模糊模式识别算法在动态心电图QRS模板统计中的应用

在对动态心电图QRS波形模板进行和统计的基础之上,采用模糊模式识别理论对QRS波形进行了有效识别,并给出了相应的VisualC 程序设计实例,实验证明该算法是准确有效的。     

一种高质量语音编解码专用芯片的设计

为满足中速率高质量语音通信系统的需要 ,采用数字信号处理器内核 (DSP Core)的方法 ,设计了具有国际电信联盟 (ITU )建议 G.72 9A语音编解码器、自适应回声抵消和单路同步功能的专用芯片。根据所用数字信号处理器内核的特点 ,对 G.72 9A算法进行了优化 ,降低了算法复杂度和所需存储空间 ,实现了 G.72 9A全部功能 ,并通过了全部ITU测试序列的检验。回声抵消部分使用归一化最小二乘(NL MS)自适应滤波器实现 ,并设计了近端语音活动性检测和非线性残余回声抑制等功能模块 ,使其性能完全符合 ITU建议 G.16 5各项指标要求。在单路同步模块中 ,使用了并行模二比特排除方法 ,具有同步扑捉快、抗信道误码能力强的优点。专用芯片使用较少的资源 ,在一块芯片上集成了以上全部功能     

基于GA优化的VMD-SVM识别角度头故障特征

提出一种基于遗传算法优化的变分模态分解（variational mode decomposition,VMD）-支持向量机（support vector machine,SVM）方法来识别机床角度头故障特征。首先采用遗传算法对VMD算法的输入参数进行优化,将优化后的VMD算法用于振动信号的分解,得到各本征模态函数（IMF）后,求得对应的能量熵;然后通过SVM算法筛选出有效故障数据,再利用峭度和相关系数相结合的方法将其中的IMF筛选出来并重构信号;最后,对该信号作频谱分析,分析相关特征信息,识别并诊断出故障。根据仿真和实验结果,所提方法对于故障角度头的有效信号筛选正确率高,对于噪声抑制效果良好,特征提取快速有效,可用于机床故障诊断领域。     

用DCS的算法模块组合实现广义预测控制算法的设计方法及仿真验证

本文提出一种在较复杂对象的情况下如何只采用DCS的算法模块就能组合实现广义预测控制算法的设计方法及其参数的整定方法。为了表明所提出的这种用DCS层组态控制软件模块实现模型预测控制算法的方法的有效性,以非最小相位过程和具有再循环和纯迟延的复杂过程两类复杂对象为例进行了仿真研究,仿真测试表明提出的控制算法可提供类似于广义预测控制的控制性能。     

英汉语道歉行为对比分析

英汉语中,道歉言语行为有所差异,这与各自的文化因素有关,反映了中西价值观和社会行为规范的不同。要想减少这方面的语用失误,扩大交流和沟通,增进理解和相互信任,就需要英语学习者加强对跨文化差异的认识和敏感性,努力提高跨文化交际能力。     

基于BP神经网络的车牌识别系统

车牌识别系统是智能交通领域的重要组成部分,在现代交通管理中的作用举足轻重。基于VC++6.0进行实验,针对中国的车牌进行研究,用BP神经网络来实现车牌识别。车牌识别分为图像预处理、车牌定位、字符分割和字符识别四个步骤。利用车牌的先验知识进行定位,引进双阈值进行字符分割,利用13段特征提取法提取特征向量,实验表明该识别算法行之有效。     

基于模糊理论的关键词识别算法

针对关键词发音相似易混淆及反词模型难确定、难训练等问题,提出一种结合模糊理论的方法,利用模糊C均值聚类算法对候选关键词进行2次聚类,同时将新的聚类中心作为反词模型进行最后确认.实验结果表明,这种方法使识别率得到了显著的提高.     

中国古代书论中的模糊语言

中国古代书论中有许多模糊语言，如笔法论、书家品藻、书法赏评中均有许多例句，如果从其成因看，模糊语言应与古人的用语习惯、指导思想和故弄玄虚及书法艺术自身属性有关；从审美角度看，模糊语言也有其合理的一面。     

一种新的视频代理方案──分块代理

提出了一种适合于视频数据的代理策略分块代理,这种策略将视频节目按一定分块函数进行分块,并根据节目流行程度和块大小在代理服务器上进行分块代理·仿真结果表明,与传统的代理策略相比,它可以很好的提高数据的字节点击率,降低等待用户的比例·     

人工免疫的神经网络预报方法及其应用

针对RBF(radial basis function)神经网络在预测铁水含硅量中出现的预测精度低,收敛速度慢的问题,提出了一种基于免疫识别原理的径向基函数神经网络的学习算法.该算法利用人工免疫原理确定高斯基函数的中心和宽度参数,同时将所识别的数据作为抗原,抗体作为抗原的压缩映射并作为神经网络的隐层中心,利用递推最小二乘法(recursion least square, RLS)确定连接权值,提高了RBF神经网络的收敛速度和精度.应用该模型于某大型钢铁厂高炉铁水硅含量预报的实例中, 实验结果表明, 该模型具有更高的预测精度和更短的训练时间.