基于DPI和会话关联技术的QQ语音业务识别模型和算法

针对互联网即时通信软件－腾讯QQ的语音会话特征进行了深入的分析，研究如何基于DPI净荷深度检测和会话关联技术来有效识别QQ语音业务，并设计出QQ语音业务的识别模型和算法，原型系统在10 G电信IP骨干网中得到了充分验证     

基于DPI和会话关联技术的QQ语音业务识别模型和算法

针对互联网即时通信软件-腾讯QQ的语音会话特征进行了深入的分析，研究如何基于DPI净荷深度检测和会话关联技术来有效识别QQ语音业务，并设计出QQ语音业务的识别模型和算法，原型系统在10G电信IP骨干网中得到了充分验证。     

流媒体协议识别及控制系统

实现了基于Netfilter框架的流媒体协议识别及控制系统．本系统共分为IP包截获、协议识别、协议控制、日志存储4个模块,通过综合运用端口识别和特征码匹配技术,能有效地识别出常用的流媒体协议并对其实施控制,具有良好的实时性、适应性、有效性、扩充性．     

声音匹配识别算法的研究与实践

声音匹配识别技术是将被识别的目标声音对象和声音样本进行比对,得到目标声音和样本的一致性判断.本文通过对声音的特性分析,提出了一种高效的识别算法,采用声音特征参数提取、矢量化(Vector Quantization)技术、样本匹配等手段,克服了一般声音识别算法存在的占用CPU时间长、识别速度跟不上语速的弱点,提高了声音识别正确率.经过实际测试,识别准确率高达99%以上.     

Web访问挖掘中的匿名用户识别算法研究

有效的用户识别与用户细分是网站用户行为分析的基础.针对现有用户识别算法将注册用户和匿名用户均按匿名用户处理,导致用户分类不细致的问题,提出了一种匿名用户识别算法.该算法通过识别用户访问行为状态,采取页面访问路径和浏览时长匹配方式,进一步识别IP地址变化后混入纯匿名用户中的注册匿名用户,从而把用户细分为注册用户、假匿名用户和纯匿名用户.实验结果表明,该算法能够提高匿名用户识别率,更加准确地识别假匿名用户.     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

鲁棒语音识别技术综述

鲁棒语音识别是为了解决噪声环境所引起的语音识别系统识别和训练不匹配的情况.依据噪声对语音识别系统的影响,从信号空间、特征空间及模型空间3个层面上分别对语音增强技术、特征增强技术及语音模型补偿、增强技术进行了总结,并分析了不同方法的特点、实现及应用.     

网络文本中文药名实体识别

针对中文医药类网络文本的不规范性引起的药名实体识别性能下降,提出基于层次结构的多策略方法。首先使用条件随机场模型结合改进的最大匹配算法识别药名实体,然后在此基础上对其中的不规范药名实体利用最小编辑距离方法规范化药名实体并扩充药名词典。实验结果表明,改进的最大匹配算法结合统计模型有效地提升了药名实体识别的性能,同时为药名实体规范化扩展提供了新的思路。     

Android平台下智能手机业务识别

目的实现针对Android平台下应用种类繁多且更新快的特殊性,设计高性价比的自适应业务识别方案,减少业务识别规则库升级频率。方法通过抓取基于Android平台的智能手机流行软件的业务流量,进行业务识别分析。根据上述业务特征的识别分析,制定智能手机流行软件通用特征提取和识别算法。结果提出了基于新型的移动互联网的业务识别方法,设计了针对Android平台的智能手机通用的业务识别方案,以减少业务识别规则库的升级频率。结论基于应用种类繁多的新型移动互联网,根据提取业务识别特征,编写适用于不同业务的识别脚本,小规模流量的测试结果显示具有较高的精确度。     

高超声速目标类型的灰色关联识别模型

为了解决高超声速目标类型识别问题这一反导作战的重要环节,在分析高超声速目标速度、高度和航迹特性的基础上,利用灰色关联理论,选取合适的特征指标,建立了高超声速目标类型识别模型,并对所建立的模型进行了实例验证,证实了模型的有效性,为高超声速目标类型识别提供一条有效的途径。     

文本内容主题的识别方法

提出了一种基于知识的内容主题识别方法,其中采用基于统计和规则的技术进行主题特征识别,利用集聚公式进行主题特征集聚分析·通过引入领域知识库,将基于词汇的分析技术提升到领域知识计算层面·实验结果显示主题识别平均正确率为70%·     

基于感应电机磁链观测器的速度辨识

针对模型参考自适应速度辨识方法虽然其辨识精度高,但其数学模型复杂,而且在实时控制中需要高速控制器与之匹配等不足,提出一种结构简单且易于实现的感应电机直接转矩控制中转子磁链的观测方法,建立感应电机转子磁链及磁链转差理论模型,并对电机转速进行估算.仿真研究结果表明:该方法能够用于提高低速观测精度,并对电机参数的变化表现出良好的系统鲁棒性.     

