法是优化学习路径的有效方法.     

基于弹簧模型的基因表达数据可视化聚类

依据基因表达数据的特点,提出一种基于弹簧模型的基因表达数据可视化聚类方法,将多维空间的基因表达数据映射到二维空间中,较好地保持了原始多维数据间的时空相似性。实验结果表明,该方法能发现基因表达数据集中隐含的类簇结构以及共表达基因模式。