面向大规模数据的特征趋势推理算法

提出一种面向大规模数据的特征趋势推理算法. 首先, 采用Hash函数抽取大规模数据样本, 使用Pam聚类算法和并行K means聚类算法对大规模数据样本进行聚类, 获取最佳聚类结果后, 提取大规模数据聚类的动态特征； 其次, 采用基于特征趋势规则的推理算法, 构建大规模数据特征的趋势规则推理模型, 并通过累计趋势规则方法设计趋势规则算法, 推理大规模数据特征趋势, 解决了推理结果误差较大的问题. 实验结果表明, 该算法对大规模数据特征趋势推理的准确率均值为98.10%, 推理速度增长率为50%, 推理耗时最大均值仅为114.25 s, 能快速准确地完成数据特征趋势推理.     

基于φ-OTDR光纤振动传感系统模式识别方法

提出一种基于相位敏感光时域反射计(φ-OTDR)的光纤振动传感系统, 提取信号的主波能量、 主瓣时延、 主波峰峰值、 主波Q值、 频谱、 3 dB时延、 主瓣峰值、 中心频率、 二次回波损耗、 波数和半波长度11种特征参量作为参考衡量标准, 用多参量模糊评价矩阵的目标识别方法, 对5组200次实验进行相似目标识别分类. 结果表明,  该方法通过多角度参量进行目标衡量判别, 综合识别率达90.87%, 提高了相似识别的准确性.     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪； 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

大学生旅游行为特征研究——以山西师大现代文理学院为例

笔者以山西师范大学现代文理学院的在校大学生为例对大学生旅游行为特征进行实证研究。研究发现大学生对旅游具有浓厚的兴趣,大学生最主要的旅游信息来源是网络,旅游空间分布上大学生主要是省内旅游,远离市区周边景点的大学生到访率要高于市区景点。     

10株葡萄源丝状真菌分离鉴定及其致病力分析

采用组织分离法从京郊地区腐烂的葡萄果实及葡萄叶上分离到10株丝状真菌,其中从腐烂的葡萄果实中分离到3株丝状真菌,命名为814#、815#和880#；从葡萄叶上分离到7株丝状真菌,命名为794#、797#、798#、811#、902#、903#和1397#。结合形态学特征及真菌rDNA ITS区序列分析结果,菌株814#为茎点霉(Phoma sp.),菌株815#为刺孢曲霉(Aspergillus aculeatus),菌株880#为灰葡萄孢(Botrytis cinerea),菌株794#为日本曲霉(Aspergillus japonicus),菌株797#为粉红单端孢(Trichothecium roseum),菌株798#为大蒜盲种葡萄孢(Botrytis porri), 菌株811#为果生炭疽菌(Colletotrichum fructicola),菌株902#为链格孢菌(Alternaria eichhorniae),菌株903#为芬芳镰孢菌(Fusarium redolens)和菌株1397#为脉孢菌(Neurospora terricola),其中A. aculeatus、A. japonicus、C. fructicola、A. eichhorniae、F. redolens和N. terricola未见在葡萄上分离到的报道。将10株丝状真菌分别接种到健康的葡萄、圣女果、苹果和梨果实上,B. cinerea、A. japonicus、A. aculeatus、T. roseum、B. porri、C. fructicola、A. eichhorniae和F. redolens均可使4种果实发病,其中B. cinerea、A. japonicus、B. porri和F. redolens致病力较强；而Phoma sp.和N. terricola只能使葡萄和圣女果发病。     

冥卫一首批12个地貌特征名称的中文译名

简述了冥卫一首批12个地貌特征英文名称的产生、确立,中文译名的翻译、调研、讨论、论证、公布几个阶段的工作,并针对科技译名的原则提出了一些问题。     

回首之美——论席慕蓉《七里香》的情感特征

在《七里香》这部诗集里,席慕蓉以清新的笔调、低语式自白,回首青春年华,回溯生命历程,回望乡土乡愁,文本中充满着热烈的欣喜、深深的眷恋、淡淡的哀愁和超然的豁达等丰富多样而又清晰凝重的情感线条。席慕蓉在《七里香》中表现出的题材偏好和情感趋向,使其诗歌创作呈现出"回首之美"的独特艺术韵致,从而在中国诗坛引发"席慕蓉现象"。席慕蓉以"诗歌之力",唤起人们重铸爱情信仰、重新张扬理想风帆的人类崇高信念。     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

结合伪随机特征码的多序列跳频通信方法

针对多序列跳频(multi-sequence frequency hopping, MSFH)通信系统在对偶信道存在干扰信号的情况下易引发误码的问题,提出了结合伪随机特征码的MSFH(pseudo-random feature coding MSFH, PRFC-MSFH)通信方法。在信道频率间隔内调制伪随机特征码作为信号来源的特征信息,减少对偶信道受干扰的影响,达到抗干扰目的。建立了PRFC-MSFH发射接收通信模型,根据模型推导了PRFC-MSFH在不同干扰下的误码性能。仿真结果表明, PRFC-MSFH在跟踪干扰条件下较常规跳频约有3~5 dB性能增益,在最坏多音干扰条件下较MSFH有约6~7 dB性能增益,具有较强的综合抗干扰能力。