基于DSC-LS的加速度计动态模型参数辨识

加速度计动态模型参数辨识对提高振动与冲击动态测试和动态分析精度等具有重要作用.针对加速度计动态模型参数频域辨识方法中栅栏效应对参数辨识精度的影响,提出了一种基于离散频谱校正-最小二乘（DSC-LS）的加速度计动态模型参数辨识方法,该方法利用H₁估计获得零频点坐标,并将FFT+FT离散频谱校正与LS方法相结合,高精度估计出谐振点坐标,然后通过特征点坐标计算加速度计动态模型参数.实验结果表明,该方法能够有效消除栅栏效应对加速度计动态模型参数辨识的影响,具有较高的加速度计动态模型参数辨识精度和抗低频窄带噪声干扰性能.      

基于随机森林-遗传算法-极限学习机的非侵入式负荷识别方法

提高负荷识别准确率是实现非侵入式负荷监测的关键技术。针对现有模型识别准确率低,特征冗余度高、可分性较差的问题,提出一种基于随机森林(RF)和遗传算法优化极限学习机(GA-ELM)的负荷识别方法。首先从稳态电流信号中提取时域和频域信息作为负荷特征。为进一步减小特征集的冗余度并剔除可分性较差的特征,使用随机森林算法对特征进行优选,得到最优特征集。最后使用遗传算法优化极限学习机的权值和偏置参数,建立负荷识别模型。利用所建立的模型对11个家用电器共16种负荷状态进行识别,实验结果表明,所提模型可以提高识别准确率,使用该模型可以对家用负荷进行快速有效识别。     

基于片断的多版本网络服务模式匹配方法

利用分治思想提出了一种基于片断的模式匹配方法.基于网络要素服务、网络覆盖服务模式及传感器观测服务模式,阐述了模式文件分割和片断表示、模式片断识别、模式片断元素匹配及匹配结果组合等关键技术.使用WFS 1.1,WCS 1.1,WFS 1.0和WCS 1.0进行模式匹配测试,实验结果证明了该方法的可行性和优越性.     

基于逗号的汉语子句识别研究

根据篇章分析的任务和实践, 结合传统研究, 提出汉语的基本篇章单位为子句, 并从结构、功能、形式等方面给出其定义。分析了逗号与子句的关系, 并在标注语料上进行了基于逗号的汉语子句识别研究。首先手工标注了CTB6.0中前100篇文档的逗号是否为子句边界的信息, 在标注结果中抽取句法、词汇、长度等特征进行实验, 子句识别准确率为90%。然后利用信息增益选出贡献最大的9个特征, 使用它们也可获得较高的子句识别准确率。最后仅使用词法信息, 子句识别准确率可达84.5%。实验证明子句的定义合理, 基于逗号的子句识别在理论上和实验上均可行。     

海岸带红树林范围与种类识别精度的荟萃分析

对2000年以来基于遥感数据的红树林范围与种类识别的研究结果进行荟萃分析,阐明红树林范围和种类识别精度的现状,分析遥感数据源、分类算法、地物类型和物种数对总体精度的影响.结果表明,红树林范围识别的总体精度范围为55.7％～99.7％;约66％的研究基于Landsat遥感数据开展,且总体精度最高(75％～99.7％);光...     

说话人识别中特征参数提取的一种新方法

提出了一种新的说话人识别中特征参数的提取方法．在分别使用傅立叶分析和小波分析得到两组特征参数之后,进一步利用Fisher准则进行参数选取,构造了一种新的混合特征参数．在不增加训练和识别时计算量的同时,结合了傅立叶分析和小波分析两者的优点,具有更好的分类能力,实验结果显示,这种新的混合参数有效地提高了说话人的识别率,能更好地表征说话人的特征。     

基于多特征融合与机器学习的井架钢结构智能诊断

为了解决复杂的井架钢结构损伤识别问题,创新的将时域多参数信息融合与机器学习结合起来,根据井架钢结构的加速度响应信号,提出了一种基于主成分分析和支持向量机的井架钢结构损伤识别方法。首先利用加速度传感器提取在冲击载荷下井架钢结构加速度响应信号,进而获得其多个时域特征：脉冲因子、裕度因子和峭度;然后依据主成分分析法将以上特征进行融合,在保证尽可能多的信息被保留的情况下形成一个新的综合性特征;此时将该特征数据输入支持向量机模型进行损伤识别。利用以上理论进行仿真模拟计算和识别,同时利用ZJ70型井架钢结构实验室模型进行试验分析。结果表明：利用该方法识别井架钢结构单一或多处损伤准确率较高,并且简单易行耗时较少。     

基于K-means聚类与PSO特征优选KNN的分级负荷识别方法

针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。