语音识别技术在口腔门诊病历系统中的应用

当前,人工智能与云计算不断发展,应用日益普及,为语音技术在医疗领域的应用提供了契机。本文分析了智能语音技术发展现状与关键技术,结合医院口腔门诊业务发展情况,以解决门诊口腔业务中的信息化问题为导向,探索语音识别技术在口腔门诊病历系统中的应用。     

基于PSR和物元可拓模型的跨界河流健康评价 ——以太浦河干流为例

以太浦河为例,基于PSR模型构建针对水体和河岸带的多指标评价体系,运用熵权法计算指标权重,通过PSR模型和物元可拓模型对太浦河进行分段分类分级评价.结果表明:上游江苏吴江段分类结果为"高压力-较好状态-低响应能力"类型;中游浙江嘉善段为"低压力-中等状态-低响应能力"类型;下游上海青浦段为"低压力-中等状态-高响应能力"类型.吴江段河流健康状况评估结果为Ⅲ级(差),嘉善段和青浦段均为Ⅱ级(一般),且倾向于Ⅰ级(好),表明虽然河流目前的健康状态一般,但由于制定的政策在一定程度上有效,可通过进一步加大保护水源地力度逐步实现水源地健康状况恢复.研究结果可为太浦河分区治理和河岸带生态化建设提供决策支持.     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法，通常采用先特征提取、再进行目标分类的两步识别算法，这种算法存在识别率难以提高和方法泛化性不足的问题，对此，提出一种增强条件生成对抗网络（strengthening condition generative adversarial network，SCGAN）+卷积神经网络（convolutional neural network，CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征，无需特征提取，实现对目标的一步识别。为进一步提高小样本条件下的识别效果，基于CGAN理论来提高样本在特征空间的覆盖程度，并对CGAN的判别器进行改进，在损失函数中增加混叠惩戒项，通过SCGAN生成不混叠的生成样本来更好地训练CNN，提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性，以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能，需对其进行有效分类，以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题，提出了基于改进的局部保持投影的备件分类方法。首先，根据战时备件分类储备的影响因素，作为备件分类的特征指标，其次，利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维，得到低维特征向量。再利用支持向量机（support vector machine，SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优，提升备件分类精度，得到满足备件分类准确率最优时的降维维数和分类器参数。最后，通过对演习装备备件分类的实例分析，验证了模型的可行性和合理性，并对比分析了其他分类方法，表明该方法能够较好地解决战时备件分类的问题。     

基于OpenMV的视觉识别系统在六足机器人中的应用

为解决六足机器人自主识别的问题,实现机器人智能化、人性化的发展,以OpenMV为主要平台,以六足机器人为主要机器载体,同时以Python为主要开发语言,以C语言为辅助开发语言,加上对图像处理技术的合理应用,设计了一个简易的基于OpenMV的视觉识别系统,从而实现视觉识别的应用。     

基于深度学习的建筑物识别

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90. 8%,通过与其他模型比较分析,该模型具有较好的识别效果。     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.     

基于正交层次分析法的质检数据语音识别效率改善方法研究

为提高语音识别技术在质检数据记录中的效率问题,基于正交层次分析法建立效率评价模型.应用正交试验确定影响质检数据语音识别效率的影响因素及其影响程度;基于层次分析模型进一步分析得到各影响因素的权重;通过正交层次分析定性与定量相结合对比实验数据,得到质检数据语音识别效率改善的具体方法.实验结果表明改进后的方法可使质检数据语音识别效率提升超过45％.     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.