复述平行语料构建及其应用方法研究

以汉语为研究对象,提出构建大规模高质量汉语复述平行语料的方法.基于翻译引擎进行复述数据增强,将英语复述平行语料迁移到汉语中,同时人工构建汉语复述评测数据集.基于构建的汉语复述数据,在复述识别和自然语言推理任务中验证复述数据构建及其应用方法的有效性.首先基于复述语料生成复述识别数据集,预训练基于注意力机制的神经网络句子匹...     

高分辨雷达目标的RELAX与MRELAX参数特征

用RELAX算法和改进的MRELAX算法对实测雷达数据分别进行处理,从高分辨雷达回波距离像中提取目标特征参数并进行比较分析.仿真实验证明,用MRELAX算法对高分辨雷达目标数据进行处理与用RELAX算法处理的结果比较,MRELAX算法得到了更加清晰的目标特征.     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明：基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3 mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

基于遗传算法的非线性模式识别

文章设计了一种人工神经网络模型结构,以一种遗传算法进行该模型参数的组合优化建模,将其用于非线性模式识别.该方法不仅对线性问题有效,对非线性问题同样有效;该法简洁易行,优于多段线性分类器设计方法与BP误差回传网络算法.实例表明,遗传算法仅繁殖40代就能达到理想结果,其识别率达100%.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code,STBC)识别中多种编码类型难区分的问题,提出了一种基于卷积神经网络的STBC盲识别算法.该算法首先将接收信号采用自相关函数的频域预处理,输入到卷积神经网络中对信号特征进行提取,全连接层对特征进行映射,实现对6种STBC类型的识别.仿真实验结果表明,在无信道和...     

基于线圈与车辆号牌识别技术的治安卡口系统

随着我国经济的发展,车辆保有量及交通出行猛增,对违章逃逸、机动车盗抢及以机动车为工具流窜作案的快速侦破查处,成了我国公安交通管理部门的一大难题．全面实行对城市主要出入口、关键道路及交叉口的连续监控,对所有通过该卡口的机动车辆进行拍摄、记录与处理,是解决这一难题打击犯罪行之有效的方法．传统的使用线圈触发和视频抓拍存储的治安卡口无法有效而快速的追查目标车辆,采用线圈与车辆号牌识别技术,建设新型智能治安卡口系统可以做到对车辆号牌的自动抓拍识别、快速处理、报警,可为及时快速侦破这类案件提供强有力的技术手段．     

国际模式识别和机器智能的一代宗师——纪念傅京孙诞辰90周年

2020年是国际模式识别之父、世界著名人工智能和机器视觉科学家傅京孙(KingSun Fu)诞辰90周年。为缅怀傅京孙传奇的生平事迹,论述了其许多鲜为人知的感人故事,展现了他的科学思想和科学精神,评价了他对国际模式识别和机器智能等学科的杰出贡献。     

一种元-卷积网络和持续学习融合的洞库类目标识别方法

洞库类目标是高价值识别目标,针对洞库类目标样本数据难以获得、样本内部数据相似度较高、人工设计识别特征方法局限性较大、普通深度网络需要海量数据等问题,提出了结合元学习和深度卷积网络的元-卷积网络(MCNN),并融合持续学习理论的洞库类目标识别方法(MCNN-LLS).首先结合深度卷积网络、元学习的理论建立元-卷积网络,该网络可利用旧知识指导新知识的训练,利用小样本数据即可训练得到识别能力较高的深度洞库模型;然后融合持续学习理论,建立持续学习系统(LLS),设计专家审核模型判别深度洞库模型的识别结果,并引入潜在任务、模型异步更新等方法,达到模型持续学习、持续更新的效果.实验表明,本文方法所需样本数量少,对洞库类目标识别准确率高,且识别能力可随识别过程中新数据的积累逐步提高.     

Progress in bionic information processing techniques for an electronic nose based on olfactory models

As a novel bionic analytical technique, an electronic nose, inspired by the mechanism of the biological olfactory system and integrated with modern sensing technology, electronic technology and pattern recognition technology, has been widely used in many areas. Moreover, recent basic research findings in biological olfaction combined with computational neuroscience promote its development both in methodology and application. In this review, the basic information processing principle of biological olfaction and artificial olfaction are summarized and compared, and four olfactory models and their applications to electronic noses are presented. Finally, a chaotic olfactory neural network is detailed and the utilization of several biologically oriented learning rules and its spatiotemporal dynamic propties for electronic noses are discussed. The integration of various phenomena and their mechanisms for biological olfaction into an electronic nose context for information processing will not only make them more bionic, but also perform better than conventional methods. However, many problems still remain, which should be solved by further cooperation between theorists and engineers. Supported by the National Creative Research Groups Science Foundation of China (Grant No. 60421002) and National Basic Research Programme of China (Grant No. 2004CB720302)     

SAR图像的特征提取与目标识别

针对已有的SAR图像自动目标识别方法效果不太好的问题，提出了SAR图像的自动目标识别三种方法，即采用灰度特征的目标识别，采用栅格特征的目标识别，和采用模版特征的目标识别.理论和实验表明，采用模版特征的目标识别效果比较好.