电子邮件智能分类的研究

目前,对于电子邮件的分类主要是手动的方法,比如可以将我们收到的邮件选中之后手动标志为重要邮件、公司邮件、业务邮件、资讯邮件、亲友邮件、同学邮件、休闲邮件,没有基本的自动分类方法,没有实现真正意义上的电子邮件智能分类.当前有些电子邮件系统具有过滤功能,也只是根据已有垃圾邮件地址进行简单拦截,也有些系统具有标签的功能,但并没有真正实现电子邮件的智能服务,基于以上情况,此课题使用机器学习的方法提出了邮件智能分美的设计与实现.设计一种智能分类邮件的算法,并将算法应用在邮件智能分类系统中.     

反垃圾邮件策略的研究

对垃圾邮件进行鉴别已经成为信息安全技术的重要内容之一。本文对电子邮件所涉及到的关键技术,包括邮件协议、垃圾邮件技术、反垃圾邮件技术进行了探讨。提出Bayes分类的垃圾邮件鉴别方法,并给出了实验结果。     

网络安全

产品名称:趋势科技防毒墙讯息安全版广商名称:趋势科技 推荐理由: 与大多数网关级防病毒产品仅重视SMTP协议传输的电子邮件不同的是,趋势科技防毒墙讯息安全版能够同时针对SMTP/POP3两种协议传输的电子邮件提供防护,这意味着那些将邮件服务器托管到IDC数据中心,或者那些完全没有建立邮件服务器,而     

电子邮件与网络通讯

<正> UNIX作为一种多用户的操作系统,用户之间的通讯显得十分重要,本讲介绍UNIX的电子邮件和网络功能,电子邮件既可以在同一个U-NIX系统中的名个用户之间传送,也可以在网络上不同的UNIX系统之间传送,还可以借助于TCP/IP协议在不同的系统终端之间传送邮件。通过网络除了完成电子邮件以外,还可以进行文件传送,远程注册,远程执行命令。     

基于Adaboost的电子邮件分类算法

提出基于Adaboost的电子邮件分类算法，通过不断修改训练样本的权值，自适应地改变训练样本分布，避免对训练样本的敏感性。实验表明，该算法能有效提高电子邮件分类的精度和召回率。     

电触头钎焊接头超声检测信号的集成神经网络分类

研究电触头钎焊接头超声无损检测中的缺陷分类问题,提出了一种新的集成神经网络分类方法。该方法分四步：频率不变性预处理,多分辩分析,特征量预处理,集成 Ｂ Ｐ神经网络分类。使用不同中心频率探头检测得到的缺陷信号首先通过预处理变换到一个等效的参考频率上,然后利用离散小波变换提取特征量。特征量被预处理后,输入到集成 Ｂ Ｐ神经网络分类器中分类。本文用２１３ 个超声检测信号测试了集成神经网络的性能。实验结果表明了频率不变性技术和集成 Ｂ Ｐ神经网络分类技术的有效性。     

一种新的机械系统故障分类器

提出了一种利用支持矢量机对机械系统故障进行分类的新方法;以二值分类为基础,开发了基于支持矢量机的多值分类器。并以齿轮的多种故障分类为例,进行了实际应用验证。结果表明,该方法具有很好的分类能力和较高的计算效率,不需要对原始数据进行预处理就可达到满意的效果,适合于机械故障诊断中的多故障分类。该方法的应用,为故障诊断技术向智能化方向发展提供了新的途径。     

基于ASP. NET和JMail组件构建网上电子由件收发系统

随着计算机网络的发展,电子邮件得到广泛的使用,它越来越成为人们进行信息传递不可缺少的手段.ASP.NET作为.NET Framework框架中的一个重要组成部分,它主要用于Web设计和开发.JMail组件是由Dimac公司开发的用来完成邮件的发送、接收、加密和集群传输等工作的.利用ASP.NET强大的Web开发功能和J...     

