基于上下文关系和TextRank算法的关键词提取方法

为了从海量文本中高效提取知识,提出了一种基于上下文关系和TextRank算法的中文文本关键词提取方法.首先使用传统方法提取出初始关键词,然后利用互信息筛选出在上下文中对关键词依赖程度大的词,将其作为候选关键词,最后利用TextRank算法计算出最能表达文本主题思想的特征关键词.实验结果表明,与传统方法相比,所提算法在查准率、查全率等相关指标上均有提高.     

基于时基调制算法的音频密写标签技术研究

研究基于时基调制的数字音频密写标签的嵌入及盲检测提取技术,该技术可用于广播播发广告的智能监听监管。首先将原始音频划分成音频数据段,然后将嵌入数据分成检测码和密写标签两部分,采用时基调制算法将两部分数据嵌入到音频段中。该方法可以实现密写标签的盲检测,提取密写标签时不需要原始音频。实验结果表明,隐藏有密写标签的载体音频听觉质量没有明显下降。     

一种基于卷积神经网络的人脸表情自动识别方法

针对传统机器学习方法在人脸表情识别上存在特征提取繁琐、表情识别准确率不高的问题,提出一种基于深度学习的人脸表情自动识别方法.设计了一个卷积神经网络模型,以原始图像数据为输入,中间以卷积层和池化层交替作为隐层进行特征自动提取,最后将提取到的特征数据映射到全连接层,并采用Softmax函数作为分类器计算分类得分概率,实现人脸表情的自动识别分类.在公开的人脸表情数据集CK+上进行实验,结果表明本文方法能更准确地识别人脸表情.     

融合标签语义嵌入和图卷积的短文本特征扩展及分类方法

针对短文本长度过短、关键词偏少和标签信息利用不足造成的分类过程中面临特征稀疏和语义不明确的问题,提出了融合标签语义嵌入的图卷积网络模型。首先,在传统的术语频率和逆文档频率算法基础上,提出了融合单词所属文本的类间、类内分布关系的全局词频提取算法。其次,利用融合标签嵌入的方法,将每条训练文本与相对应的标签引入到同一个特征空间内,通过筛选聚合提取更能突显文本类别的近义词嵌入,作为文本图的文档节点的嵌入表示。最后,将文本图输入到图卷积神经网络学习后,获得的特征与预训练模型提取文本上下文的特征相融合,提升短文本的分类质量以及整个模型的泛化能力,在4个短文本数据集MR、web＿snippets、R8和R52上对本文模型和14个基线算法进行了对比实验,结果表明本文提出的模型相比于对比模型具有更优的结果,在识别精度、召回率以及F₁值上有着更好的表现。     

基于隐马尔可夫模型的调频广播信号整点报时特性识别方法

由于整点报时与不报时是区分正常广播与“黑广播”的重要指标之一,因此文章提出一种基于隐马尔可夫模型的调频广播信号整点报时特性识别方法。利用静音识别算法将调频广播整点时刻频谱数据表示为0-1序列并在0-1序列中分析调频广播信号的静音序列变化规律,得到调频广播频谱数据的隐藏状态和观察状态的随机序列;通过子区间划分,分别获得初始隐藏状态转移矩阵和初始观察状态概率矩阵;采用Baum-Welch迭代学习算法,在调频广播整点时刻频谱数据训练样本集上对隐藏状态转移矩阵和观察状态概率矩阵进行训练学习,分别得到调频广播整点报时和不报时的隐马尔可夫模型,并给出调频广播信号整点报时特性识别算法。采用实测调频广播整点报时频谱数据进行整点报时特性识别实验,其结果表明,该方法可有效地识别调频广播信号整点报时特性,其整点报时特性的平均识别率为87.5%。该方法在快速发现“黑广播”方面具有一定的实用价值。     

