说话人功能性副语音自动检测算法

功能性副语音如笑声、哭声、叹息声等的研究在情感识别领域中越来越受到关注,开始被作为识别说话人情感重要的信息之一.然而在应用与研究中功能性副语音能否被自动检出是前提.针对这一需求,根据音频分割算法提出了基于定长分段的功能性副语音自动检测算法以及基于距离与贝叶斯的功能性副语音自动检测算法.并提出了结合静音帧语音分割点确认算法对分割点进一步确认,而且通过实验验证了该算法是有效的.通过实验对比两种检测算法的优劣,实验结果表明:基于定长分段自动检测算法较好,检测率达到70％,较基于距离与贝叶斯的检测算法高出5％.     

窄带电力噪声干扰下的G3标准分组检测算法的研究

G3标准OFDM(正交频分复用)多载波PLC(电力线通信)技术应用于智能电网时,必须解决恶劣电力环境下的数据同步问题。当电力信道存在电力背景噪声及随机脉冲噪声时,经典的延时相关分组检测算法对数据起点检测存在较大误差。针对电力噪声的特点,为提高检测的准确度,将微分算法应用于延迟相关算法,提出新的分组检测算法。在电力噪声模型下,通过对经典算法及新的算法进行性能评测比较,验证了新算法对恶劣环境的适应性。     

《关于工业控制系统信息安全培训体系的研究》(节选)

3建设工业控制系统信息安全培训体系的建议3.1以"标准"建设"培训基准"工业控制系统信息安全的相关国家标准、行业标准正在完善制订中,目前已发布了部分的标准及文件。工业控制系统信息安全培训的基准要以国家标准、行业标准或指南进行设计,培训的内容要切合国家及行业要求,能够为参加培训的人员提供切实有益的知识,同时可以通过培训为学员提供职业向导。在工业控制系统信息安全培训整个内容体系的设计上,可通     

自然语言文本中不确定性信息的自动识别

自然语言中存在大量不确定的表述,针对此类信息的检测任务是信息抽取领域的研究热点之一,然而,面向中文的不确定信息检测研究仍然比较匮乏,利用支持向量机(Support Vector Machine,SVM)能够很好的解决非线性、高维数、局部小样本等实际问题的优势,将中文不确定性信息识别问题转化为分类问题,通过在复旦大学发布的中文不确定性检测数据集语料上的实验,验证了本文提出的基于SVM的中文不确性信息检测方法的有效性,相比于句子评分模型,我们的系统取得了更好的召回率.     

基于改进SUSAN算法的移动车辆检测

针对复杂行车环境下智能车辆行车安全问题,提出了一种基于改进 Susan 边缘检测算法提取车辆边界特征。首先介绍了SUSAN边缘检测算子的原理,然后提出改进的SUSAN算法,即对待检测像素粗略提取,采用一种自适应选取阈值的方法对候选边缘点检测提取边缘。实验表明,算法能在复杂图像中识别前方车辆,有较高的准确度。     

电磁超声检测钢板厚度实验的参数优化

为提高电磁超声检测信号的信噪比,研究激励信号频率、脉宽及换能器提离距离对厚度测量结果的影响,搭建了电磁超声实验系统。该系统利用RITEC-SNAP 5000产生高能正弦波激励电磁超声换能器EMAT ( Electromagnetic Acoustic Trans-ducer),通过调节激励信号的频率、脉宽,改变提离距离来观测超声回波幅度的变化。实验结果表明：当激励频率和EMAT固有频率相同时其换能效率最高,采用6个周期的脉冲串时前后波包之间分界明显,为获得较大的回波幅度应尽可能减小提离距离。     

入侵检测系统的方法研究

随着计算机的发展出现了网络,而随着网络的发展,网络安全问题日益突出,在信息化高速发展的今天,一个安全保障的网络系统是必不可少的,而入侵检测系统就是一种对网络传输进行实时监视,监控各种数据包和协议,在发现可疑行为时能够发出警报并能采取主动反应措施,进一步阻止入侵行为,从根本上保证了网络的安全.重点介绍了异常检测和误用检测的基本原理及其特征库,并结合人工智能进一步讨论了基于专家系统的入侵检测.     

基于智能手机的老年人跌倒预警系统实现

设计实现了一个Android手机的App,为老年人跌倒提供实时检测,并在检测到跌倒发生时,及时发送报警短信到指定的手机.通过对从手机内置的加速度传感器和陀螺仪获取的数据求向量模,并将求得的向量模与实验测得的跌倒时的标准向量模进行比较,使用阈值算法来判断是否跌倒.判断发生跌倒时,使用百度提供的API进行定位.最终把跌倒的老年人位置信息和求救信号通过短信给指定监护人,以获得及时救助.     

复杂监控背景下多运动目标的检测与跟踪

在目标跟踪系监测系统中,视频的处理主要由摄像机视频捕获、视频图像帧的预处理、运动中目标的监测、运动目标的跟踪、运动目标的分类和目标行为描述与理解等步骤.其中,运动目标检测与跟踪是视频处理系统中的核心内容.主要对运动目标在复杂环境下检测与跟踪技术进行研究.     

空间约束混合高斯运动目标检测

目的 针对传统混合高斯模型前景检测运算量过大问题,提出一种基于空间约束的混合高斯前景检测算法。方法 通过快速初始化缩短模型的初始建立过程;采用双重背景模型机制,以自适应背景减法的前景检测结果作为混合高斯前景检测的空间约束条件,降低模型在背景区域的冗余运算;运用多策略自适应模型更新,提高前景检测的准确性。结果 在各种测试场景下,与传统混合高斯法、CodeBook、GMG、偏差均值混合高斯模型(MODGMM)等算法相比,该算法具有更好的准确率以及4倍以上的处理速度。结论 在固定相机场景下的运动目标检测中,算法能有效提高传统混合高斯法的准确性且具有极高的实时性。