浅谈房屋的平面形状与抗震

2008年5月发生在中国汶川的地震，惊动了整座神州大地，很多房屋在这次灾难中灰飞烟灭。地震是地球内力的一种释放方式，对地球表面的破坏是通过位移或者波的形式传递过来的，我们可以利用力学来解释这些破坏，同时我们也可以采取一定的方式把灾害降低到最少。     

基于计算机视觉的博物馆导览系统

为了利用计算机视觉技术对当前拍摄物体进行识别并获取相关信息,设计和实现了两种视觉系统框架:系统一通过智能手机上传图像帧的方式在服务器端对博物馆内物体进行识别;系统二在智能手机端对区域内物体进行实时识别。实验证明两种方法充分利用了智能手机和服务器端各自的软硬件资源,达到实用效果。前者充分利用了服务器端庞大的处理能力和较高的存储能力,支持大规模物体的识别;后者能有效减少网络通信流量,减轻服务器负载,支持小规模的物体识别。     

半刚性基层沥青路面非连续结构强迫振动声效

为了无损、快速地识别半刚性基层沥青路面的结构非连续状态,实现病害预警和预养护,对冲击作用下路面板体强迫振动机理及其振动噪声特征进行了分析,并对单自由度路面系统的强迫振动微分方程进行求解.研究表明:因土基沉降、低温施工、压实不足等原因,沥青路面将产生结构内部及层间非连续病害；而非连续状态下的板体强迫振动噪声特征对冲击加载...     

岩壁变形条件下结构面法向变形特征

开展了无周边约束条件下不同岩壁厚度结构面法向变形试验,结合结构面-岩壁系统刚度与系统厚度之间关系,得到了不同岩壁厚度条件下结构面-岩壁系统整体刚度的变化特征,以及岩体结构面刚度与结构面厚度.分析了不同周边约束条件下结构面刚度与闭合量之间的关系,提出了考虑岩壁变形条件下结构面法向变形本构模型及其适用条件.进一步讨论了岩壁-结构面系统的结构和材料特征,分析了结构面法向刚度合理试验方法的重要性.本研究将有利于加深对结构面法向变形特征的理解与认识.     

含语音增强模块的i-向量说话人识别性能分析

为解决文本无关说话人识别中训练与识别环境不同导致模式失配的问题,提出了一种采用语音增强模块进行前端预处理的i-向量说话人识别系统,从而提高系统对于环境噪声的鲁棒性.为评估不同语音增强算法的性能,利用NIST08核心测试集进行仿真实验.采用IMCRA算法对语音进行噪声估计后,分别用维纳滤波法、MMSE-LSA、传统谱减法和多频带谱减法等4种方法进行语音增强前端处理,在基于i-向量的说话人识别系统下进行实验.实验结果表明采用了语音增强的系统具有一定抗噪声性能,并且在高信噪比条件下,基于多频带的谱减法在此系统下性能最佳,而低信噪比情况下MMSE-LSA算法更有优势.     

基于累积运动能量图像的人体动作识别

指出了动作识别中的最大困难是难以提取有效的特征来准确描述人体的动作,动作模板是众多方法中的一种简单有效的方法,用来描述动作特征的经典动作模板是运动历史图像.由于受噪声的干扰,用运动历史图像描述复杂环境下的人体动作并不十分理想.为了得到比运动历史图像更加有效的动作模板,提出了将视频序列中的运动能量信息用一张图描述出来,称之为累积运动能量图像,提取其直方图特征来表征人体动作.经You Tube数据集上的实验表明:该累积运动能量图像的识别率比同类方法高.     

基于形态学的冷轧薄板板形识别

为了解决冷轧薄板板形识别问题,采用基于形态学的图像处理方法。利用高帽变换对板形图像进行增强,对增强后的图像进行二值化,生成缺陷图像,消除二值缺陷图像中的干扰信号,分析二值缺陷图像,判定板形的类别。给出了基于二值形态学的图像消噪算法和基于灰度形态学的图像增强算法。提出了基于高帽变换的板形识别算法和基于对比思想的板形识别算法。根据上述方法进行了板形识别系统的硬件、软件设计,实际应用表明,该方法可以有效地识别出常见的板形。     

对象迁移自动机在TDT中的聚类研究

对象迁移自动机(OMA)是一种能够较好地解决话题识别与跟踪(TDT)中聚类问题的方法,但是,传统OMA模型由于聚类速度慢等缺点,难以满足TDT实时和增量聚类的要求.针对这一问题,本文一方面改进传统的OMA模型中自动机的动作设计,同时提出文档选择策略,加快了OMA的聚类速度.改进的方法在中等文档集上进行了实验,实验结果表明,该方法具有较好的聚类效果.     

基于SVM的置信度综合方法在语音识别中的应用

讨论了语音识别中使用支持向量机(support vector machines,SVM)对音子级置信度进行综合的方法. 音子级置信度得分采用传统的方法计算而得,并使用SVM对音子级置信度进行综合得到词级的置信度得分. 在说话人无关的汉语孤立词识别实验中,使用作者方法比使用传统方法获得的系统等错误率rEER(equal error rates,EER)有明显降低,可以从基线系统的28.14%降低到23.71%,而系统的复杂度仅有小幅度的上升.     

基于ICONDENSATION算法的人手跟踪与手势识别算法

为实现基于手势的智能人机交互,提出了一种基于视觉的人手跟踪与手势识别算法.该方法以ICONDENSATION算法为基础,融合颜色与深度信息进行重要采样,结合轮廓信息并通过ASM模型的能量函数进行观测,根据最大后验概率对几种预定义的手势进行识别.实验结果表明,该算法能够有效地实现复杂背景下的人手跟踪与手势识别,为进一步实现智能人机交互奠定了基础.