基于网络评论中产品特征的提取优化

针对现有网络评论中产品特征提取算法运行效率低和准确率低的问题,提出了改进Apriori算法并用于候选特征集合的抽取,结合单字词规则和邻近剪枝规则对候选特征集合进行初步过滤,采用频繁项名词非特征规则及PMI阈值过滤技术对候选产品特征集进行筛选,得到最终产品特征集.以从互联网下载的手机评论语料作为实验对象进行实验,结果验证了该方法具有较高的准确率和查全率.     

一种基于规则推理的电熔镁炉智能控制系统

传统的电熔镁炉熔炼过程人工控制方法存在生产过程中能源消耗大、产品品位低、工人劳动强度高等不足.针对上述情况,提出了利用工业现场人工操作经验总结出的控制规则与相关控制理论相结合对电熔镁炉熔炼过程进行自动控制的方法,并使用该方法设计了一种基于规则推理的电熔镁炉智能控制系统,包括电流预设定模型、电流偏差阈值自学习模型和电流平衡调节补偿模型等协调控制电动机.该系统成功应用于国内某电熔镁砂厂,取得了良好的应用效果.     

基于Web挖掘的领域本体自动学习

为获取领域本体并量化概念关系的可信度,提出了一种基于Web挖掘的学习模型.通过可扩展的模式集和分布语义模型获取本体主干,使用关联规则发现概念间的一般关系,对候选本体进行修剪和合并.模式可信度、概念语义距离与关联特征决定了概念间关系的可信度.通过"文本分析-本体获取-文本扩充"的迭代过程,优化模型参数和阈值.该模型解决了现有本体学习方法对词典或核心本体的依赖性、以及不能对关系进行可信度量化的问题.实验证明了所提出模型的有效性.     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题, 提出一种基于大津算法和深度学习的阈值计算方法. 首先, 采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征; 其次, 通过Gauss混合模型计算特征的相似度值, 对特征的相似度值使用大津算法计算阈值. 实验结果表明, 该方法识别效果较理想, 与等错误率计算阈值方法相比, 具有更高的识别准确率.     

改进的Candy模型及数据项测试

目的提高线特征提取的质量。方法在Candy模型基础上,根据图像中线特征属性,使用随机点过程对线段建模,对Candy模型的线特征连接关系、结构项以及数据项分别进行了改进。结果得到改进的Candy模型。结论改进Candy模型的数据项可以在线段与图像中线条以最合适的位置和角度融合时使测试值TTi达到唯一峰值;根据该数据项测试结果可以设定合适的阈值,使改进的Candy模型能较好地区别线条,对不同宽度的线条有相同的处理效果。     

基于混合分类的肺结节检测算法

使用最优阈值的分割方法获得肺实质,并使用C均值聚类的方法获得感兴趣区域(ROI),通过混合分类方法对ROI进行分类.在分类过程中,首先定义肺结节的两个三维特征以及相应的两条规则,进行基于规则的初始分类,再构造基于改进Mahalanobis距离的非线性分类器进行再次分类,从而进一步降低假阳性.经过混合分类处理,肺结节与血管等干扰信息得到有效的区分.实验结果表明,该算法检测肺结节具有较高的敏感性.     

带钢缺陷图像局域方差相异度的融合规则研究

当前应用在带钢表面缺陷图像的基于单个系数点的融合规则和基于区域系数特征的融合规则存在片面性、容易使融合图像失真等问题.针对以上问题,给出了一种新的融合规则.该融合规则在对小波分解后的高频子带进行融合时,充分考虑待融合图像的局域方差的相异度,并利用阈值来选择合适的融合规则.实验结果表明,该方法可以更好地保留图像的细节特征...     

并行网络中不同标注下的入侵特征阀值确定

传统入侵特征阈值确定方法通常通过敏感信息边界矢量确定,不适于环境复杂的并行网络,对多跳入侵的检测性能不佳。为此,提出一种新的并行网络中不同标注下的入侵特征阀值确定方法。介绍了并行网络体系结构,其主要包括嗅探器、主机、数据库、从动机和集群信道。对抗原信号进行描述,通过求出成熟环境抗原值对抗原异常度信息进行描述,构建异常度关联模型。利用指标集参数阈值的参考指标集和宿主属性对其进行训练,不停改变参数个数与入侵特征阈值,获取和抗原有关的关联规则;从而得到并行网络中不同标注下的入侵特征阈值。实验结果表明,采用所提方法确定的入侵特征阈值能够准确实现并行网络的入侵检测,且阈值确定效率高。     

温控系统的π-演算的描述与验证

根据温控系统的特征以及需求说明,利用π-演算构建了该系统动态行为的交互模型,依据π-演算的反应规则仿真描述模型的行为交互过程,使用μ-演算和移动工作平台(MWB)工具分析和验证了该交互模型具有温度控制和阈值修改功能,从形式上证明了温控系统的需求说明及其π-演算模型的一致性。结果表明,π-演算能够清楚地描述和分析并发系统的行为交互,而μ-演算可以证明模型的有效性和正确性。     

基于局部权重及阈值调整算法的BP网络预测模型研究

通过对基本BP算法的分析,提出了一种基于局部权重及阈值调整的改进BP算法.结合该改进算法,讨论了在Matlab中创建基于BP网络的交通运输需求预测模型并使用该模型进行预测的过程.同时,将基于局部权重及阈值调整的改进BP算法和加动量项的自适应学习率BP算法的模型的预测效果进行了比较,比较结果表明前者的预测效果优于后者.     

