基于改进卷积神经网络与动态衰减学习率的环境声音识别算法

环境声音识别在音频检索、监控方面有着广泛的应用,是听觉识别任务中的一个热门研究领域。但由于其声音信号的复杂多变,使得该任务在识别率提升方面依然面临许多挑战。针对这一问题本文提出了基于改进卷积神经网络的环境识别模型（S-CNN）,该模型采用反复堆叠的递减型卷积核提取不同尺度的局部特征,并在每层卷积层后采用Batch Normalization（BN）层对特征进行归一化操作。同时,利用动态衰减的学习率训练模型,以提高模型收敛速度与收敛稳定性。实验结果表明,相比于传统的机器学习与卷积神经网络模型,本文所设计的改进卷积神经网络模型S-CNN具有更好的识别率。在ESC-10环境声音数据库上,识别精度达到91.3%。     

结合多尺度学习的WBAN数据处理机制

无线体域网进行生理信号长期非间断观测过程中,为捕捉生理数据动态特征以提升信号压缩率,增强网络能量有效性,综合考虑压缩感知和多尺度在线字典学习,提出了一种能量有效数据处理机制。首先依据各尺度系数能量占比设计观测矩阵,以提高观测数据有效性;其次,节点对多尺度小波系数进行随机投影,以深入削减数据量;最后,结合多尺度鲁棒字典学习,高质量恢复原始数据。数值结果表明,所提机制在重构精度、数据压缩率方面表现尤佳,有助于提升网络能量有效性。当压缩率高达85时重构信号仍满足医疗诊断要求。     

一种基于约束的半监督聚类查询扩展方法

针对伪相关反馈模型反馈文档信息质量差和扩展词选择不适产生的漂移现象等问题,提出了一种基于约束的半监督聚类查询扩展方法。该方法对初检结果的前k个文档进行人工标注,分成相关文档与不相关文档两类;并利用一种半监督聚类算法对初检结果的前”个文档进行分析,提取出与查询相关的文档作为反馈文档。该方法通过对少量标注文档与查询相关性的学习,能够较准确地估计出大量未知文档与查询的相关性,提高反馈文档的质量,从而有效提高检索的查全率和查准率。实验结果表明,该方法比传统的伪相关反馈和基于无监督聚类的伪相关反馈有更优的检索性能。     

山区改扩建低等级公路施工期安全保障措施研究

通过对山区改扩建低等级公路施工期道路特征和环境特征的分析,获得交通安全影响因素。在吸收高等级公路施工期保障措施的基础上,针对低等级公路的安全影响因素,归纳出适合山区改扩建低等级道路的常规安全保障措施;将宽容性理念引入施工期安全保障中,从主动引导,降低事故伤害和适度防护的角度去系统的保障低等级公路施工期的安全。     

宁夏吴忠回医药调查报告

宁夏吴忠地区是我国主要的回族聚集地之一,近年来在回族传统医药学研究上取得了较大进展,出版了多部回医药专著,创办了黄宝栋回医医院、马氏济慈堂回族医院、张宝玉传统回医骨伤医院、吴忠康复专科医院四家回医医疗机构.为了解回族传统医药学的发展现状,促进回医药的发展,本文选取宁夏吴忠市为目的地开展了对回医药的调查,共走访四家回医医疗机构,一个药材种植基地,采访两位回医专家,发放200份调查问卷.     

豫晋陕黄河金三角区域高校教师旅游决策行为实证分析

旅游者决策行为研究是旅游市场营销、旅游市场开发及旅游产品开发的基础。本文依据市场问卷调研的结果,从豫晋陕黄河金三角区域高校教师旅游动机、旅游偏好、旅游信息来源、出游方式等分析入手,深入探讨此区域高校教师旅游决策行为的特征,期望为豫晋陕黄河金三角区域旅游市场的拓展提供依据。     

孔子眼中的《诗经》探微——以《论语》为视角

《诗经》作为一部永世流传的经典著作,与《楚辞》一起,开辟了中国诗歌史上现实主义和浪漫主义两大文学的源头.《诗经》自形成以来,就被广泛应用于祭典、外交、社会交往等诸多方面.在《诗经》的流传中,不少人做了大量的整理、润色和解说,儒家大师孔子就是其中最重要的一位.《论语》作为记录孔子言行的重要著作,其中也记载着孔子对《诗经》的解说,其内容涉及文学、政治、教育等许多层面,其中一些重要文学理念,是两千五百多年来中国文学和文论的“源头活水”.     

贵州省少数民族居民心理健康状况调查研究

贵州省少数民族居民心理健康水平总体上较高,但阳性和心理障碍的检出率偏高.不同性别、居住地的少数民族居民心理健康水平没有差异,而在年龄、婚姻状况和收入状况上存在显著差异.     

非对称P2P模型及资源定位算法研究

针对现有的结构化纯P2P拓扑在资源共享类应用中存在的拓扑不稳定及开销随规模递增的问题,提出“节点对称性”的考察角度,给出一种基于非对称K-叉树的结构化纯P2P拓扑DSKTree,并给出基于DSKTree的资源定位算法.通过性能分析表明,DSKTree可优化定位开销,并降低规模增大情况下对结构化纯P2P系统性能的影响.     

模糊神经网络分类器的主动学习方法

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性闽值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少．实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短．