基于BP神经网络的增益量化中的阶距自适应

本文分析了G.728语音编码算法增益固定量化的缺陷,设计了精确表示增益的自适应量化方案。采用BP神经网络对增益的量化步长进行非线性自适应量化,并提出一种新的用于训练BP神经网络的数据的获取方法。     

SACD中的DSD技术和数据无损压缩算法

SACD是对现有CD的改进，它利用直接数字流（DSD）技术，和DST无损压缩方法，对数据进行存储。它可以存储2声道或6声道的声音数据。由于采用了全新的技术来记录声音，使它可以产生更好的声音质量，必将成为新一代的声音记录格式。本文详细介绍了1比特DSD编码技术的原理，和DST无损压缩方法的原理。     

基于对偶基的比特并行算法实现RS编码

以DVB-C系统中的RS编码为例，参照Berlekamp比特串行乘法器，提出了一种基于对偶基的比特并行乘法器的方法来实现RS编码器，可以达到较高的吞吐率，从而可以采用FTGA／CPLD实现高速RS编码。     

知识封装及知识型复杂系统

本文描述了复杂系统综合集成的一种新的方法--知识封装及其在知识封装上建立知识型复杂系统的过程, 探讨了知识在复杂系统中的作用及其介入的深度。采用知识封装后, 无法符号化的问题求解模块可以统一在知识系统的框架下进行处理。最后通过两个示例来说明如何对问题求解模块进行知识封装。     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

基于双向门控机制和层次注意力的方面级情感分析

针对传统情感分析模型将单词或词语作为单一嵌入,而忽略句子之间依存信息和位置信息的问题,提出基于双向门控机制和层次注意力的方面级情感分析模型（Based on Bi-GRU and Hierarchical Attention,BGHA）。首先,将文本数据转成词向量再加入位置编码信息,得到包含位置和语义信息的词向量后通过双向门控机制提取上下文特征;接着,分别在单词注意力层和句子注意力层用注意力机制对特征分配权重,突出重点词和重点句信息;最后,结合给定的方面信息选择性提取与其较匹配的情感特征。在SemEval 2014、SemEval 2016和Twitter短文本评论数据集上的实验结果表示,BGHA模型的准确率对比其他模型都有不同程度的提高,证明了模型的有效性。     

〔23，12，7〕Golay码的改进译码算法

ＭａｒｉｏＢｌａｕｍ和ＪｅｈｏｓｈｕａＢｒｕｃｋ提出了一种基于［２３,１２,７］Ｇｏｌａｙ码校验矩阵＂设计＂特性的译码算法,和其它的Ｇｏｌａｙ码译码算法相比,这种译码算法的复杂度最小,但它不便于用集成器件实现和不便于完全集成化,作者对该算法进行了改进,使其易于集成实现;同时使［２３,１２,７］Ｇｏｌａｙ码译码算法进一步简化．对其复杂度分析证明,当误码率≤１０％时,作者所设计的译码算法优于其它译码算法。     

对“有机化合物命名”中存在问题的商榷

按照《有机化学命名原则》（１９８０）,对目前高校有机化学教材中化合物命名中存在的问题进行了讨论。     

基于逻辑相似性的运动检索算法

针对基于内容的人体运动检索问题,提出了一种基于逻辑相似性的运动数据检索方法。首先,针对特定人体运动序列数据,使用自组织网络映射算法对运动数据进行预处理,找出运动数据帧的最佳匹配单元。然后,应用数据编码规则对匹配单元进行量化及编码处理,获得基于符号化表示的运动描述符。基于符号化表示的描述符建立运动序列索引机制,应用多分辨率框架进行运动模式匹配。最后,按照模式匹配结果进行运动相似性排序,输出检索结果。在CMU运动数据库中的试验结果表明了算法有效性。     

剪枝 Galois 格上规则的直接计算

Ｇａｌｏｉｓ格用于知识发现具有许多优点,并在实际应用中显示了一定的价值。现提出一种在已剪枝的Ｇａｌｏｉｓ格上直接计算规则的算法,其主要依据格结点的直接泛化来产生规则集合。该算法在一定条件下更为有效,并且所产生的规则集合是无冗余的。文中所述方法已用于数据库知识发现工具ＨＵＴＫＤＤ中。