Quality-related English text classification based on recurrent neural network

With the rapid development of artificial intelligence technology, text categorization technology is becoming more and more mature. However, text categorization in real situations still faces various unconstrained conditions. English text is an important part of text information, it is also an important way for people to get information from abroad. How can everyone get the desired content from the massive data quickly and accurately, it has become a hot issue in current research. This paper improves the current text categorization algorithm based on English quality-related text categorization. The design and implementation of text categorization system are illustrated with an example of English quality-related text categorization system, complete the research work of text categorization algorithm. The core work of this paper is to mine, classify and analyze large amounts of data in English text by using the method of combining cyclic neural network with quality. Finally, the essential features of high quality English texts are obtained. Traditional English text categorization algorithm if the amount of training data is large, it is easy to show some defects such as unclear feature items. In view of these problems, in order to improve the accuracy and flexibility of English text categorization, this paper proposes a quality-related English text categorization method based on cyclic neural network. A mechanism combining attention is proposed to improve the problem of label disorder and make the structure of the model more flexible. The model proposed in this paper is compared and optimized. Experiments show that the accuracy of neural text classification based on quality classification can reach about 96%.     

基于各向异性自适应高斯加权方向窗的非局部三维Otsu图像门限分割

针对传统3维Otsu(3D-Otsu)门限分割方法中的滤噪性能和小目标保持性能的不足,该文提出一种基于各向异性自适应高斯加权方向窗的3D-Otsu门限分割的新方法。新方法改进了3D-Otsu的邻域窗口设置方法,采用中心点的局部特征来自适应地确定邻域各向异性高斯加权方向窗口的尺寸、尺度和滤波方向。然后,提出非局部多方向相似度测量来更有效地捕捉图像中的模式冗余。最终,结合像素点灰度值、加权均值、加权中值构建3维直方图,并基于最大类间方差计算门限矢量进行分割。实验结果表明：与目前广泛使用的2维Otsu, 2维最大熵以及传统3维Otsu方法相比,新方法有着更好的门限分割效果,并具有更好的滤噪性能和小目标保持性能。     

多传感器信息融合技术在移动机器人障碍探测中的应用

在移动机器人障碍探测中,需要实时准确的感知环境信息,而单一传感器仅能提供部分环境信息,对环境进行描述时存在局限性。文中提出采用红外传感器和超声波传感器相结合来感知环境信息,完成障碍物信息的采集,并利用自适应加权融合算法实现数据融合的方案。实验仿真结果表明,多传感器数据融合后比单一传感器所采集的数据更接近于真实值,波动性小,并且不易受外界环境的影响。该方案较好地满足了移动机器人障碍探测的需要,具有一定的有效性和实用性。     

支持向量机在仓储物害虫分类识别中的应用研究

仓储物害虫自动分类识别是储粮生态系统中的重要研究课题之一。近年来，支持向量机以其出色的学习性能，已成为机器学习领域的一个研究热点。本文在研究支持向量机理论的基础上，将支持向量机引入仓储物害虫的分类识别中。实验表明，该方法与传统的神经网络方法相比，克服了后者固有的过学习和欠学习问题，并且对复杂模式的识别能力较强，达到了较高的识别率，这为仓储物害虫的快速鉴定和分类研究开辟了新的途径。     

一种用于遥感图像云雾处理的小波系数加权算法

依据小波变换理论分析,得出图像经多层小波变换后,低层细节系数频率高于高层细节系数,近似系数的频率最低.遥感图像景物的频率较高,云雾频率较低.提出通过选择合理的分界层数,将景物信息尽量分配到低层细节系数,云雾噪声尽量分配到高层细节系数,对低层、高层细节系数、近似系数分别给予权重,增大低层细节系数,突出景物信息,减小高层细节系数,削弱云雾噪声,依据近似系数包含云雾状态,保持或减小近似系数.同时还提出以信息熵作为分界层数和权重选择的依据.实验证明,该算法优于同态滤波和Retinex算法.     

基于特征点的影像匹配

在数字摄影测量中,影像匹配代替了传统的人工观测,来达到自动确定同名像点的目的。影像匹配的理论与实践,是实现自动立体量测的关键,也是数字摄影测量的重要研究课题之一。本文中对基于特征点的影像匹配思路及特征点的提取与匹配中所涉及到的各种算法进行说明,并通过实验对算法展开分析。     

延时控制差异并联算法与自适应加权融合算法

为提高延时控制系统现有决策算法的精度,提出了基于遗传算法的差异并联决策算法,利用遗传算法对各个延时电路的决策增量进行优化求解;为改善系统决策算法的鲁棒性,提出一种自适应加权融合算法,在对实测数据进行分析的基础上确定合理的权值分配策略。利用数值算例对精度、可靠度、鲁棒性和实时性的对比表明:与原有算法相比,所提两种算法具有更优的综合性能,其中自适应加权融合算法性能较为均衡,而差异并联算法具有较强的抑制异常测量值能力,适用于对鲁棒性要求较高的场合。     

基于矩阵加权的稳健波束形成方法

提出了一种基于约束主瓣幅度波动范围的矩阵加权波束形成方法,该方法相比已有方法可以有效控制方向图的主瓣形状、旁瓣电平以及零点深度.存在噪声和系统误差时,该方法对于信号功率的估计具有更好的稳健性.通过约束主瓣幅度波动范围波束形成方法求得加权矩阵的协方差矩阵,对该协方差矩阵做特征值分解求得加权矩阵,通过划分特征值大小来确定最小规模的加权矩阵,该加权矩阵可以在不损失方向图形状和信号功率估计性能的条件下有效降低系统实现复杂度.