牛顿插值多项式-导数光谱无损检测车用保险杠

为了提高检验鉴定效率、降低检验鉴定成本，实现对案件现场车用保险杠碎片的快速无损检测，采用了基于红外指纹光谱结合牛顿插值多项式、光谱求导和判别分析的车用保险杠鉴别方法。采集并获取奥迪等6种品牌共计40个不同型号的车用保险杠样本的红外光谱，选择牛顿多项式插值、光谱求导等方法建立了判别模型。结果表明，基于指纹区波段建立的判别模型总体准确率(80.0%)高于全波段模型(77.5%)，指纹区光谱结合4次牛顿插值多项式处理后的判别准确率可到85%，经1阶导数处理后判别准确率可达100%，以判别函数DF₁和DF₂作为判别轴构建判别分类模型，6种品牌的样本均实现了100%的准确区分；红外指纹光谱结合4次牛顿插值多项式、1阶导数和判别分析可实现车用保险杠品牌快速、无损鉴别，且模型检测精度高。该方法具有普适性和一定的借鉴意义。     

声乐主旋律的自动提取

提出一种基于多候选基频提取和歌声基频判别的声乐主旋律提取算法。该算法可以有效降低旋律定位虚警率,提高整体准确率。利用度量距离(DIS)算法对音乐进行音符切分,并用方差法实现浊音段检测;采用幅度压缩基音估计滤波器(PEFAC)多基频提取技术,通过计算音高显著度提取每个浊音帧的多个候选基频。最后用维特比算法跟踪浊音段主导基频轨迹,并用基频判别模型进行歌声主旋律判别。在MIR-1K数据集上进行的实验表明,在信干比为5 dB和0 dB的情况下,本文算法提取的声乐主旋律整体准确率分别达到了86.22%和77.4%,相比于其他算法至少提高了3.79%和2.01%。     

基于SMOTE＿GA＿XGBoost的葡萄酒质量预测

随着经济发展和消费升级,人们对高品质葡萄酒的需求不断增加,如何利用葡萄酒理化指标进行高效准确的质量评定显得尤为重要。本文基于UCI葡萄酒数据集,建立了SMOTE＿GA＿XGBoost模型来预测葡萄酒质量。结果表明,SMOTE＿GA＿XGBoost模型得出的级别判别准确率为89.36%,类别判别准确率为96.46%,均高于其他对比模型,具有更高的预测精度。     

基于移动大数据的同一用户识别分析模型

为了有效判别行驶车辆内车载乘客手机数量实际匹配的乘客人数,提出一种将聚类算法和呼叫指纹识别算法相组合的算法(CHC-CFA)。运用组合算法结合车辆内乘客携带手机的实时轨迹数据以及历史呼叫指纹数据建立同一用户识别模型,有效地判别出车辆内实际乘客人数,用于判别行驶车辆是否存在超员的异常问题,也可以对当前HOV车道的车辆内乘客数实时监测提供一种新的辅助检测方法。实验结果表明,该模型能有效判别行驶车辆内车载乘客手机数量实际匹配的乘客人数并有较高的检测准确率。     

激光打印墨粉红外光谱的小样本种类判别

激光打印墨粉的品牌型号判别是法庭科学专家认定涉案打印机具和鉴别添加打印文件的关键步骤,已有方法通常需要大量训练样本才能获得可靠的分类模型,但实际案例中往往无法获取足够的样本。针对这一问题提出了基于红外光谱和化学计量法的小样本墨粉种类判别方法。实验采集了8种不同品牌型号的激光打印墨粉红外光谱数据,根据光谱信号的特点以及遍历法选出效果最佳的光谱数据预处理方法,并对处理后的数据建立偏最小二乘判别分析（PLS-DA）模型,以随机森林（RF）和支持向量机（SVM）作为对比算法。实验结果表明：二阶导数与Savitzky-Golay平滑组合使用可以获得实验数据的最佳预处理效果;PLS-DA模型的准确率始终高于RF和SVM,训练集样本数大于90时PLS-DA模型准确率为100%,训练集样本数为60时该模型准确率为95%。提出的基于红外光谱和PLS-DA的激光打印墨粉种类判别模型准确率高、可解释性强且所需训练样本数较少,在物证检验领域具备较强的实用性。     

醇类汽油定性定量分析通用模型的研究

为了建立醇类汽油定性定量分析判别的通用模型，采用WQF-510A傅里叶变换红外光谱仪与OPUS光谱采集软件获得甲醇汽油、乙醇汽油的中红外光谱。利用主成分（PC）分析和偏最小二乘（PLS）判别法对醇类汽油样品进行定性判别；通过无信息变量消除进行波段筛选，并基于无信息变量消除-偏最小二乘（UVE-PLS）和无信息变量消除-最小二乘支持向量机（UVE-LSSVM）两种方法分别建立醇类汽油的通用模型后用数据进行评价检验。结果表明，利用PC和DPLS对醇类汽油样品定性判别准确率达到100%；基于UVE-LSSVM方法建立的通用模型效果最好，决定系数和预测集均方根误差分别为0.945和2.187。该研究表明醇类汽油定性定量分析判别通用模型是可行的，该模型可以作为醇类汽油醇含量检测的技术参考和理论依据。     

基于最小误差阈值自适应的ViBe改进算法

针对ViBe算法无法快速抑制鬼影现象的问题,提出一种基于最小误差阈值自适应的ViBe改进算法。文中通过计算每一帧图像的最小误差分割阈值来对鬼影像素点进行判别并消除,加快了鬼影的抑制速度。并且根据样本方差的大小动态调整样本距离判定阈值,提高了该算法检测复杂场景时的准确率。此外,通过计算像素点的梯度值有效地优化了背景模型的更新速率。实验结果表明,改进后的ViBe算法有效地提高了鬼影的消除速度,并且算法的准确率也得到了提升。     

一种基于马氏距离的伪装器材性能评估模型

为了综合评价通用伪装器材与背景的适应性,建立了基于马氏距离的判别模型,可实现伪装器材性能的综合评估,本模型具有准确率高、可操作性强等优点。     

基于贝叶斯判别的激光除漆声学监测方法研究

为了解决激光除漆声学监测方法难以满足实际生产需要的问题,采用贝叶斯判别方法进行了理论分析和实验验证,将除漆过程分为正在清洗、清洗完成且基底无损伤、基底损伤3种类别,结合光声效应分析除漆声信号在清洗过程的变化,提取特征参量建立判别模型,实现了对激光除漆的定量判别。结果表明,训练样本准确率达到99%,测试样本准确率达到98.7%。该方法具有较高的准确性和实用性,可为激光清洗声学监测的研究提供借鉴。     

一种基于改进自编码器的二进制协议聚类方法

针对无先验知识下,混合二进制协议数据帧难以识别分离的问题,提出了一种基于联合高斯混合模型(GMM)和自编码器的聚类方法。对于捕获到的未知二进制数据帧,首先通过栈式自编码器对其进行降维提取特征,并根据相应判别准则获取最佳聚类个数,最后使用改进了代价函数的自编码器对二进制数据帧进一步训练以提高聚类准确率。实验表明,该方法对网络二进制协议数据帧识别的准确率达到94%以上。