基于向量机的体育运动视频自动分类方法设计

为有效增加分类的准确度及适用性,提出一种基于支持向量机的体育运动视频自动分类方法,能够实现样本复杂的海量体育视频的高效管理。首先构建基于视觉词袋模型的视频分类框架;然后采用类型关键帧建立对应的视频帧训练库;最后通过主成分分析对输入视频帧进行降维处理,以便快速得到输入视频帧的最佳支持向量机分类器参数,从而最终实现自动分类。利用多种类型混合的体育视频数据集进行分类实验。实验结果表明,提出的体育运动视频分类算法能够快速有效地实现分类,并获得较高的分类精度。     

机器翻译——从统计学方法到神经网络

机器翻译是计算语言学的一个领域,是指使用机器(计算机)将文本或言语从一种语言转化为具有完全相同含义内容的另一种语言的过程.21世纪的主流机器翻译均采用基于统计学方法的统计机器翻译,它将源文本和目标文本之间的对应关系视为概率问题,通过大量语料库驱动,学习翻译模型,基于翻译模型选取具有最高候选概率的目标文本作为翻译结果.近年来,统计机器翻译的发展进入了瓶颈期,模型复杂度不断增加,翻译效果却得不到很大的提高.随着深度学习的兴起,最近两年深层神经网络技术在机器翻译上也得到应用.神经机器翻译基于源文本和目标文本对应的并行语料库,由一个用于对整个机器翻译过程建模、通常包含上百万个人工神经元的循环神经网络实现.由于神经机器翻译以句子而非传统的词组为基本单元,同时还结合了注意机制,译文句法结构的质量有极大提高,对长文本的翻译表现尤其出色.此外,相比统计机器翻译,神经机器翻译无需整合语言模型、反向翻译模型、重排序模型、长度罚分等大量复杂方法即可实现高准确率,预处理步骤十分简洁.基于神经机器翻译的Google汉英在线翻译系统已在今年九月上线,神经机器翻译代替统计机器翻译成为趋势.     

基于双通道深度密集特征融合的遥感影像分类

为了提高遥感图像场景分类中特征有效利用率,进而提高遥感影像分类精度,采用基于双通道深度密集特征融合的遥感影像分类方法,进行了理论分析和实验验证。首先通过构建复合密集网络模型, 分别提取图像卷积层特征和全连接层特征;然后为挖掘、利用图像深层信息,通过视觉词袋模型将提取的深层卷积层特征进行重组编码,捕获图像深层局部特征;最后采用线性加权方式将局部和全局特征融合、分类。结果表明,选用数据集UC Merced Land-Use和NWPU-RESISC45进行实验,取得的分类精度分别为93.81%和92.62%。该方法充分利用局部特征和全局特征的互补性,能实现图像深层信息的充分利用和表达。     

激光二极管抽运的高效高重复频率Nd:YAG陶瓷激光器

研制了激光二极管(LD)抽运的高效高重复频率声光调QNd,YAG陶瓷微型激光器件。激光器采用激光二极管纵向同轴抽运Nd：YAG陶瓷得到1064nm近红外激光输出，采用熔融石英作声光介质，声光调Q重复频率1Hz～115kHz可调。使用2W的激光二极管抽运，获得脉冲宽度16．4ns，峰值功率2．46kw，单脉冲能量40．5μl的稳定运转。在重复频率110kHz时获得495mw的平均功率，总光一光转换效率达24．75％。研究了重复频率及抽运功率对声光调Q脉冲激光器性能的影响，并对实验结果进行了相应的分析讨论，在理论上加以合理的解释。     

基于汉语分词的信息抽取技术

随着信息时代的到来，如何将大量无序的信息及时准确地提取、整理、组织成便于查询检索的形式，巳成为研究开发的焦点。尤其是随着互联网技术的高速发展，为用户提供了更加丰富的信息。将基于汉语自动分词的综合信息抽取技术应用于信息检索，具有实际应用意义和价值。     

移动机器人视觉SLAM回环检测现状研究

同步定位与建图(Simultaneous Localization and Mapping, SLAM)是移动机器人实现自主定位与导航的关键技术,已成为该领域研究的热点。视觉SLAM是指相机作为仅有的外部传感器,进行同步定位与建图的技术,随着计算机视觉的迅速发展,视觉SLAM因为信息量大、成本低廉、适用范围广和可提取语义信息等优点受到广泛关注,而回环检测(Loop Closure Detection, LCD)作为其重要的一个环节,受到学者的广泛研究。对视觉SLAM系统进行简单概述,对LCD的原理、传统的LCD算法分类和主流的LCD算法进行总结归纳,介绍了LCD的性能评估标准,对LCD当前面临的挑战及未来前景进行展望。     

异构分类器堆叠泛化及其在恶意评论检测中的应用

恶意评论检测是预防社会媒体平台给用户带来负面影响的一项重要工作,是自然语言处理的重要领域之一.为解决单分类器实现恶意评论检测时模型精度不稳定、boosting集成模型精度较低的问题,提出一种异构分类器堆叠泛化的方法.该方法用深度循环神经网络将多标签的恶意评论分类问题转变为二类分类,防止了模型精度不稳定;用堆叠泛化集成时单个分类器GRU（Gated Recurrent Unit）和NB-SVM（Naïve Bayes-Support Vector Machine）在模型结构和分类偏差上的差异性,改善了模型精度.在维基百科恶意评论数据集上的对比实验证明：提出的方法优于boosting集成,说明堆叠泛化异构分类器实现恶意评论检测是可行且有效的.     

科技项目申请书关键词提取方法

关键词提取在文本相似度计算得到应用。传统的关键词提取方法忽略文本中的未登录词以及缺乏对词语语义的理解。针对科技项目申请书,研究提出一种基于未登录词识别与语义的关键词提取方法。应用Lucene和统计相融合的方法进行分词,并识别未登录词作为申请书关键词的一部分;依据社会网络理论构建词语语义相似度网络,并计算词语关联度提取申请书其他关键词。实验结果表明,与传统的关键词提取方法相比,新方法能提取更准确的关键词,有更好的科技项目相似性检查效果。     

雷达目标检测概率简化算法及应用分析

介绍了典型雷达目标的RCS起伏模型,阐述了由雷达目标起伏造成的信噪比损失,分析了雷达发现概率、虚警概率和信噪比之间的关系,绘制了仿真曲线。对非起伏目标和起伏目标之间在相同检测概率下的所需信噪比的不同,给出了一种等效算法,并针对非起伏目标的检测概率复杂度大的问题,给出了一种简化模型,并对简化后的误差进行了分析,最后对模型在雷达检飞试验中的应用进行了简要分析。