视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。     

基于情感分析的文本检索系统的研究

针对目前文本挖掘的情感分析方法的准确性、实时性、提取等问题,构造一种神经网络混合模式,使用记忆神经网络和卷积神经网络对文本特性的提取,再利用情感分析方法进行挖掘。实验表明对文本挖掘的准确性提高了,这种模式在应用中有很大的实用性。     

激光脉冲编码抗有源干扰效果研究

激光脉冲编码是激光制导武器的抗干扰措施之一。角度欺骗式干扰和高重频干扰是目前半主动激光制导武器的主要有源干扰来源。为研究不同激光脉冲编码方式对激光半主动制导武器抗这两种干扰性能的影响,本文针对敌方激光告警机的识别算法与我方导引头的解码过程,提出自相关函数与归一化互相关函数评价方法,并对目前主要编码方式进行仿真,仿真结果表明:激光脉冲编码的抗角度欺骗式干扰能力受编码序列周期性与脉冲间隔随机性的影响；抗高重频激光干扰能力受编码序列脉冲间隔随机性的影响；LFSR状态码的抗角度欺骗式干扰与抗高重频干扰效果均优于其他编码方式。     

中国白酒文化国际认同质性研究

中国白酒国际化问题是近期传播学与跨文化领域的重要研究方向。聚焦网络自媒体文本中对中国白酒的评价,揭示国际消费者对中国白酒文化的认同现状与问题。结果表明,国际消费者普遍对中国白酒文化缺乏认同感,难以接受口味独特的中国白酒,特别是对中国白酒品质、传统酿造工艺、酒精浓度、价格的认知存在偏差。研究结论有望为迫在眉睫的中国白酒文化国际认同问题的解决提供参考。     

水文序列相依变异识别的RIC定阶准则——以自回归模型为例

水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BIC准则的基础上,提出了一种以原序列与其相依成分的相关系数作为拟合度指标,同时借用信息熵形式的函数式,作为模型不确定性度量指标的自回归模型定阶准则(简称RIC准则)。以AR(1)、AR(2)、AR(3)和AR(4)模型为例进行统计试验,将不同序列长度下该准则的定阶准确率与其他定阶准则进行比较,试验结果表明,RIC准则对于上述模型均具有较好的适应性,且定阶准确率远高于AIC准则,其中对于前三阶模型RIC准则优于BIC准则,但四阶模型略低于BIC准则。RIC准则的优势是可以同时满足模型定阶、相依程度分级与模型检验的需求,将其应用于实测水文序列分析,结果显示,该准则能较准确地识别自回归模型的阶数,且符合提出的"相依有变异而残差无变异的最小阶数"的检验标准。