飞机旋转叶片回波频谱特征分析

飞机目标发动机叶片的周期性旋转运动导致目标散射回波中出现周期性运动部件调制频谱分量,在某些姿态下该频谱分量幅度呈sinc(x)包络状,并不对称分布于机体多普勒频谱分量一侧。为揭示这一现象,在对旋转叶片组建立电磁散射模型和对风扇目标进行试验测量基础上,分析了叶片长度、倾斜角和扭角等结构参数对周期性运动部件调制频谱分量分布规律的影响。结果表明叶片扭角是导致该现象出现的主要原因。     

一种运动目标提取方法及其应用

介绍了一种利用高阶统计量(higherorderstatistics,HOS)提取视频序列中运动目标的新方法,并将其应用到人脸识别技术中。利用HOS对高斯噪声的不敏感性分离运动区域和背景,进一步提取出运动目标。当提取出的视频序列中的运动对象为人体时,利用主元素分析法(principlecomponentanalysis,PCA)进行人脸识别。实验证明,算法计算简单,速度快,用于人脸识别时能正确提取出运动的人体。     

基于时频域特征和分层决策的通信信号调制识别

针对实际通信信号具有时变、非平稳的特性,将时频分布引入通信信号调制类型识别,提出了新的品质优良的时频域识别特征和使用时频域特征的分层决策分类器。即以基于Wigner Ville分布(WVD)的一阶时间矩特征和基于Margenau Hill分布(MHD)的局部时频域特征作为分类特征向量,通过特征向量与判决阈值的逐层比较以实现通信信号调制分类。仿真结果表明,该方法在低信噪比下的识别性能明显优于基于单纯的时域特征或频域特征的传统方法。     

小康社会与小康家庭的定量研究模型

中国小康社会的指标体系分国家层面、社会层面和家庭层面给出,小康家庭识别模型由一级、二级指标和测量要素来刻划,用属性识别的数学方法给出定量的计算.     

企业自主性技术创新中的知识流动

本文借助于国内外学者关于企业自主性技术创新和与技术创新相关的知识理论方面的研究成果,对自主性技术创新过程中知识流动的机制进行了透视和分析.基于对企业知识库的分析和对技术创新过程与知识联系的分析,文章探讨了技术创新过程中知识在企业知识库和技术创新过程之间,知识在技术创新过程内部的横向、纵向和交叉的流动,并认为企业文化、组织结构和信息技术是促进企业内外部知识充分流动的重要推动力量.     

实验数学:空前的数学革命?

弄清计算机与现代数学各自的特点及其相互促进作用,是正确理解"实验数学"意义的关键.     

排土场淋溶水污染区地下水监测点模糊模式识别

应用模糊模式识别方法对阜新新邱露天煤矿排土场附近(于家沟),地下水污染区的水质监测点分类优选问题进行了研究,对研究区内的12眼水井分别采样,进行水质分析,识别出总硬度、硫酸盐、氯化物、溶解性总固体等主要污染因子;进而采用模糊模式识别方法,对区内的12个监测点进行了优化.计算结果表明可从于家沟地下水污染区的12个监测点中选取具有代表性的3、7、11号监测点进行监测,节省了人力、物力及资源.     

地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型 ,引入了合力作用机制 ,解决了储层流体类型划分的判定半径问题 ,克服了以往神经网络对任何输入数据都要产生响应 ,并给出一个分类结果的缺陷。改进了传统的距离计算方法 ,克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料 ,对某油田的储层流体性质及类型进行了识别 ,获得了很高的识别率。与径向基神经网络的判别结果相比 ,该神经网络的识别率明显提高。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.