面向维吾尔文的多模式匹配算法研究

维吾尔文多模式匹配算法是影响维吾尔文关键词过滤和检测性能的关键步骤之一.为此,考虑维吾尔文语法特点、书写方式、字母变换形式、特殊字母等因素,提出一种基于维吾尔文音节划分的多模式匹配算法.通过Bohum-sani函数的维吾尔语音节分解方法计算字符串音节数,利用Bohum-xekli函数得到字符串音节结构,按语法特点从右至左方式进行模式比较,实现维吾尔文多模式匹配.实验结果表明,与现有模式匹配算法相比,该算法具有更高的匹配效率.     

震动信号识别传感器系统设计

设计了一种具有信号识别功能的震动传感器,用于监测地面运动引起的信号,实现安防区域24h无人监控.系统利用处理器实现信号识别算法,通过无线芯片将识别结果发送给数据控制系统中心,实现传感器信号识别和信息传输功能.实验测试结果表明:该系统能够在3s内有效地对25m距离内的人和车辆信号进行识别,正确识别率达96％;在10s内对100 m距离内的轮式车和履带式车识别,正确识别率达90％.     

基于CPG的双足机器人多层步行控制器设计

针对双足机器人步行控制器的设计问题,基于生物学启发原理,提出一种基于中枢模式发生器(CPG)与稳定性分析相结合的多层次结构控制器设计方法。分析机器人的步行运动,给出双足运动描述。基于CPG理论设计多层次结构的步行控制器,应用极限环理论方法分析运动稳定性。在保证步行稳定的前提下,所提出的控制方法具有结构简单、通用性好、方便在线平滑修正等优点,步行仿真实验验证了所提出算法的有效性。     

基于时序模型迁移的间歇过程监测建模方法

针对工业生产过程频繁变更操作条件的需求, 提出一种基于时序模型迁移的方法, 通过从旧过程数据中挖掘并提取相似性信息, 可以快速建立新过程的监测模型. 将该建模方法与时序模型迁移相结合应用于青霉素发酵仿真过程, 实验结果验证了该方法的有效性.

     

KICA模式匹配的动态过程监控与故障诊断方法

针对复杂化工过程具有的非线性、非高斯性和动态特征,提出了基于核独立成分分析(KICA)的模式匹配方法,用于动态过程监控和诊断。首先,利用滑动窗建立基准集与测试集的KICA模型,提取各自的核独立元:其次,融合余弦函数绝对值度量和距离度量,提出新的不相似度监控指标,识别训练与测试操作期间的相似模式,进行故障检测:最后,基于两类数据的核子空间之间的差异子空间,获得每个过程变量方向与该差异子空间之间的互信息,并定义新的非线性非高斯贡献度指标,进行故障诊断。基于污水处理过程的仿真结果表明,与主成分分析不相似度因子的方法、标准的独立成分分析(ICA)统计指标方法及标准的ICA T~2/SPE指标融合的贡献度方法相比,本文提出的方法具有更好的检测能力与故障诊断效果。     

基于张量奇异值分解的人脸识别方法

在人脸识别领域应用张量奇异值分解( TSVD)来进行人脸特征的表示和提取,克服了过去的提取方法,如主成分分析法( PCA)等过于依赖拍摄条件的缺点。 TSVD将数据转换成三维线性模型,所以能避免二维线性方法中条件改变则精确度下降的问题,使得识别算法在变化的条件下获得了相对稳定的结果。在此基础上对算法进行了优化,利用矩阵分解,在不影响算法正确率的情况下,有效减少计算量,提高算法效率。基于Matlab对该算法进行了四组实验,并将结果与用PCA方法得到的结果对比,验证了该识别算法在变化条件下显著的正确性以及稳定性;同时,对优化的TSVD算法进行了实验验证,在数据量较大的情况下,该算法速度明显提高。     

一种高效的闪存存储系统偏好访问模式识别技术研究

闪存已经是目前使用最为广泛的存储设备。众所周知,闪存对访问模式具有极大的敏感性,比如随机与顺序访问模式、冷热访问模式以及写聚集和分段顺序写模式等。此外,闪存设备的很多部件也对这些访问模式具有较大的敏感性。因此,闪存偏好访问模式的识别技术对闪存存储系统的性能和设计具有重要意义。首先给出闪存存储的偏好模式定义,然后提出了闪存存储系统偏好模式的识别技术。实验表明,所提出的偏好模式识别技术具有很高的准确性。     

一种面向浏览式购物行为模式的LBS购书移动应用

为了提升用户体验,目前涌现了一批辅助购物的移动应用。这些应用为用户补充商品的信息,适用于目标明确的购物行为模式。然而,在现实生活中,还普遍存在没有明确购物目标、将购物作为休闲方式的浏览式购物行为模式。现有应用对此模式支持不足。为此,以书店为应用场景,开发了一种基于室内定位技术的浏览式购物辅助移动应用。此应用后端从书店信息系统和互联网中收集包括书籍摆放位置的各类信息,然后利用关键词提取技术,建立基于位置的关键词库;前端则利用室内定位技术,根据购物者位置向其展示附近书籍概览信息,辅助购物者对附近商品快速认知。案例评估表明,此应用可以提升浏览式购物顾客的购物体验。     

Effective composite image detection method based on feature inconsistency of image components

This paper proposes an effective composite image detection method that uses the feature inconsistency of image components of the composite image to detect tampered regions. The composite image is first divided into image components. Next, the variance of the noise remaining after de-noising in each image component is calculated and used as a feature. Finally, tampered regions are detected using this feature based on a tampering detection rule. Experimental results show that the proposed method has good composite image detection performance.     

基于BP人工神经网络的手写体数字识别

手写体数字识别是模式识别研究领域多年来的热点,BP人工神经网络是目前应用最广泛的神经网络模型之一。将两者融合并结合Matlab软件,提出了一种简单的基于BP神经网络数字识别的方法,仿真实验结果表明,该方法识别效果良好,准确率高,有一定实用性。