一种融合标签间强相关性的多标签图像分类方法

为了将标签间的语义相关性引入多标签图像分类模型中,传统的方法例如 ML-GCN 通过设置单阈值将标 签条件概率矩阵二值化为标签共现矩阵,然而,仅设置单阈值很难归纳所有的标签语义关系情况。 针对这一问题, 提出一种融合标签间强相关性的多标签图像分类方法—MGAN(Multiple Graph Convolutional Attention Networks), 通过设置多个阈值,将传统的标签条件概率矩阵按照不同的相关性程度分割为多个子图;同时,为了提升多标签分 类性能,也引入图像区域空间相关性。 另外,针对传统的“CNN+GCN”方法将标签与特征的融合张量视为预测分数 缺乏可解释性问题,将标签与特征的融合张量视为注意力分数;在 MS-COCO 和 PASCAL VOC 数据集上与其他主 流多标签图像分类方法进行了对比实验,平均准确率分别达到了 94. 9%和 83. 7%,相较于经典 ML-GCN 模型,分 别获得了 0. 9%和 0. 8%准确率提升,且在“Binary”和“Re-weighted”邻接矩阵模式下,MGAN 都有较好的表现,验证 了新的融合方法可以缓解图卷积神经网络过平滑问题对多标签图像分类的影响。     

基于空域相关阈值滤波的雾气激光信号处理算法

针对雾气环境下微弱激光信号特征提取困难,在研究小波空域相关滤波算法基础上,提出了小波空域相关阈值滤波方法。阐述了小波空域相关阈值滤波的思想和原理,特别研究了滤波阈值选取的方法,比较了空域相关阈值滤波与空域相关滤波的滤波效果。结果表明对雾气环境下的激光信号,空域相关阈值滤波具有最好的滤波效果。在不同雾气浓度和不同信号信噪比情况下的实验结果表明,空域相关阈值滤波能够在保持激光回波信号特征的前提下有效地抑制大部分噪声,更适于雾气环境下微弱激光回波信号处理和特征提取。      

图像分割的阈值法研究

阐述了阈值分割法的基本原理，介绍了常用的阈值选取方法，并实现了全局阈值和动态阈值对图像的分割，给出了实验结果，分析了阐值法的特点，讨论了阈值法在图像分割中的应用。     

基于PCA改进的快速Adaboost算法研究

针对传统的Adaboost算法可能出现在应对较大训练数据集训练时间过长的问题,提出了一种改进的Adaboost算法——PCAdaboost。改进算法利用PCA方法的降维技术,对训练样本特征提取主要成分,去除输入样本特征间的相关性,提高分类精度。同时,从样本阈值搜索角度考虑了特征值等分和特征值空间维数,给出了阈值快速搜索方法。实验结果表明,该算法在UCI数据集上取得较好的效果。     

基于计算听觉场景分析的语音增强改进算法

针对单通道语音增强问题,基于计算听觉场景分析(CASA)的原理,提出了一种基于CASA计算模型的语音增强改进算法。该算法在特征提取中选择了目标语音有效能量、信道互相关等特征,对语谱能量和互相关特征的阈值选取进行了改进。在5种低信噪比噪声干扰条件下的仿真实验结果证明,该算法输出增强语音的信噪比平均提高了9.32dB,有效地抑制了噪声。     

改善手写签名动态特征稳定性的局部相关分析

提出了基于模糊隶属稳定度的改进的局部相关分析方法．将手写签名特征序列划分成若干等分段，并在相关系数的计算中加入由各段特征稳定度确定的权重，改善了手写签名过程中稳定度不同导致相关系数不稳定的问题．对于判识阈值的确定给出了一个基于参数估计的解析法．     

基于802.15.6的分组检测算法设计与仿真

针对BAN(body area network)系统传输数据分组具有突发性的特点,设计了一种基于数字匹配滤波器和自适应门限判决的分组检测方法.根据数字匹配滤波器的原理和BAN调制信号的特点分析获得了相关峰值的计算方法,采用自适应门限判决的方法对相关峰值进行判决实现分组检测,并利用Matlab对算法性能进行了仿真.仿真结果表明,采用的分组检测算法在一定频偏范围内均具有较高的检测概率.     

特征约简在入侵检测上的应用

入侵检测需要分析大量的高维样本数据.如何降低高维样本数据的特征维数,对于降低入侵检测系统的训练时间,提高检测精度和检测实时性具有十分重要的意义.提出基于特征相关性分析和基于特征属性重要性评价两种特征选择方法,并利用支持向量机作为分类器来评价不同特征约简方法的有效性和处理实时性.实验结果表明,同经典的主成分分析方法相比,两种特征约简算法都具有较好的处理实时性和较高的分类精度,其中基于属性重要度约简算法在数据预处理时间、训练时间和分类精度上同主成分分析方法相当,且略优于相关性尺度方法.     

基于多尺度特征提取的单目图像深度估计

在目前基于深度学习的单目图像深度估计方法中,由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足。因此提出了一种基于多尺度特征提取的单目图像深度估计方法。该方法首先使用Res2Net101作为编码器,通过在单个残差块中进行通道分组,使用阶梯型卷积方式来提取更细粒度的多尺度特征,加强特征提取能力;其次使用高通滤波器提取图像中的物体边缘来保留边缘信息;最后引入结构相似性损失函数,使得网络在训练过程中更加关注图像局部区域,提高网络的特征提取能力。在NYU Depth V2室内场景深度数据集上对本文方法进行验证,实验结果表明所提方法是有效的,提升了深度图的整体精度,其均方根误差(RMSE)达到0.508,并且在阈值为1.25时的准确率达到0.875。