基于颜色通道特征融合的环境声音分类方法

针对传统神经网络提取的复杂环境声音特征微弱，导致分类准确率低的问题，提出了一种基于颜色通道特征融合的环境声音分类方法。首先，从原始音频数据中提取出三种声音特征，即对数梅尔频谱图（log-Mel spectrogram, LMS）、梅尔倒谱系数（Mel-scale frequency cepstral coefficients, MFCC）以及能量谱图（energy spectrum, ES）；其次，分别将以上三者作为RGB颜色通道分量进行特征融合，形成包含更多特征信息的声谱图，更全面表征环境声音；再次，为了避免由于数据集较少导致所训练的模型泛化能力较差，对预训练模型VGG-16采用微调方法进行训练；最后，在两个广泛使用的环境声音分类数据集以及实际场景采集的音频上验证本文所提方法的有效性，并与其他模型的准确率进行对比。结果表明，本文所提方法在ESC-10以及ESC-50数据集上的准确率分别能够达到88.2%和65.2%，并且能提高实际场景采集的音频分类效果。     

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆（long short term memory,LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络（convolutional neural network,CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。     

基于脑电信号深度学习的情感分类

情感脑电研究作为人工智能高级阶段的重要任务,近年来受到越来越多的关注。情感脑电分类广泛应用于人机交互、医学研究等领域。该文以轻量级的卷积神经网络为核心,设计了情感脑电分类模型,以DEAP（dataset for emotion analysis using physiologicalsignals）提供的情感脑电图数据为基础,将其中的观看视频划分为唤醒度和愉悦度2个维度。为了获得频域信息,提取了theta、alpha、beta和gamma波段的功率谱密度特征进行评估,并将功率谱密度矩阵表示为二维灰度图像。然后将该图像输入到卷积神经网络训练分类模型并完成2个维度的分类任务。实验结果表明,与传统机器学习相比,卷积神经网络具有更好的分类效果,唤醒度分类准确率达到了82.33%,愉悦度分类准确率达到了75.46%。     

基于SVM判决的RS编码EBPSK调制解调器

冲击滤波器能将扩展的二元相移键控（extended binary phase shift keying, EBPSK）调制信号的相位跳变转化为幅度冲击,从而突出了“0”和“1”码元的波形差异. 为了充分利用该特性,文中设计了基于支持向量机（support vector machine, SVM）判决的RS编码EBPSK调制解调器. 简述了EBPSK调制解调原理,并
利用SVM的分类能力给出了EBPSK检测模型. 对二元相移键控BPSK和EBPSK的性能进行对比,设计了基于SVM的RS编码EBPSK调制解调器. 仿真结果表明：1) 以比特每秒/赫兹/信噪比为综合指标,EBPSK系统性能优于BPSK;2) 在AWGN信道下,当误码率为10−4时与自适应门限判决的RS编码EBPSK调制解调器相比,基于SVM的调制解调器可获得约1 dB的编码增益.     

微弱气体浓度检测的弛豫平滑处理算法

研究了气体分子碰撞能量转移模型和弛豫声衰减理论。分析了混合气体中某些成分的浓度低于0.01%时,分子复合弛豫声衰减系数与气体浓度的模型变为崎岖不平的原因。利用信号处理中的滤波方法,使用平滑窗处理弛豫声衰减结果,改善了弛豫声衰减理论。得到了检测三元混合气体中微弱气体浓度的算法,检测浓度达到0.001%。设计了3种不同权重的平滑窗,均可降低由微弱浓度引起的检测误差扩大,其仿真结果一致证明弛豫平滑处理算法的合理性。     

一种高效的特征选择机制应用于入侵检测

基于数据集的wrapper型特征选择方法,通过去除原特征集中的冗余特征,不仅降低了对计算资源的耗用,而且在保持检测精度的前提下,提升了检测速度,有效改善了检测性能.在特征选择具体过程中,采用全局和局部搜索性能好的遗传算法和禁忌搜索混合搜索策略,针对网络数据的异构性,采用改进了的基于核函数的SVM作为评价特征子集分类性能...     

