ART2神经网络聚类的改进研究

为进行快速动态层次聚类,通过分析自适应谐振理论(adaptive resonance theory,ART)神经网络的快速学习、主观设置警戒参数、输出无层次结构等优缺点以及自组织特征映射(self-organizing feature map,SOFM)神经网络的侧反馈、不能动态聚类、输出无层次结构等优缺点的基础上,借鉴Hebb规则的思想,针对ART2神经网络的聚类算法进行了改进研究.通过结构描述、算法分析,该算法融合了ART2和SOFM的优点,克服其不足之处,以快速学习的方式形成可带有多层层次的动态聚类结构(不同的层次代表不同粒度的聚类),此外还降低了对警戒参数主观设置的要求,对于较粗粒度的聚类不再需要重新训练神经网络.并通过仿真实验证明该算法的有效性.     

一种个性化人脸游戏引擎设计

个性化人脸在游戏人物造型技术中的地位变得越来越重要.设计一种基于照片的个性化人脸游戏引擎.在定义一种面向游戏且能有效支持个性化变形和实时显示的三维中性人脸模型数据结构基础上,使用径向基函数插值方法变形中性人脸模型到特定人脸模型.同时给出了一种基于特征约束的连续多分辨率快速纹理映射方法.实验表明,使用引擎绘制的个性化人脸,满足游戏中人物造型所必须平衡的精确性和效率两方面的要求.     

问答系统中基于语义核函数的问题分类算法

提出一种基于语义核函数的问题分类算法,该算法基于问题的语法结构构建支持向量机(SVM)核函数.首先,将给定的问题解析为语法树结构,用语法树的子树表示该问题;然后,从词法、语法、语义三个层面提取问题的特征,构成更加丰富的特征空间;接着,基于问题的语法树构建核函数;最后,使用潜在语义索引方法并结合问题的词法、语法以及语义特征,通过语义核函数将特征空间映射到更有效的空间中进行问题分类.TREC数据集上的实验结果表明,通过词法、语法以及语义增强的问题特征空间可以提高分类准确率.     

Fast Fractal Image Encoding Using an Improved Search Scheme

As fractal image encoding algorithms can yield high-resolution reconstructed images at very high compression ratio, and therefore, have a great potential for improving the efficiency of image storage and image transmission. However, the baseline fractal encoding algorithm requires a great deal of time to complete the best matching search between the range and domain blocks, which greatly limits practical applications of the algorithm. In order to solve this problem, a necessary condition of the best matching search based on an image feature is proposed in this paper. The proposed method can reduce the search space significantly and excludes the most inappropriate domain blocks for each range block before carrying out the best matching search. Experimental results show that the proposed algorithm can produce good quality reconstructed images and requires much less time than the baseline encoding algorithm. Specifically, the new algorithm can speed up encoding by about 85 times with a loss of just 3 dB in the peak signal to noise ratio (PSNR), and yields compression ratios close to 34.     

基于改进Inception-ResNet-v2的城市交通路面状态识别算法

针对传统方法对于路面状态识别准确率低的问题,提出了一种改进Inception-ResNet-v2的路面状态识别算法,对6种城市交通路面状态进行识别。首先,在Inception-ResNet-v2算法的Inception-ResNet-C模块引入SENet注意力机制得到SE-Inception-ResNet-C模块,使算法学习到不同通道特征的重要程度;然后采用特征融合策略,将不同层级的特征信息融合,防止重要特征信息的丢失;最后采用全卷积结构,将原始算法中的全连接层换成卷积层,不仅保证了图像的空间结构,还能使网络接收任意尺度的图片。实验结果表明,该算法能提取关键的特征信息,有效提高了路面状态的识别精度。     

局部地质水文特征对钻孔压灌CFG桩施工质量的影响

以温渝河冲洪积扇前缘地形的北京某工程为例,对CFG桩的完成情况进行检测,针对低应变动测检测结果出现的问题,通过公式验算首先排除了设计误差,在对场地内局部地区的区域性水文地质特征进行排查分析中发现：透水性好的土层（处于饱和状态下,极易产生水头较高的局部特征,在CFG桩的压灌过程中造成了钻头阀门打不开或打开的压力不足,形成了断桩或缩径的现象,并在随后进行的低应变动测检测中得到验证。由此确定透水性好的土层应在施工过程中控制水头压力对CFG桩施工质量产生的影响,提出了保护性预防措施和处理险情的建议。     

基于Relief算法的特征学习聚类

聚类作为数据挖掘常用工具之一,是按照事物间的相似性进行的一种无监督分类．然而传统的聚类方法较少考虑特征权值．为此,通过研究、分析Relief算法及其在聚类应用中存在的问题,提出了一种基于Relief算法的特征评价函数,并将此函数运用到特征学习聚类中,以解决特征权值取值不当对聚类产生的负面影响．     

基于波形聚类分析的微地震监测事件类型判别及应用

以不同类型微地震监测事件在波形相似性上的差异为基础, 结合发生位置、走时规律和偏振方向等方面的特征, 提出一种基于波形聚类分析的微地震监测事件类型判别方法。首先使用常规的微地震事件识别算法, 快速地得到待分类的疑似事件; 然后进行波形聚类分析, 结合事件的属性特征, 实现对不同类型微地震事件及噪声事件的分类和判别。分类结果可用于波形模板匹配, 识别同类的低信噪比微地震事件; 还可将所有同类事件作为一个整体, 采用全局优化手段提高初至拾取的精度。     

基于Park-HHT的故障特征提取方法

针对三相对称系统,提出了一种新的故障特征提取方法。该方法首先将系统输出信号进行Park变换,之后进行希尔伯特-黄变换(Hilbert-Huang transform, HHT),从HHT的本征模态函数中选取低频分量,提取信号幅度作为故障特征值。该方法兼具Park变换和HHT的优点,在降低变量维度的同时提高了故障分辨率,并且具有较强的抗噪声能力。最后,在三相逆变电路中进行了仿真实验,根据特征向量间距离分布对不同方法的提取效果进行评价,验证了所提方法的有效性。     

基于特定主题的社交网络影响力评估方法

针对用户在社交网络应用中的影响力评价方法，以往的研究重点关注网络结构和转发行为对用户影响力的影响，基于用户发布内容和主题的影响力评估研究较少，且未考虑主题间的交互关系.为此提出了一种半监督的主题提取方法，通过在初始化过程中引入种子词并赋予不同的权重，更好地提取目标主题.此外，为了提高用户影响力评估的效果，该文考虑了不同主题之间的交互，将主题之间的相似性叠加于用户相似性的计算.在真实数据上的实验结果验证了所提方法的有效性.