基于RBBLC模型的中文事件抽取方法

在公检法、纪检监察等领域的大数据分析中,结构化数据和非结构化文本数据往往成为主要数据源. 基于这类数据进行业务分析时,需要重点提取数据背后的隐型关联,而事件抽取是对此类文本数据进行关联分析的核心基础. 过往事件抽取任务将事件触发词识别和事件要素识别分开进行,由事件触发词识别得到的事件触发词及事件类型进行后续的事件要素识别,存在误差传播的问题,且以往的基于表示的方法构建的词向量,对于句子级特征的提取能力存在缺失. 提出了一种RBBLC联合抽取模型,以序列标注的方式同时完成事件识别和事件要素识别. 所提RBBLC模型基于RoBERTa构建包含更丰富上下文信息的词向量,继而应用BiLSTM-CNN的网络结构捕捉语句内部关联信息进行事件触发词及论元标签预测和事件类型预测. 在CEC语料库上进行了抽取实验和归纳分析,本方法的F1值、准确率、召回率三项指标较基线方法分别提高了16%、28%和24%,有效提升了事件抽取任务性能.     

流数据聚类中多属性的计算

针对传统聚类算法对维度较低的数据集和纯数值型数据或纯分类型数据聚类效果较好,却很难适用于多维度多类别属性数据计算的问题,提出一种依靠提取主要指标属性的多属性聚类算法,这些主要指标可以最大限度反映原来指标的信息.该方法针对多类别属性将所有变量放在一起进行处理,提高了聚类效率.     

基于领域特征词的突发事件层次分类方法

突发事件类别众多,若采用传统的平面文本分类方法对突发事件分类,模型训练所需计算量剧增,并且对测试文本分类时要和全部分类器进行比较,导致极大的时间开销。根据突发事件类别体系结构层次性特点,提出了一种基于领域特征词的突发事件层次分类方法,将领域特征词自动提取算法用于特征选择,并在每个分类平面上采用改进的基于二叉树的SVM多类分类算法构建分类器。实验证明,基于领域特征词提取算法的特征选择方法优于传统方法,采用层次分类方法对突发事件分类,降低了时间复杂度,同时改善了分类效果,有效降低了错误分类的风险。     

软件无线电中信号调制方式识别的研究与应用

基于软件无线电数字信号通用解调模型原理,分析了软件无线电系统中的数字信号调制方式的自动识别算法,特别是对正交调制的调制方式的识别,在解调同时自动识别调制方式。最后研究和分析识别方式的最佳判决门限,以及识别出错率与信噪比的关系。     

焊缝超声无损检测中的缺陷智能识别方法

针对焊缝超声无损检测中的缺陷智能化定性识别一直未能很好解决的难题,提出采用小波包变换技术对缺陷回波信号进行降噪和特征值提取,采用基于距离的类别可分性判据和人工神经网络模式识别方法对其进行自动识别和归类,在此基础上开发了基于MATLAB软件的焊缝超声波探伤缺陷智能识别系统,可实现对缺陷回波信号的自动采集、处理及智能化识别和分类.实验表明采用的特征值提取方法以及缺陷定性识别方法是有效的.     

广播电视监测系统的设计和实现

针对广播电视需要确保节目信号不中断并安全播出,设计和实现了一种基于Spring+Struts2+Hibernate的广播电视监测系统。相较于传统广播电视监测系统的B/S和C/S的复合式体系架构,该系统不仅体现了免安装的优势,而且还能对广播、模拟电视、数字电视以及IPTV监测进行一体化监管,更加符合新形势下的应用需求。广播电视监测系统应对多用户、多地区以及大数据的监测需求,具有灵活及易于扩展的优点;可以完成监测报警、码流分析、安全监测等任务;可以固定或周期性监测节目,具备技术指标自动测量功能和实时报警功能;不论是本地用户还是网络上的远程用户,都可以在IP网络上获得实时监测数据,方便值班员及时查看并处理异常状况。     