基于深度学习的竹笛吹奏技巧自动分类

提出了一种针对竹笛技巧分类的数据集Breath和两个用于竹笛技巧分类的神经网络参考模型Breath1d和Breath2d,并针对此数据集的不同分类任务给出了最佳方法。将Breath数据集划分成子集,以多层感知机为性能评价基准方法,先用Breath1d和Breath2d模型对子集进行训练和预测,再用长短期记忆网络模型进行辅助测试,最后得出了最适合子任务的分类参考模型。对全数据集进行分类时,将Breath2d与Breath1d模型进行融合,并采用数据增强方法使全集分类准确率达到0.913。与传统音频分类任务相比,该工作扩展了音乐分类的研究领域,对民族音乐现代化发展有着良好的推动作用。     

无监督的视频业务特征分析与分类

基于机器学习的流统计特征识别的方法关键在于如何找到具有区分力度的业务流统
计特征. 为此,提出了一些能够较好地区分视频业务的QoS 相关的统计特征. 为了充分地发
挥多级聚类算法的优势,以灵活的特征选择策略标记不同层级的网络视频流,通过大量的真
实网络视频数据进行实验验证. 结果表明,该方法能比现有同类方法取得更高的分类准确率.     

改进的CRNN模型在警情文本分类中的研究与应用

针对某市公安110接处警文本描述进行案件分类的需求,参考现有文本分类方法在其他行业的应用,搭建了应用于警情描述的文本分类系统.通过论证常见分类网络适用场合及其优缺点,结合对警情数据中案件描述特征的分析,提出了基于改进卷积循环神经网络的模型,该模型优化了关键特征提取过程,弥补了现有模型短文本局部特征提取不足的缺陷.实验表明,该模型的准确率比常见分类模型提升了2%～3%,且能够有效保证数据局部特征的关联性,可以对案件描述所对应的案件类型进行准确分类,从而提高公安接处警平台的自动化效率.     

基于Relief-PGS优化算法的数据分类

【目的】在选取图像特征对图像进行分类时,选取的特征属性是否冗余会影响到图像分类的正确率。为提高分类的准确率,使用Relief-PGS优化算法对特征子集和支持向量机参数同步进行优化。【方法】首先使用Relief算法对特征数据集进行筛选,其次将筛选出的特征子集数目和支持向量机参数一起编码到粒子群-遗传算法中进行同步优化,最后对处理后的数据集进行分类,能有效提高分类的准确率。【结果】选取UCI数据库中的5种数据集进行分类,与传统的SVM算法、PGS算法和Relief-SVM算法相比,Relief-PGS优化算法对图像分类的准确率分别提高了22.53%、6.05%和11.16%。【结论】研究结果表明,Relief-PGS算法在去掉不重要特征的同时,对支持向量机参数进行优化,能有效提高分类的准确率。     

一种融合双向LSTM和CNN的混合情感分析模型

针对现有文本情感分析方法实时性不强、难以应用到大规模文本、不能同时提取文本上下文信息和局部语义特征等问题,提出一种融合双向长短期记忆（LSTM）和卷积神经网络（CNN）的混合情感分析模型通过使用双向LSTM和CNN模型对由word2vec编码得到的文本词向量进行训练,运用注意力机制将双向LSTM模型学习到的特征作用于CNN模型上,并进行特征加权,最后将双向LSTM模型和CNN模型得到的结果进行拼接,由分类器得到相应的情感分类结果在NLPCC SCDL数据集上进行实验,结果表明所提出的融合双向LSTM和CNN模型在精度、召回、f1值和准确度方面优于两个单独的模型     

KNN-GWD推荐模型及其应用

为解决传统推荐存在精准性差的问题，构建了一个融合K-最近邻算法（K-nearest neighbor，KNN）、图神经网络（graph neural network，GNN）和深度宽度（Wide&Deep）网络的推荐模型。融入KNN分类方法对数据进行噪声过滤，以提高数据质量；利用GNN提取用户会话图的节点嵌入表示，基于注意力机制加权用户全局特征以捕获用户短期兴趣；调用Wide&Deep以解决稀疏数据时的模型过度泛化问题。为了验证模型的有效性，分别在MovieLens-1M、Bing-News、Book-Crossing数据集与6种传统推荐方法进行对比实验，结果表明所提模型的各项评价指标更佳。为了进一步验证该模型在实际应用领域中的可行性，面向农业领域搭建了农业一体管理App化肥推荐系统，得到推荐结果的准确率为0.721，曲线下面积为0.784，满足了预期的应用需求。     

