槲皮素作为荧光探针对醋酸根离子的识别作用

为了探讨天然产物槲皮素作为荧光探针检测醋酸根离子的选择性和灵敏性,实验将不同种类阴离子加入到槲皮素的二甲亚砜溶液中,考查槲皮素溶液的荧光强度变化.实验发现:槲皮素的二甲亚砜溶液在500 nm处有一荧光发射峰,加入醋酸根离子时,该峰强度明显增强,而其他阴离子(C1-、Br-、I-、ClO4-、H2PO4-)对该峰强度无明显影响,同时在Q-Ac-中加入其他阴离子未引起荧光强度的变化.表明槲皮素对醋酸根离子具有较好的选择性;荧光滴定光谱表明槲皮素对醋酸根离子具有较高的灵敏度,且荧光滴定曲线线性关系较好(R2 =0.995),线性范围为1.0× 10-6～8.0× 10-6 mol/L,最低检测限为1.0× 10-7 mol/L;通过Job曲线得到槲皮素与醋酸根离子作用的化学计量比为3:2,稳定常数为3.11×104.核磁等实验表明,醋酸根离子的加入破坏或减弱了体系原有的氢键,促进了槲皮素分子内电荷转移,使槲皮素的荧光强度增强.用该方法检测了样品中微量的醋酸根离子,回收率为98.82％～100.96％,测定结果稳定.     

正交Haar变换的眉毛识别方法

【目的】提高现有眉毛识别方法的识别效率。【方法】采用快速正交Haar变换模板匹配算法(FOHT),设计一种基于正交Haar变换的眉毛识别方法;同时,使用最大标准子模板和自适应阈值解决了FOHT算法只能处理标准模板且需要手动设置阈值的缺陷。【结果】所构建的眉毛识别方法比原方法效率提高约32%。【结论】正交Haar变换的眉毛识别方法实时性强,具有一定的实用价值。     

基于字典投影学习的人脸识别算法

针对字典学习l0或l1范数的稀疏约束导致训练和测试阶段较高的复杂性,提出用于人脸识别的字典投影学习算法.该算法合成和分析字典,达到信号表示和分类.实验结果表明,与传统的DL方法相比,所提出的DPL方法大大降低了训练和测试阶段的时间复杂度;与KNN算法相比,具有较高的识别精度和较好的稳定性.     

前混合磨料射流磨料速度测试的新方法

前混合磨料射流超强的打击力主要是由高速磨料群提供的,因此,磨料速度测试是磨料打击力分布规律等研究的基础。针对传统研究方法的不足之处,笔者提出采用PIV技术结合自主编程设计的磨料中心识别程序,实现非接触式测试手段下磨料速度测试实验研究,并利用该方法简要分析了喷嘴结构对磨料速度的影响。结果表明,在一定范围内增加直线段长度有利于提高喷嘴出口处磨料的速度,表明在喷嘴直线段末端磨料依然处于明显的加速状态;增加收敛段长度对提高喷嘴出口处磨料速度有一定的作用,但磨料速度增幅不大;收敛角较大时,液相在收敛段前半段加速缓慢而在后半段过于剧烈,因磨料颗粒加速滞后于液相的原因导致喷嘴出口处磨料速度降低。     

粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法

针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度。仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1%到+1.4%之间,训练时间和测试时间分别最大缩短0.857s和0.005s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路。     

手写满文字母采集系统的设计与实现

鉴于目前没有完整的手写满文字母库,在分析当前手写满文字母库的建立方式后,提出了嵌入式搭载触摸屏的手写满文采集方案,设计了基于STM32F4处理器的手写满文字母采集系统。该系统以Keil 5软件为开发平台,利用C语言开发了触摸屏、SRAM模块、SD卡和通信模块驱动,编写了手写输入采集、优化后的预处理和特征提取算法,并通过串口实现了与PC机的数据传输。系统整体电路采用 Altium Designer 9软件设计。经测试,系统能够较好地完成所需功能,且界面友好、操作方便、成本低廉、实时性强。     

2D-Haar声学特征超向量快速生成方法

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.      

一种新型的与文本相关的说话人识别方法研究

在与文本相关的说话人识别研究中,既要包含说话人身份的识别,又要包含语音文本内容的识别.提出一种基于语音识别的与文本相关的说话人识别方法,从而建立说话人的声纹模型和语音文本模型,与传统的仅建立一种模型的方法相比,该方法能更精确地描述说话人身份信息和语音的文本信息,较好地解决了短时语音样本识别效果不佳的问题.测试实验表明,和传统与文本相关的说话人识别方法(如基于动态时间规整、高斯混合-通用背景模型)相比,由本方法建立的系统虚警概率降低了8.9%,识别性能得到了提高.     

基于Asterisk的语音识别技术研究和实现

本文简要地分析了当前呼叫中心中传统IVR系统存在的问题,介绍了语音识别技术在呼叫中心的作用,阐述了利用Asterisk的拨号方案和AGI接口开发语音识别功能的原理,最后给出了在AGI程序中调用语音识别引擎实现呼入用户语音信息识别的过程.     

基于改进微结构特征的笔迹鉴别

该文作者已提出的基于网格微结构特征的笔迹鉴别方法,是一种能适用于多文种笔迹的文本无关方法。为了对笔画轨迹进行更加细致的描述,该文对微结构特征提取方法予以改进,修改了局部微结构的生成条件,并引入了加权Manhattan距离的相似度度量方法。改进方法在中文笔迹库上有效提高了鉴别正确率。在包含240人的HIT-MW笔迹库上,首选鉴别正确率为95.4%,前20选正确率达到100%。通过实验,进一步研究了实际应用中笔迹样本的文本内容相关度对鉴别性能的影响程度。