HTK参数对普米语孤立词识别率的影响

普米语是一种无文字的少数民族语言,目前已处于濒危状态,建立语音语料库及开展语音识别研究是保护和传承普米语的重要手段.基于HTK的语音识别中,参数的选取对不同语言的识别率有很大的影响.针对MFCC维数、HMM状态数及GMM个数这3个参数对普米语的识别率进行研究,结果表明:普米语语音识别的最佳MFCC维数为13维,最佳HMM状态数为8个,最佳GMM个数为3个.     

疏松砂岩油藏大孔道定性识别新方法研究

疏松砂岩油藏在长期注水开发过程中,往往伴随着大孔道的出现,这严重影响了油藏水驱开发效果,制约了采出程度的进一步提高,因此,大孔道识别及有效封堵成为该类油藏急需解决的关键问题.通过研究分析,确定了影响大孔道从形成到发展的7种主要静态因素,以及标志大孔道形成的6种主要动态因素.将层次分析法及灰色关联法相结合,分别计算静态及动态因素的权重,建立了全新的大孔道定性识别模型.示踪剂监测结果验证了该方法的实用性和有效性.     

腐蚀对风车联合作用下斜拉桥拉索 疲劳可靠性的影响分析

为探讨腐蚀对随机交通和风载联合作用下斜拉索疲劳可靠性的影响规律和机理,通过拉索高强钢丝的加速腐蚀和疲劳试验,提出了考虑腐蚀的斜拉索疲劳抗力模型;基于线性累积损伤准则,建立了考虑腐蚀影响的风车联合作用下拉索疲劳可靠性的分析方法和流程;依托工程实例,分析了腐蚀等级和时变腐蚀对拉索疲劳可靠性的影响.结果表明:随腐蚀加剧拉索动态疲劳可靠指标下降速率增大;等级达到Ⅲ级及以上的腐蚀对拉索疲劳可靠寿命影响显著,尤其对于靠近桥塔及辅助墩处拉索;Ⅳ级和Ⅴ级腐蚀时拉索疲劳寿命相对无腐蚀状况降幅最大分别达24%和44%;相对完好状况,时变腐蚀影响下拉索的动态疲劳可靠指标下降更为迅速,且降幅明显大于仅考虑腐蚀分级的状况.     

高职院校城市轨道交通车辆专业项目化课程体系建设的研究

我国高职院校近几年大力进行项目化课程体系建设工作,项目化课程的建设旨在提高高职学生知识及能力素质,为国家未来的发展奠定坚实的基础。随着中国经济的飞速发展,对城市轨道交通技术人员的需求也日益增大。为了更好的培养城轨专业人才,城市轨道交通车辆专业在这样的大环境下也进行了项目化课程体系建设。该文从项目化课程体系建设的背景、项目化课程体系的构建、项目化课程的建设等方面详细的介绍了城市轨道车辆专业项目化课程体系建设的过程及意义。     

多铰接结构的现代无轨列车路径跟随研究

现代无轨列车是一种新型公路运输车辆,其融合了汽运车辆建设成本低和轨道车辆载运量大的技术优势.针对多铰接现代无轨列车车体编组多,运动自由度大,曲线路径行驶时后方车辆会偏离前方车辆的运动轨迹的问题,建立了跟随误差模型,分析影响路径跟随性的因素,提出一种曲线路径行驶的路径跟随策略.采用航向角预测跟随控制策略,设计中间车轴的铰接角和后车轴的转向角控制规律,以增量PID算法补偿阿克曼转向模型误差,提高系统稳定性.最后在圆曲线路径和"S"曲线路径工况下测试车辆各轴的行驶轨迹.仿真结果表明:车辆的位置跟踪误差保持在0.03 m以内,航向跟踪误差最大在4.5°以内,车辆具有较好的路径跟随性能.     

稿件规范要求

<正>(2015年2月修订)文稿应依次包括以下内容:题名,作者姓名,作者单位,摘要,关键词,中图分类号,基金项目,第一作者简介,正文,参考文献,并将前5项翻译成英文排在文末。一、题名应简明、确切,不超过20字,一般不加副标题。作者单位包括单位全称、具体部门、城市名、邮政编码。     

中国和美国信贷冲击跨境溢出效应的比较研究

本文构建了基于符号约束识别的GVAR模型,并用以考察中国和美国的信贷市场冲击对全球41个国家的不同溢出效应.研究结果表明,中国紧缩性信贷市场冲击对本国实体经济有显著的负效应,但仅限于短中期;而美国信贷冲击对本国乃至全球经济都具有相当大且持久的负影响.中国信贷冲击的跨国效应较小,且主要通过贸易渠道.中国信贷市场的本国冲击能解释中国产出近10%的波动,但无论是本国效应还是跨境传导,总需求冲击仍是驱动中国经济周期波动的最主要力量.     

基于改进Faster R-CNN的农田残膜识别方法

为了实现农田残膜的精准捡拾,提高残膜回收机的回收率.将改进Faster R-CNN卷积神经网络运用到农田残膜的识别检测中,提出了一种农田残膜的识别方法.以11MS-1850残膜回收机工作后遗留在农田表面的残膜为研究对象,分别在晴天、阴天不同时间段采集图像共计1648幅.通过更改图像亮度、旋转等方式扩充数据集,最终得到4950幅残膜样本图像,按照7:2:1划分为训练集(3465幅)、验证集(990幅)、测试集(495幅);采用双阈值算法替代传统的单阈值算法,降低了阈值对模型性能的影响;通过对比试验,选取具有残差网络结构的ResNet50作为主干特征提取网络,准确率可达88.84％,召回率为87.70％,总体精度为88.27％;为了使检测模型对小目标更加灵敏,根据数据集中残膜尺寸大小,在原有锚点基础上增加322和642的尺度参数,准确率、召回率、总体精度分别提升了1.29％、0.67％、0.97％,单幅检测时间为284.13 ms,基本满足了识别残膜的要求.可为残膜回收机加装补收装置提供参考,为研制人工智能残膜回收机提供理论基础.     

基于混合高斯模型的储物柜存取货行为检测方法

针对储物柜存取货物场景的实际情况和人员行为的特点，提出一种通过融合时间调整机制控制前景融入背景的改进型混合高斯建模检测方法，并引入手臂识别机制。融合时间调整机制减小了由于人员停止运动而错误决策为背景的可能性；手臂识别算法模型有效地识别人员伸手动作。实验结果表明，该方法可以简单有效地从连续的图像序列中检测出人员在储物柜场景下的存取货物行为。