用均匀设计和响应面法优化絮凝处理As(Ⅴ)废水的研究

采用均匀设计（UD）和响应面法（RSM）相结合开展聚合硫酸铁（PFS）和聚合氯化铝铁（PAFC）絮凝处理含有As(Ⅴ)废水的实验.设定了三个影响因子：As(Ⅴ)初始浓度（0.55～5.20 mg/L）、絮凝剂投加量（50～300 mg/L）和废水pH（6.0～9.0）,分别进行了三因素四水平实验;应用Design Expert 8.0软件对实验数据进行初步分析,建立了模型1（PFS,R2=0.990 2）和模型2（PAFC,R2=0.976 6）;通过对两模型进行响应面分析得出优化的实验参数.优化实验结果表明：以PFS为絮凝剂,As(Ⅴ)去除率在96%以上,残留As(Ⅴ)可小于50 μg/L;以PAFC为絮凝剂,As(Ⅴ)的去除率在95%以上,若As(Ⅴ)初始浓度为1.0 mg/L左右,残留As(Ⅴ)也可低于50 μg/L.在上述条件下废水经过处理能够达到城市污水再生利用地下水回灌水质标准（GB/T 19772—2005）的要求.该实验方案能够通过较少的实验次数建立数学模型,且模型的预测效果良好,优化实验结果达到了预期目的.     

基于LDA与距离度量学习的文本分类研究

提出了一种基于隐含狄利克雷分布(LDA)与距离度量学习(DML)的文本分类方法,该方法利用LDA为文本建立主题模型,借助Gibbs抽样算法计算模型参数,挖掘隐藏在文本内主题与词的关系,得到文本的主题概率分布.以此主题分布作为文本的特征,利用DML方法为不同类别的文本学习马氏距离矩阵,从而较好的表达了文本之间的相似性.最后在学习到的文本间距离上,利用常用的KNN及SVM分类器进行文本分类.在经典的3个数据集中的实验结果表明,该方法提高了文本分类的准确率,并且在不同的隐含主题数目参数下能体现较好的稳定性.     

基于卷积神经网络的颅内病变类型影像的判别

颅内病变的具体类型直接影响医生所选用的医疗方式,目前颅内病变影像的判别主要依靠医生的经验,易造成误诊。提出了一个基于卷积神经网络的精准影像分类法,通过从医院放射科电子计算机断层扫描设备采集五种较常见病变类型和一种正常颅脑CT图像作为分类的对象进行预处理。创建一个包含3个卷积层、3个池化层、1个完全连接层的卷积神经网络,并对网络采取了Dropout技术优化处理。并用所采集的颅内病变样本对神经网络进行训练和测试。通过实验将改进后的CNN算法与模板比较法及SVM等传统算法进行比较发现,分类结果的准确度明显优于传统算法,平均识别准确率可达93.54%。     

基于BP神经网络的油浸式变压器故障诊断

本文研究了一种基于BP神经网络的变压器故障诊断方法,利用油中气体含量分析的方法,收集整理变压器故障信息作为训练和诊断样本,建立了基于BP神经网络的变压器故障诊断模型,准确率最高达到95%,具有较高的实际应用价值。     

基于BP神经网络的油浸式变压器故障诊断

本文研究了一种基于BP神经网络的变压器故障诊断方法,利用油中气体含量分析的方法,收集整理变压器故障信息作为训练和诊断样本,建立了基于BP神经网络的变压器故障诊断模型,准确率最高达到95%,具有较高的实际应用价值。     

一种基于特征组合和卷积神经网络的心脏病预测新方法

针对心脏病预测难的问题,提出了一种基于特征组合和卷积神经网络的心脏病预测方法。通过特征工程对数据进行预处理,减少噪声干扰;使用特征组合算法增强样本属性关联,生成特征矩阵;设计卷积神经网络对特征矩阵进行更高级抽象。该方法在UCI Heart Disease数据集上达到了0.898 9的预测精度,优于SVM、集成学习等传统机器学习方法,可作为相关领域专家判断的重要参考。     

基于决策树方法的遥感影像分类

以齐齐哈尔市辖区为研究区域,利用分类回归树（Classification and Regression Tree,CART）算法从训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、纹理特征和地学辅助数据建立研究区的决策树模型.用实测的GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法（Maximum Likelihood Classification,MLC）进行对比.结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为82.24％和0.77,分类精度较MLC监督分类方法有明显提高,有较好的分类效果.     

GIS用SF_6/N_2混合气体母线的研制

SF_6气体凭借优异的绝缘及灭弧性能,在GIS中广泛应用。但是,由于其强烈的温室效应,寻找优异的替代气体显得日益重要。本文对GIS母线采用SF_6/N_2混合气体时的绝缘和温升性能进行研究,为SF_6/N_2混合气体母线的研制及产品化应用提供了理论和实践依据。