基于深度卷积神经网络的心音分类算法

针对现有心音分类算法普适性差、依赖于对基本心音的精确分割、分类模型结构单一等问题,提出采用大量未经过精确分割的心音二维特征图训练深度卷积神经网络(CNN)的方法;首先采用滑动窗口方法和梅尔频率系数对心音信号进行预处理,得到大量未经过精确分割的心音特征图;然后利用深度CNN模型对心音特征图进行训练和测试;根据卷积层间连接方式的不同,设计了 3种深度CNN模型:基于单一连接的卷积神经网络、基于跳跃连接的卷积神经网络、基于密集连接的卷积神经网络;实验结果表明,基于密集连接的卷积神经网络比其他两种网络具备更大的潜力;与其他心音分类算法相比,该算法不依赖于对基本心音的精确分割,且在分类准确率、敏感性和特异性方面均有提升.     

Excel中如何实现稿纸样式

怎样将我们从网上摘录的大量文字快速变成一篇作文稿纸样式的论文呢？针对这个问题,本文给出了一个巧妙的解决方法：借助Excel的单元格和功能强大的函数可以快速实现您所需要的效果。     

OMP-BASED MULTI-BAND SIGNAL RECONSTRUCTION FOR ECOLOGICAL SOUNDS RECOGNITION简

The paper proposes a new method of multi-band signal reconstruction based on Orthogonal Matching Pursuit （OMP）, which aims to develop a robust Ecological Sounds Recognition （ESR） system Firstly, the OMP is employed to sparsely decompose the original signal, thus the high correlation components are retained to reconstruct in the first stage. Then, according to the frequency distribution of both foreground sound and background noise, the signal can be compensated by the residual components in the second stage. Via the two-stage reconstruction, high non-stationary noises are ef- fectively reduced, and the reconstruction precision of foreground sound is improved. At recognition stage, we employ deep belief networks to model the composite feature sets extracted from reconstructed signal. The experimental results show that the proposed approach achieved superior recognition per- formance on 60 classes of ecological sounds in different environments under different Signal-to-Noise Ratio （SNR）, compared with the existing method.     

晚明戏剧的创作主题与观众审美趋向研究——以《群音类选》为中心

《群音类选》是明代万历年间的一个重要的戏曲选本。本文试图通过对选本收录的剧曲题材内容与主题思想的分析,透视明代晚期戏曲题材创作与观众审美趋向的变迁,并探讨其形成原因。     

Excel中如何实现稿纸样式

怎样将我们从网上摘录的大量文字快速变成一篇作文稿纸样式的论文呢?针对这个问题,本文给出了一个巧妙的解决方法:借助Excel的单元格和功能强大的函数可以快速实现您所需要的效果.     

心音和脉搏信号采集系统的设计

心音和脉搏是反映人体生理及病理的两项重要指标,这里提出了基于单片机和PC机的心音、脉搏信号集成采集系统方案,设计了以单片机为核心的前端信号采集器,将心音和脉搏信号转换为数字量并通过串行通信口传送给上位PC机,在上位机应用程序窗口进行脉搏、心音信号波形的显示。