基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.     

基于小波变换和支持向量机的心电信号ST段分类

摘要: 为完成ECG(Electrocardiogram)信号特征点提取, 并对ST 段分类, 提出了一种基于离散小波变换和支持向量机的ST 分类算法。首先对信号进行预处理, 完成噪声消除, QRS 波群检测和提取特征值; 然后计算ST段平均值、曲线面积和标准差, 并结合使用SVM(Support Vector Machine)对ST段进行分类。Matlab 仿真结果表
明, 小波去噪效果明显,ST 段未出现失真现象, 特征点提取完整。经MIT鄄BIT 数据库验证, 分类结果显示交叉验证准确率平均值为80. 70%, 训练准确率平均值为91. 83%, 测试准确率平均值为74. 28%。     

Mining potential social relationship with active learning in LBSN

Rapid development of local-based social network ( LBSN ) makes it more convenient for re-searchers to carry out studies related to social network.Mining potential social relationship in LBSN is the most important one.Traditionally, researchers use topological relation of social network or tel-ecommunication network to mine potential social relationship.But the effect is unsatisfactory as the network can not provide complete information of topological relation.In this work, a new model called PSRMAL is proposed for mining potential social relationships with LBSN.With the model, better performance is obtained and guaranteed, and experiments verify the effectiveness.     

面向事件的地理要素时空回溯研究

以基础地理数据为例,在研究现实世界-计算机世界-数据库中事件-变更操作-要素之间的逻辑关系的基础上,通过建立要素信息表、事件信息表以及包含事件关联、事件约束的事件树索引体系,提出并实现了面向事件的地理要素的时空回溯方法,为地理要素的时空查询与回溯奠定了基础.     

基于特征融合的视频异常事件检测方法

为有效对视频数据进行降维并去除特征集合中的冗余信息, 以提高异常事件的检测效率, 从特征提取和选择的角度提出了融合特征区分度和相关性的视频异常事件检测方法。利用视频数据的时空邻域信息进行特征提取。通过分析特征的判别力和相关性进行特征选择, 从而去除特征集合中的冗余信息, 提高异常事件检测的效率和准确性。实验结果表明, 该方法的检测准确率都优于其他传统方法, 能有效地对场景中发生异常事件的区域进行准确定位。     

功率谱估计在扫描隧道显微术中的应用

扫描隧道显微镜(简称STM)所采集到的隧道电流信号,不仅包含着表征样品的表面形貌和分子结构的有效信号,而且还隐含着整个扫描隧道显微系统的动态特性.针对STM采集的信号,运用短时傅立叶变换对其波形数据进行功率谱密度估计,对信号在频率域中的特征向量加以提取.结果表明:基于谱空间的特征向量,准确地分辨出了工频在信号中的干扰,也能有效地解释和分析STM系统的动态特性,进而认为存在一小阻尼系统对信号施以影响;此外,分析的结果可以为STM扫描过程的控制,诊断以及扫描图像的重建和解释提供有力的理论指导.     

基于多小波统计特征的纹理图像检索

为了研究多小波性能,对多小波系数分布的统计特性进行了研究.多小波在实数域能同时具有正交、对称、短紧支撑和高消失矩等特性,单小波却不具有上述的性质,因此在理论上多小波比单小波具有更多的优势.提出并验证了多小波系数直方图服从于指数族分布;根据多小波的特点研究了其系数分布的一阶、二阶矩(共生矩阵)和系数直方图的统计特性,并应用于纹理特征的提取.通过理论分析和在纹理图像检索的对比实验说明在冗余预滤波方式下,采用二阶统计矩方法时多小波优于单小波.     

角点特征在目标识别中的应用

针对在视点变化情况下进行目标识别这一问题,作者结合主分量变换提出了一种基于Hausdorff距离的目标匹配算法,该算法在噪声和遮挡下性能稳定,时间代价较小.作者还提出了一种具有平移、旋转、尺度不变性以及对噪声有抗干扰能力的角点特征构造方法,通过BP网络实现目标分类.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

基于自适应特征融合的均值迁移目标跟踪

提出了一种基于自适应多特征融合的目标跟踪算法.分别利用RGB颜色和LBP纹理特征建立目标模型,通过线性加权将两类目标子特征模型代入目标相似性函数并用均值迁移算法进行目标位置优化计算.在跟踪过程中,引入S igmoid函数动态调整两类子特征权重,并利用子特征相关系数和可靠性指数对目标特征模型选择性自适应更新.实验结果表明,该算法能在跟踪场景和目标外观变化时自适应调整两种子特征权重,避免了特征失效导致的跟踪失败;特征模型选择性更新策略有效抑制了模型漂移.与单一特征和模型直接更新的跟踪方法相比,该算法在复杂跟踪环境更具有鲁棒性,能进行准确稳定的实时跟踪.     

雷达目标微动特性研究

 雷达目标微动特性是当前目标探测与识别领域的新兴研究方向和热点课题,随着近10年的发展积累了一些研究成果。本文重点综述了微动目标雷达回波调制效应、微动特征提取、微动目标雷达成像、微动特性测量及雷达波形设计等方面的研究成果,部分成果已应用于空间/空中目标探测与识别等领域。本文的研究成果及结论为进一步推动国内微动特性研究提供参考和基础。