特征提取的改性麦糟吸附三价砷离子模型

由于改性麦糟吸附三价砷离子As(Ⅲ)的过程复杂,引入特征提取的方法将能够快速发现实验中各因素对吸附率的影响,揭示改性麦糟吸附As(Ⅲ)的最适条件和最佳效果.应用线性降维方法主成分分析和非线性降维方法流形学习提取官能基团和吸附活性质之间的关系.最后,利用支持向量回归模型和偏最小二乘法模型建立构效关系模型,探寻得出最佳吸附条件为:改性剂浓度1 mg/L,改性剂溶液pH为7,改性时间为12h,反应温度为20℃,吸附时间为2h,改性麦糟用量为0.3 mg,吸附率能达到96.19％.     

信息抽取技术在LBS中的应用

由于LBS系统的终端设备处理能力较低，显示屏幕较小，再加上无线数据网络带宽不足，因此无法浏览整个Web网页。采用信息抽取技术可以将用户感兴趣的信息提取出来，再发送给用户终端，有效地解决上述问题，信息抽取技术将是LBS系统中的一项重要应用。提出了一种基于信息抽取的从删．到WML的页面转换方法，首先标记少量的Web网页形成样本实例集，采用归纳算法生成信息抽取规则；其次应用抽取规则和模式匹配来处理结构和风格类似的Web页面；最后将抽取结果转换为WML页面。开发了原型系统，通过对实际数据源的抽取，验证了此方法的有效性。     

Research into a Feature Selection Method for Hyperspectral Imagery Using PSO and SVM

Classification and recognition of hyperspectral remote sensing images is not the same as that of conventional multi-spectral remote sensing images.We propose, a novel feature selection and classification method for hyperspectral images by combining the global optimization ability of particle swarm optimization (PSO) algorithm and the superior classification performance of a support vector machine (SVM).Global optimal search performance of PSO is improved by using a chaotic optimization search technique.Granularity based grid search strategy is used to optimize the SVM model parameters.Parameter optimization and classification of the SVM are addressed using the training date corresponding to the feature subset.A false classification rate is adopted as a fitness function.Tests of feature selection and classification are carried out on a hyperspectral data set.Classification performances are also compared among different feature extraction methods commonly used today.Results indicate that this hybrid method has a higher classification accuracy and can effectively extract optimal bands.A feasible approach is provided for feature selection and classification of hyperspectral image data.     

噪声环境下智能机器人语音控制特征提取方法

针对机器人的应用场合通常存在各种噪声干扰的问题,提出了一种基于稀疏编码的语音特征提取方法.利用稀疏编码能稀疏表示语音的特性,在梅尔频域对语音增强后提取特征,将稀疏去噪与语音特征提取相融合,实现了混噪语音的有效补偿.在预设场景中的实验结果表明,与现有特征提取方法相比,所提出的语音特征提取方法能有效降低噪声对语音特征的影响,提高机器人语音控制的性能.     

语言辨识的矢量量化方法(VQ)

与语音处理的其他领域相比，自动语言辨识是一个相对较新的研究，而且是一项较难的课题。本文给出了语言辨识的两种矢量量化方法，并利用OGI－TS电话语音库对2种算法的性能进行了测试，然后给出了实验结果。2种算法的最佳识别率分别为65．38％和73．08％。     

一种有效的无序多图像分组及其拓扑有序化的算法

针对大规模三维重建应用中多幅无序图像的分组及其有序化问题,提出一种鲁棒的无序图像分组方法。首先,对大量无序图像提取SIFT(scale invariant feature transform)特征,接着采用DBH(dichotomy based hash)算法对图像特征集合进行快速匹配,最后应用一种新的基于图像内容的图像相似度度量准则,将无序图像分组并采用视图生成树拓扑化组内图像。实验结果表明,该算法能快速有效地对无序图像分类并拓扑化。     

相关反馈结合鲁棒局部二值模式的CBIR算法

提出了一种鲁棒局部二值模式结合相关反馈的基于内容的图像检索算法.鲁棒局部二值模式是一种性能较好的特征提取算子,对噪声和光照变化具有较强的鲁棒性,且不会造成原始数据的改变,可提高特征提取的准确性.相关反馈使系统可获知用户的偏好,对检索结果具有导向作用.多个纹理数据库的实验结果表明,提出算法的检索准确性和鲁棒性优于同类算法.     

基于深度特征合成和关联规则的数据库异常访问检测

企业或组织内部的重要数据都存储在数据库中,因此数据库经常成为恶意入侵者的攻击目标。传统防火墙对于来自外部的入侵者有着很好的抵御作用,但无法检测来自系统内部人员的异常访问。针对数据库异常访问检测中存在的不足和缺陷,提出了一种基于深度特征合成(DFS)和关联规则(Apriori)算法的异常检测方法。通过对比BP神经网络、随机森林和C4.5决策树等3种其他检测算法表明,新提出的方法能够更加高效地提取用户特征,从而使检测的精准率和效率有显著提升。     

不平衡量信号的精密谱分析及其在砂轮动平衡测控仪中的应用

砂轮传感器拾取的振动信号是包含有大量噪声和其它周期成分的宽频信号,要实现精确平衡必须从中提取出与砂轮转速同频的不平衡振动信号,传统方法是采用模拟带通滤波器,其主要缺点是检波精度不高,另外对不同的磨床转速需要重新设计滤波器参数,通用性差。利用小波包对砂轮振动信号进行分解可以获得信号的时———频分布特性,对于分析以非稳态振动为特征的砂轮不平衡信号提供了有效的分析手段。文中给出了利用小波包进行砂轮不平衡信号提取的应用实例,并与其它信号提取方法进行了比较,显著提高了检波的精度。     

BP神经网络对驻极体麦克图像特征识别的研究

人工神经网络是特征识别的有力工具。在研究对驻极体麦克图像识别方法的基础上,本文提出了一种用改进的BP神经网络进行图像特征的识别和学习算法,并给出了动量系数和学习率的调整方法。对比传统方法测定的结果,使用改进的BP神经网络在识别不规则特征时：减少了输入信息冗余,网络结构相对简单;神经网络输出的各项指标明显提高了精度,对麦克图像特征的平均识别正确率达到92．7％;识别速度也满足在线实时检测的要求。理论分析和实验均表明该算法能实时有效地检测出驻极体麦克图像的特性。本文为研究图像不规则特征的识别提供了一种新的方法。