激光照射光斑检测方法

在激光照射性能监测系统的外场试验中,大气湍流等环境因素降低了光斑检测的准确性;同时传统的光斑检测方法在处理高分辨率CCD图像时速度较慢,难以满足实时处理的要求。为解决以上问题,提出一种激光照射光斑检测方法。首先采用自适应阈值法和投影法相结合的方法,将图像分割出一个或多个待检测区域;再根据靶板与成像系统的空间关系,预测当前光斑形态,并制作检测模型,对待检测区域进行相似度检测确定最优目标区域;最后对最优目标区域采用连通域分析提取光斑。实验结果表明：对于分辨率为1392×1040的图像,不仅能准确检测出光斑,还提高了检测速度,实现准确、稳定、快速的检测光斑,为激光照射器性能的评估提供可靠、有效的依据。     

新型玉米精密播种机排种监视器设计

针对目前市场上排种监视器计数不准、抗干扰能力差等缺点,采用微计算机智能控制与光电检测技术相结合的方法,设计一种新型玉米精密播种机排种监视器。该监视器在固定时间间隔内,根据光电传感器实时监测的玉米落籽情况,统计漏播指数、重播指数及合格指数等重要参数,并且具有面积自动统计、掉电计数及漏播报警等功能。经实际使用结果证明,该监视器结构合理,性能稳定可靠,对农业生产具有巨大的生产意义和经济效益。     

六自由度摇摆台检测方案设计

针对六自由度摇摆台的定位精度检测问题,设计了一套基于激光跟踪法的检测系统,实现六自由度摇摆台静态线位移与角位移指标的检测。根据六自由度摇摆台的运动姿态及高精度、大范围的运动特性,提出了一种基于激光跟踪法、包含绝对测距法的总体检测方案,并根据检测方案与检测原理运用激光跟踪仪作为检测仪器。然后对检测系统进行误差分析,得出了检测系统误差的最大值为10.27μm。最后对六自由度摇摆台技术指标进行检测,实验结果验证了检测系统的可行性。     

基于边分类的SVM模型在社区发现中的研究

社区发现是复杂网络研究的重要内容,也是分析网络结构的重要途径。分析了社区发现研究中存在的问题,提出了一种基于边分类的SVM模型。通过边顶点相似度和边介数来表示边的特征,从而构造分类函数。利用LFR生成社区结构已知的人工网络,通过人工网络数据训练基于边分类的SVM模型,对分类函数的参数进行估计,利用训练模型对真实网络进行社区分类并通过标准化互信息(NMI)和整体准确度来评价分类效果。实验得到了较高的整体准确度和NMI值。实验表明基于边分类的SVM训练模型对真实网络数据的社区划分有较高的准确度,表明该方法是可行的。     

临床常见六种脉象信号特征研究

提出以时域特征和模态能量商特征相结合进行脉象信号识别的方法。首先根据脉象信号的波形特征,计算脉象信号的h1,h3,h4,h3/h1,h4/h1,t1,t,k时域特征参数;然后对脉象信号进行EMD分解,计算6种脉象信号的模态能量商。通过临床200例脉象信号的采集和分析计算,获得临床上常见脉象信号的典型时域特征,确定弦脉的模态能量商R1,滑脉、沉脉、细脉、缓脉、平脉的R值依次降低,且R1。实验结果表明:时域特征和模态能量商特征相结合的方法可实现临床常见脉象信号的识别。     

一种改进Papoulis-Gerchberg的多幅超分辨重构方法

为进一步提高拍摄图像的分辨率,提出一种改进的Papoulis-Gerchberg超分辨算法.新算法提出边缘检测方法,可以改善传统方法空间复杂度和重构图像边缘模糊的问题.新算法在原有的算法基础上融于边缘检测,针对多幅同一场景输入图像,在每次Papoulis-Gerchberg迭代过程加入坎尼检测,同时将每步的重构误差投影到下一步重构过程,降低了算法空间复杂度,能有效恢复丢失的边缘高频信息.MATLAB实验结果表明,与现有的经典超分辨重构方法相比,本算法反映图像质量的峰值信噪比和灰度标准差更高,信噪比和灰度标准差比改进前算法分别提高0.5 d B和2.5.从视觉感官上对比,重构图像整体效果也更加清楚,去除了原始重构方法图像边缘叠影现象,有效提高了原始输入图像的分辨率.     

采用路径IRP的Windows恶意进程检测方法

针对程序在同一操作系统的不同环境下运行产生的IRP(I/O request packets)序列不完全相同,对检测结果有一定影响的问题,提出了采用路径IRP的Windows恶意进程检测方法.单独提取每一个操作路径的IRP请求序列,应用朴素贝叶斯、贝叶斯网络、支持向量机、C4.5决策树及改进的人工免疫算法(IAIS)进行检测,并比较了各种算法在不同特征选择方法下的检测效果.实验结果表明,本文所提出的采用路径IRP的Windows恶意进程检测方法是有效可行的,在所有方法中,采用Fisher Score进行特征选择的朴素贝叶斯方法得到了最高的检测率99.2%,优于基于IRP序列的恶意进程检测方法.     

基于Single-Pass的网络舆情热点发现算法

考虑网络事件的时间距离,基于半结构化网页中不同位置特征项重要程度的不同,提出改进的single-pass文本聚类算法single-pass*,优势在于对Web文本不同位置特征项的加权处理,仅需计算新文档与同类别种子文档间的相似度。实验结果表明,相比single-pass,改进算法极大减少了漏检率和错检率,降低了由于新文本流内文档进行相似度计算导致系统性能的下降,平均提高Web文本聚类效率40%。将聚类后的Web文本应用于网络舆情分析,进行主题关注度分析和话题热度特性分析。     

Robust adaptive threshold speech endpoint detection method

Due to the fact that traditional Speech Endpoint Detection methods' performance degrads greatly in a low signal-to-noise ratio and nonstationary noise, a novel robust adatpive threshold endpoint detection method is proposed. First of all, the LSFM parameter is employed as the distinctive feature and the Burg spectrum estimation is applied to figure out the power spectrum, which can enhance the discriminative ability in classifying speech signals and noise, compared with the traditional speech features. Furthermore, an adaptive threshold based on the Bayes estimation criterion is involved in the final judgment, which overcomes the defect of the fixed threshold in adaptability and improves the detection performance to a greater degree. Simulation results show that compared with the traditional feature-based Speech Endpoint Detection methods, the accuracy of the proposed method has a high accuracy rate, which proves that the new method has a better robust performance in a low SNR and nonstationary noise.     

Wonderful events automatic detection and location of the HCRF and webcast text

Based on the powerful function of the hidden conditional random fields (HCRF) model in the expression and identification of semantic events and combining the webcast text information, a new framework for wonderful events automatic detection is put forward. Firstly, by analyzing and processing the webcast text, keyword combinations corresponding to each exciting event are obtained. Secondly, by classifying the webcast text to be detected, the happening time labels of each wonderful event are obtained. Thirdly, an HCRF model for semantic shot annotation is built to realize the semantic annotation of multiple types of semantic shots simultaneously, and the semantic shot sequence of the video clip is obtained. Finally, combining the multi-modal semantic clues, an HCRF model for the wonderful events detection and localization is effectively built in the case of small-scale training samples. Based on the mapping relationship among video low-level features, the multi-modal semantic clues and the wonderful semantic events, the inherent patterns of the wonderful events are excavated deeply in the multiple dimensions of the semantic structure, and then the wonderful events automatic detection, localization and segmentation are precisely achieved. Experiments show the effectiveness of this model.