排序方式: 共有56条查询结果,搜索用时 0 毫秒
11.
基于膳食平衡指数和营养曲线的个体膳食评价方法 总被引:1,自引:1,他引:0
针对我国居民膳食营养失衡情况普遍和个体膳食评价方法难被普通人理解的实际应用问题,提出一种基于膳食平衡指数(DBI)和营养曲线的可计算、可理解的个体膳食综合评价方法. 该方法结合基于膳食平衡指数(DBI)的膳食结构评分和基于营养曲线的能量评分方法引入能量权值系数构建个体膳食评价模型. 实验表明,该模型对个体膳食评价准确率为90%,能够为个体膳食提供有效指导;能量和膳食结构评分结果可与慢性疾病高危人群预警模型形成闭环,为疾病的早发现、早干预、健康促进提供有效的膳食干预方法. 相似文献
12.
通过对同一首歌曲音频信号的特征分析,提出了一种基于音频片段平均短时能量和过0率标准偏差的融合判决方法. 该方法解决了纯音乐与语音-音乐混合片段识别易混度高的问题,可以准确地识别同一首歌曲中纯音乐片段和语音-音乐混合片段,为去除音频中不需要的部分提供一种有效的预处理方法,并且可以更好地提高数据处理的效率和性能. 实验结果表明,通过对不同风格、不同歌手以及不同语言的歌曲处理,纯音乐的平均正确率为92.30%,语音-音乐混合的平均正确率为96.36%. 相似文献
13.
多传感器数据融合技术与单平台火控系统 总被引:2,自引:0,他引:2
分析了多传感器数据融合技术的优越性和单平台火控系统的不足,应用数据融合技术,不仅可以提高目标的探测和分类能力,亦可提高目标跟踪精度,给出单平台火控系统数据融合结构和功能图;指出应用神经网络融合方法优于其它算法。 相似文献
14.
针对大数据量音频的高速处理,提出一种快速的声学特征超向量生成方法,有效提高音频识别系统的识别速度和精度.所提方法首先将多个连续音频帧的常用声学特征构成声学特征图,进而使用低复杂度的运算方法在其中快速提取维数达数十万的Haar-like声学特征;然后使用AdaBoost.MH算法,筛选出具有较高代表性的Haar-like声学特征模式组合,用以构成声学特征超向量;进而提出Random AdaBoost特征筛选方法,进一步提高特征筛选速度.实验结果表明,在音频事件识别、说话人识别、说话人性别识别3种场合下,使用Haar-like声学特征可以使SVM、C5.0、AdaBoost等识别算法获得比MFCC、PLP、LPCC等常用声学特征更高的识别准确率,同时可以获得7~20倍的训练速度提升和5~10倍的识别速度提升. 相似文献
15.
针对文本情感分类中情感语义特征利用不足、特征降维效果欠佳等影响分类效果的问题,提出了一种通过扩展语义相似的情感词以及引入词语间统计特征的高精度网络评论情感分类方法.该方法利用神经网络Skip-gram模型生成词嵌入,通过词嵌入相似性度量将语义相似的词语扩展为情感特征;再利用词语间的统计特征进行特征降维;通过多个弱分器加权构建Adaboost分类模型实现网络评论情感分类.基于酒店评论和手机评论公开测试集进行实验,结果表明其情感分类的正确率分别达到90.96%和93.67%.方法扩展语义相似情感词有利于丰富文本情感语义特征,引入词语间的统计特征有更好的特征降维效果,可以进一步提升文本情感分类的效果. 相似文献
16.
多源信息处理技术——数据融合 总被引:10,自引:0,他引:10
在介绍数据融合技术的基础上,分析了不同融合层次的性质和作用,提出了数据融合大脑功能模型,进而给出一种广义的多传感器数据融合通用结构,该结构具有神经网络的特性,但不涉及权值和学习算法问题;总结、分析了不同融合层次的原理、结构和算法,强调了神经网络在数据融合技术中的应用;分析了数据融合技术中存在的问题,并探讨了其宏观和微观的发展方向。 相似文献
17.
18.
加权分层卡尔曼滤波融合算法 总被引:1,自引:0,他引:1
目的 分析传统分层卡尔曼滤融合算法,指出传统卡尔曼滤波融合算法不能很好地提高跟踪精度且算法复杂的缺陷,提出一种加权分层卡尔曼滤波融合算法,方法应用理论分析和蒙特卡洛仿真方法,对传统融合算法和新算法进行比较,并给出了均方根误差的统计值,结果加权滤波融合算法原理简单、数据处理量小、速度快、容错性好,结论 加权分层融合算法原理简单、数据处理量小、速度快、容错性好、结论 加权分层融合算法特别适用于失效传 相似文献
19.
基于子镜头聚类方法的关键帧提取技术 总被引:4,自引:0,他引:4
分析主流的关键帧提取技术,提出了一种基于子镜头聚类的关键帧提取算法.该方法在重新定位镜头的起始和终止帧号后,利用帧与帧之间的颜色直方图特征,通过子镜头检测和聚类进行关键帧提取.实验结果表明,该算法具有良好的适应性,既降低了关键帧提取算法的计算复杂度,正确率高,同时能有效避免关键帧的冗余,达到了很好的关键帧提取效果. 相似文献
20.
针对现有的二进制程序模糊测试中关键数据定位方法资源消耗大、误报率较高等问题,提出一种结合路径标签和数据变异的模糊测试关键数据定位方法.该方法通过静态分析对二进制程序中的危险操作进行定位;使用动态插桩跟踪程序的执行过程,获取危险操作的路径标签和参数;通过分析输入数据变异前后跟踪结果的异同从而进行关键数据定位.实验结果表明,该方法能够在较低的资源消耗下有效进行关键数据定位,误报率小于0.3%,同时查全率大于70%,精确率大于60%;可用于提高二进制程序模糊测试的漏洞挖掘能力,具有较强的实用价值. 相似文献