基于卷积神经网络的脑电信号分类

针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数据前加了系数矩阵,该系数矩阵可以随网络的训练逐步更新,代替了手工提特征再送入网络的步骤,有助于提高分类精度。最终本文的脑电分类模型在高原脑电信号的分类实验中,二分类准确率比改进前提高8%,三分类、四分类准确率分别达到92.87%、81.15%,分类准确率较高,对脑电信号的分类具有较高的参考价值。     

一类具有变系数和余割核奇异积分的卷积型方程的求解

利用离散的Fourier变换首次讨论了具有变系数和余割核奇异积分的卷积型方程的求解,并在L2[-π,π]上得到了可解条件和一般解.     

分数阶四元数傅立叶变换及其应用

在缩减双四元数代数系统上定义了分数阶四元数傅立叶变换.这一变换可以看成是缩减双四元数傅立叶变换的推广.同时推导了分数阶四元数傅立叶变换的帕塞瓦尔定理和卷积定理,给出了分数阶四元数傅立叶变换的快速算法,最后讨论了分数阶四元数傅立叶变换域滤波器的设计.     

基于图像的铅笔画绘制技术

介绍了基于图像的铅笔画绘制技术的研究进展,分析了几种常用的基于图像的铅笔画绘制算法;研究了基于图像的铅笔画绘制技术的算法,首先对输入图像进行适当的预处理,从原图像生成白噪声图像,将原图像按纹理特征做区域分割,其次对白噪声图像做卷积操作,采用边缘检测算子提取原图像的轮廓线,最后对卷积所得图像与轮廓线图进行融合得到最终的铅笔画效果图.     

基于深层残差网络和三元组损失的雷达信号识别方法

针对分类网络难以有效扩展分类数量的问题,提出了一种基于深层残差网络和三元组损失的雷达信号识别方法。该方法首先将雷达信号作为深层残差网络的输入,通过一维卷积将雷达信号映射到128维欧几里得空间,得到信号的特征向量;然后利用三元组损失函数调整网络参数,使得同类信号之间特征向量的欧式距离减小而不同类别信号之间的距离增大;最后通过基于样本库的识别算法实现对信号的分类识别。实验结果表明,相较于传统的分类网络,该方法在保证识别准确率的同时使得模型能够对分类数量进行有效扩展。     

一种新的快速通用二维图像亚像素边缘检测算法

总结了目前二维灰度图像的亚像素边缘检测算法,针对它们存在的原理误差、计算复杂、用时长及不能通用等问题,提出了一种新的亚像素边缘检测算法.分析了3种基本边缘(阶跃型边缘、脉冲型边缘、屋脊型边缘)的特点,利用一维质心算法对这3种边缘特征计算上的通用性及简易性进行了二维推广,得到了一种具有快速通用性的亚像素边缘检测算法.并在此基础上针对提高离散化过程中的精度问题,引入了高斯卷积平滑的预处理方法;引入了Sobel算法对图像像素进行了筛选,进一步提高了计算速度.通过实验验证了此算法的有效性,并分析了误差产生的原因.     

一类与Srivastava-Attiya算子有关的多叶解析函数的性质

引入了一类由Srivastava-Attiya算子定义的新的p-叶解析函数族Bλ,ps,b(d,β).利用从属定理得到了此函数族上的从属关系、包含关系及一些卷积性质,推广了前人的一些结果.     

RS码及卷积码在PDS水声通信体制中的应用

Pattern时延差编码(PDS：Pattern time Delay Shift coding)水声通信体制能有效地抑制水声通信中多途扩展引起的信号波形畸变对通信性能的影响,而RS码具有与PDS通信体制结合的先天优越性。为进一步降低水声通信系统的误比特率,提出将RS码与PDS通信体制结合,并对RS码在PDS水声通信体制中的性能进行研究。对挑选的RS码与常用的卷积码在PDS通信体制中的性能进行了仿真对比。结果表明,RS码在PDS通信体制中的性能远优于卷积码,对系统性能有明显提高。     

Joint Source-Channel Bit Allocation Based on Expected End-to-End Distortion Model

An adaptive joint source channel bit allocation method for video communications over error-prone channel is proposed.To protect the bit-streams from the channel bit errors,the rate compatible punctured convolution(RCPC)code is used to produce coding rates varying from 4/5 to 1/2 using the same encoder and the Viterbi decoder.An expected end-to-end distortion model was presented to estimate the distortion introduced in compressed source coding due to quantization and channel bit errors jointly.Based on the p...     

基于DSCNN-BiLSTM的入侵检测方法

针对传统的入侵检测方法无法有效提取网络流量数据特征的问题,提出了一种基于DSCNN-BiLSTM的入侵检测方法,该方法引入了深度可分离卷积代替标准卷积从而减少了模型参数,降低了计算量,并应用双向长短期记忆网络(BiLSTM)提取长距离依赖信息的特征,充分考虑了前后特征之间的影响.首先,通过主成分分析法(PCA)对网络流量数据进行特征降维,并创新性地将一维网络流量数据转化为三维图像数据;然后,分别运用深度可分离卷积神经网络(DSCNN)和双向长短期记忆网络(BiLSTM)提取网络流量数据的空间特征和时间特征;最后,利用KDDCUP99数据集进行训练、验证和测试.实验结果表明,与其他传统的入侵检测方法相比,该方法具有更高的准确率和更低的漏报率.