基于Java技术的电子邮件发送系统

频繁的电子商务活动中,电子邮件的发送可所谓是给人们的电子商务活动的开展提供了一个便利的联系通道。本文简述了企业级Java开发中邮件发送的基本理论知识及运行机制,介绍了基于Java Servlet的Java Web开发技术的相关知识、平台的搭设、开发工具的选择、开发具体方法。重点研究了基于java技术的电子邮件发送系统的分析、设计、实现的全过程。     

基于机器视觉的扁弹簧分类方法研究

为实现扁弹簧的自动化分类,提出一种基于机器视觉的扁弹簧分类方法。首先对采集到的不同型号的扁弹簧图像进行预处理,对预处理图像提取黑色像素分布向量,作为特征参数向量。然后采用DDAG SVMs方法将不同型号的扁弹簧进行分类,最终对采集到的不同型号扁弹簧测试样本进行分类测试实验。结果表明,该分类方法效率高、准确率高,可以满足扁弹簧自动化分类的各项要求。     

Efficiency of the spectral-spatial classification of hyperspectral imaging data

The efficiency of methods of the spectral-spatial classification of similarly looking types of vegetation on the basis of hyperspectral data of remote sensing of the Earth, which take into account local neighborhoods of analyzed image pixels, is experimentally studied. Algorithms that involve spatial pre-processing of the raw data and post-processing of pixel-based spectral classification maps are considered. Results obtained both for a large-size hyperspectral image and for its test fragment with different methods of training set construction are reported. The classification accuracy in all cases is estimated through comparisons of ground-truth data and classification maps formed by using the compared methods. The reasons for the differences in these estimates are discussed.     

基于混沌算法的机电产品管线自动敷设研究

针对机电产品管线敷设的困难,提出了一种机电产品3维管线自动敷设算法.该算法以预处理和优化搜索为基本框架,通过引入混沌技术,在预处理阶段建立了混沌栅格预处理模型,可有效地提取可行解空间,缩小了搜索范围,提高了求解效率.通过利用分层的思想,提出了在优化搜索阶段高效搜索解空间中优化管线轨迹的分层混沌优化算法.通过算法复杂性分析,给出了自动敷设算法的时间复杂度,并通过实例验证了该算法的有效性和实用性.     

A hybrid signal pre-processing approach in processing ultrasonic signals with noise

Ultrasonic techniques have the potential to be used to detect sub-surface defects in aluminium castings. However, ultrasonic sensing techniques have not been successfully used to detect sub-surface defects in aluminium die castings with rough surfaces or in the ‘as-cast’ state due to the poor quality of signals. Ultrasonic signal noise caused by rough surfaces and grain size variations of the castings is difficult to eliminate. Hence, there is a need to process noisy ultrasonic signals to identify defects within the rough surface castings. This paper documents an investigation of ultrasonic signal analysis using artificial neural networks and hybrid signal pre-processing approaches for the purpose of detecting defects from noisy ultrasonic signals. In this investigation, ultrasonic signals were obtained from aluminium castings with different levels of surface roughness. The signals were first pre-processed using hybrid signal analysis techniques and then classified using an artificial neural network classifier. The hybrid pre-processing techniques utilised various combinations of fast Fourier transform (FFT), wavelet transform (WT) and principal component analysis. The best signal classification performance was generally achieved with a hybrid WT/FFT signal pre-processing technique.     

Feature Recognition Patterns for Form Features Using Boundary Representation Models

This paper present a new method for automatic form feature recognition from boundary representation of a solid model. The proposed method is called the edge boundary classification technique. This technique uses the geometry, topology, and spatial information of a solid model for feature recognition patterns. Some aspects of edge boundary classification are discussed for recognising non-intersecting and intersecting form features. ID="A1" Correspondence and offprint requests to: Dr N. Ismail, Department of Mechanical and Manufacturing Engineering, Faculty of Engineering, University Putra Malaysia, 4300UPM, Serdang, Malaysia. E-mail: napsiah@eng.upm.edu.my     

分布式机电系统边缘节点信号预处理方法及应用设计

为提高分布式机电系统边缘节点对本地数据过滤和分析的效率及准确性,提出了一种基于最优变分模式分解(Optimal variational mode decomposition,OVMD)的信号预处理方法.首先,利用一阶差分方法有效消除了原始信号中的奇异点,随之利用最优变分模态分解方法对信号进行模态分解,然后进行相关分析,确定各模式与原始信号的相关程度,从而从噪声信号中准确分离出真实的工作信号.在理论与仿真分析基础上,设计开发了分布式机电系统边缘节点预处理系统,并采用信噪比及均方根误差指标评价信号预处理效果.实验结果表明,该机电信号预处理方法及设计的边缘节点预处理系统能够提取不同特征的信号,提高重构信号信噪比,具有较高的保真性和可靠性,为后续系统健康监测、故障诊断等工作提供了数据保障.     