一种基于说话人识别技术的自动音量控制系统

一种利用说话人识别技术的广播音响自动音量控制系统,通过识别出说话人的变更或语音的突变,从而给出在不同情况下音量的不同调节速度,有利地改善了伴音大小不一的现象。实验表明,系统在反应速度和控制质量上得到了较好的兼顾。     

Multimodal spontaneous affect recognition using neural networks learned with hints

A multimodal fusion classifier is presented based on neural networks （NNs） learned with hints for automatic spontaneous affect recognition. In case that different channels can provide com- plementary information, features are utilized from four behavioral cues： frontal-view facial expres- sion, profile-view facial expression, shoulder movement, and vocalization （audio）. NNs are used in both single cue processing and multimodal fusion. Coarse categories and quadrants in the activation- evaluation dimensional space are utilized respectively as the heuristic information （hints） of NNs during training, aiming at recognition of basic emotions. With the aid of hints, the weights in NNs could learn optimal feature groupings and the subtlety and complexity of spontaneous affective states could be better modeled. The proposed method requires low computation effort and reaches high recognition accuracy, even if the training data is insufficient. Experiment results on the Semaine nat- uralistic dataset demonstrate that our method is effective and promising.     

谱聚类及其在文本分析中的应用研究进展

随着文本数据的快速积累,文本自动分析成为管理和利用海量文本数据的重要手段。其中,文本聚类是文本分析的基本任务之一。本文着重介绍文本分析与谱聚类的研究进展,阐述目前在文本分析中应用谱聚类技术的主要方法,旨在为文本分析中谱聚类方法的应用提供引导作用。     

基于层次聚类和人工免疫的无监督结构故障分类算法

目的利用层次聚类与人工免疫模式识别相结合的方法解决无监督结构健康监测中对结构故障识别和分类的问题.方法通过凝聚型层次聚类实现样本数据的分类,通过模仿生物免疫识别和学习机理来训练记忆细胞集合,进而实现对结构故障的识别与分类.结果在benchmark结构模型上的仿真实验测试结果表明在抗原样本数据中采用凝聚型层次聚类和方法能够成功地确定抗原样本数据的模式数目,继而采用人工免疫模式识别算法对实测数据进行模式识别与分类,分类成功率为81%.结论基于层次聚类和人工免疫的无监督结构故障检测与分类算法通过免疫学习和进化产生高质量的记忆细胞,从而有效地识别结构故障模式.     

数字卫星地球站的系统设计和传输链路计算

卫星传输是广播电视节目主要传输手段之一．卫星地球站由模拟传输转为数字传输，其优势更加明显．以国家广播电影电视总局批准建设项目——浙江省广播电视数字卫星地球站为背景，运用视音频编码技术、数字传输技术和卫星通信技术，对数字卫星站系统功能和系统要求作了详细的阐述，对数字电视编码调制、卫星上行射频和音频切换监视等分系统的设计和构成作了具体介绍，并根据卫星上下行链路计算对卫星租用带宽、上行功率、天线接收系统品质因素等技术参数进行了分析和评价．该项目于2004年获国家广电总局科技创新三等奖，说明设计思路和链路计算方法是合理的.     

半监督语义动态文本聚类算法

针对传统的动态文本聚类将描述方式不同的同类文本划分到不同组中;以及聚类类别个数与真实类别数之间差距明显等问题,该文提出了一种半监督语义动态文本聚类算法（SDCS）。该算法以语义表征文本的方式来捕获文本间的语义关系,在聚类过程中动态学习类别语义,让文本能根据语义准确聚类。同时该算法利用半监督聚类的方法对新类的产生进行监督,学习符合实际情况的聚类结果。实验结果表明该文提出的算法是有效可行的。     

基于MSP430F449升降旗系统的设计

设计介绍了基于MSP430系列16位超低功耗单片机自动控制升降旗系统,通过单片机控制步进电机与语音芯片,达到国旗平稳升降,国歌同步播放的效果.并能实现无线遥控,断电保存原始工作状态,同步显示国旗高度,调节升降高度、速度等功能.