用于稳态视觉诱发电位目标识别的多尺度特征融合卷积神经网络方法

针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维图像作为输入样本集;建立多尺度特征融合卷积神经网络模型(MFCNN),该模型利用三层二维卷积核实现图像样本不同尺度特征的充分提取,构建多尺度特征融合单元对不同层级特征进行融合,并通过全连接等操作完成模型的训练;将样本集输入到MFCNN模型中实现脑电信号特征自适应提取及端到端分类。所提SSVEP-MF方法能够充分提取信号各层级特征,实现短时间视觉刺激下SSVEP信号的有效识别,并具有较高的目标识别效率。实验结果表明,在1 s刺激时长时,相比传统功率谱密度分析方法、典型相关分析方法以及普通卷积结构方法,所提方法的识别准确率分别提升了18.57%、20.08%及7.03%,有效提高了基于稳态视觉诱发电位范式下脑机接口的信号识别性能。     

公寓电器功率智能识别与用电安全控制器设计

针对学生公寓存在使用大功率违章电器的问题,为了用电安全与管理,设计了一个以单片机为核心能自动识别大功率电器并能限制其使用的智能用电控制器．互感器采样电流,经过电压形成电路,由TLC1543进行A／D转换,转换结果送入单片机进行数据处理．并介绍了系统的组成、主要模块的工作原理及程序流程图．     

基于非特定发音人拉祜语孤立词语音识别研究

选用200个拉祜语常用词,以词为识别单元,利用语音识别工具箱HTK开展非特定人拉祜语孤立词的语音识别研究.研究发现:特定发音人的识别率比较稳定,针对非特定发音孤立词,通过增加模型的混合高斯数目,其识别率得到显著提高,使得识别正确率保持在99%以内,为拉祜语孤立词识别提供了有效方法.     

基于图形特征的尺寸识别算法

根据工程图尺寸标注、粗糙度标注、形位公差标注的拾取方式,获取其DXF (Drawing Exchange Format)组码信息并挖掘出尺寸标注的关键信息.以此建立尺寸标注与图形结构的关系,提出并实现了一种基于图形特征的尺寸识别算法.通过分析各类标注信息的特点,对其进行分类提取,然后以此为据,对尺寸链进行分层式跟踪识别.根据三等原则建立多视图间联系,以点扩线,实现对一题多解现象的综合识别与纠错.     

基于频带能量分析的发动机转子早期故障识别

从检测信号中提取出发动机转子早期故障特征并进行快速识别是故障诊断的一个难点。将小波包分析与能量监测相结合,提出了根据频带能量对早期故障进行特征提取和识别方法。对频带能量分析原理,早期故障特征提取与识别方法进行了分析和研究,并将其应用于飞机发动机转子的早期故障识别。结果表明,频带能量分析方法能够有效地提取发动机转子早期故障特征并进行快速识别,特别是对于非平稳微弱早期故障信号,更具有明显优势。     

模糊分析方法在金融机构风险排序中的应用

运用系统与模糊分析相结合方法,首先将金融机构面临的资产风险分解成若干个风险因素子系统;然后以金融理论为指导建立各子系统风险因素评价的隶属度矩阵,并在此基础上采用模糊间接识别模型及贴近度的概念,构造了各子系统风险因素模糊识别模型;最后通过各子系统模糊识别模型的合成,建立了整个金融机构系统模糊识别模型,借以达到各金融机构风险排序、化解金融隐患和保证国家经济安全的目的.     

基于差分最小二乘支持向量机的目标识别研究

目标识别是目前机器视觉、图像处理和模式识别领域的研究热点之一,广泛应用于各行各业。最小二乘支持向量机算法简便、速度快、精度高,是当前目标识别的主流算法之一。针对最小二乘支持向量机的参数难以确定,仅靠传统经验试凑的方法不易实现,且结果不理想;提出一种改进的差分进化算法实现最小二乘支持向量机的参数整定。通过改进变异策略,引入早熟判断机制,遏制了传统算法早熟收敛的问题。通过实验仿真,验证了改进算法可跳出局部最优点,结果比传统算法更优。以SM-TMSSY光电伺服跟踪转台为实验平台进行实例验证,证明了改进算法收敛速度快、精度高,正确识别率可从85%提高到92.5%,验证了算法的优越性。     

地铁隧道施工过程中风险分析与控制

为降低地铁隧道施工过程中的风险,提出了地铁隧道施工过程中风险分析的框架,包括风险识别、分析和评估、风险应对以及风险防范措施等,采用风险矩阵评价准则对风险进行评价,避免了由于风险所发生的概率和风险造成的损失相乘所产生的释怀效应.以南京地铁二号线为例,具体分析了地铁隧道施工过程的风险因素,从成本和工期的角度对每一标段的风险进行了量化,根据量化的结果结合风险评价准则,提出了相应的风险应对措施.为以后的地铁隧道施工过程中的风险分析提供有益的借鉴和参考.     

多分类器组合的投票表决规则

为了提高多分类器组合的效果 ,提出了一种改进的投票表决规则 .每个分类器对每个模式类别的识别能力不尽相同 ,通过对大量样本的统计 ,获得有关每个分类器识别性能的先验知识 ,将其作为投票表决的依据 .投票表决时每个类设置不同的表决阈值 ,使组合效果得以改善 .这些阈值可以通过训练获得 .在数字识别系统中的实验结果表明 ,该方法使多分类器组合的识别率和置信度明显提高     

一种新的计算机视觉算法

受蚂蚁金服计算机视觉项目组委托,为了提高计算机视觉的识别效率和准确率,利用机器学习的思想开发自动进化图像学习机,将MATHEMATICA Cloud作为改学习机的计算云、搜索云,将学习函数和决策函数嵌入到学习机中,从而实现由学习机录入图像并导入MATHEMATICA Cloud进行计算和搜索的功能,利用搜索结果来锻炼学习机的学习函数,利用计算结果来锻炼学习机的决策函数,从而实现高效率的识别速度与高准确率的识别效果.基于蚂蚁金服提供的验算实例进行仿真实验,并从计算速度、收敛情况、识别精度等方面同现在常用的识别算法进行对比,结果显示:新算法的图像识别能力颇佳,与传统算法相比,新算法具有更快的计算速度、绝对收敛性和远高于传统算法的识别精度.