Computer aided detection of ischemic stroke using segmentation and texture features

Computed tomography images are widely used in the diagnosis of ischemic stroke because of its faster acquisition and compatibility with most life support devices. This paper presents a new approach to automated detection of ischemic stroke using segmentation, midline shift and image feature characteristics, which separate the ischemic stroke region from healthy tissues in computed tomography images. The proposed method consists of five stages namely, pre-processing, segmentation, tracing midline of the brain, extraction of texture features and classification. The application of the proposed method for early detection of ischemic stroke is demonstrated to improve efficiency and accuracy of clinical practice. The results are quantitatively evaluated by a human expert. The average overlap metric, average precision and average recall between the results obtained using the proposed approach and the ground truth are 0.98, 0.99 and 0.98, respectively. A classification with accuracy of 98%, 97%, 96% and 92% has been obtained by SVM, k-NN, ANN and decision tree.     

神经网络在制造单元构建中的研究与应用

分析了ART1神经网络用于制造单元设计的天生缺陷，提出了两条改进途径：以模糊C均值算法对机床一零件矩阵分类问题进行预处理，以提高分类精度；通过修改模式向量的计算方法来克服保存在网络中的模式向量比较稀疏的情况。改进的ART1算法克服了标准ART1算法的不足，成为一种实用有效的制造单元设计方法。设计了新的算法流程并基于相似系数比较尺度在MATLAB软件平台上进行了算法仿真，与前人的研究结果相比，新算法产生了较好的分组效率。     

一种图像信息处理机的图像预处理方法

针对图像信息处理机信号进行图像处理,相比于传统的图像预处理技术,提出了一种新的通过阈值去噪及基于八连通域和链码跟踪的边缘检测的图像处理方法,该算法可以进一步改善图像处理效果,提高了边缘检测的质量,有利于后续处理如性能评估等。     

面向人脸表情分析的人脸图像正脸化方法

在人脸表情分析过程中,头部姿态变化常会引起人脸信息的不对称,传统上仅对人脸图像进行裁剪和对齐的相关操作难以得到对姿态鲁棒的特征。为获取人脸结构化的特征,提出了一种人脸图像正脸化处理方法。该方法将检测到的人脸关键点映射到新的二维空间进行关键点的正脸化,将正脸化后的关键点还原到原始图像中作为新关键点,通过移动最小二乘法指导图像由原始关键点向新关键点变形,得到正脸化后的人脸图像。在公共的RAF-DB和ExpW人脸表情数据集上,采用上述处理方法对人脸图像进行预处理,并在VGG16和ResNet50深度学习网络中进行人脸表情分类任务的模型训练,用分类任务的准确率来评估文中正脸化方法对人脸表情分析的有效性。实验结果表明,该方法在人脸表情分析方面优于深度学习中传统的预处理方法,并且可以有效提高人脸的信息质量。     

[质量优化]数据驱动的晶圆图缺陷模式识别方法

针对晶圆生产过程中晶圆图数据角度与维度多样性和数量不平衡的特点,提出了基于对抗生成网络的晶圆图缺陷模式识别方法。设计了Radon变换,实现了数据多角度的统一;采用重采样机制实现数据多维度的缩放,得到了标准晶圆缺陷数据。提出了基于对抗生成网络的晶圆缺陷分类方法,利用生成机制平衡各缺陷模式的样本数量,以提升缺陷模式识别精度。试验结果表明,该方法可大幅提升少类样本的识别精度,且在整体识别率上远优于支持向量机和Adaboost算法。