基于经验模态分解和支持向量机的车型声频识别

车型自动识别是智能交通系统的重要组成部分。针对现有车型识别存在的问题,提出利用经验模态分解和支持向量机的车型声频识别方法。将车辆行驶的声音信号进行分解,以分解不同模态的能量作为特征向量,并以此作为训练样本对支持向量机构成的车型识别器进行训练,通过对小汽车和卡车的声音信号处理结果表明:利用车辆声音信号能够正确识别不同的车型,识别准确率达95%,是车型识别的有效方法。     

图像场景识别中深度学习方法综述

场景识别是一种用计算机实现人的视觉功能的技术,它的研究目标是使计算机能够对图像或视频进行处理,自动识别和理解图像和视频中的场景信息。由于场景识别技术拥有广泛的应用前景,因此得到了许多关注。随着大数据时代的来临和深度学习的发展,使用深度学习方法解决场景识别问题已经成为场景识别领域未来的发展方向。文章首先概述介绍了场景识别技术的主要研究内容和发展情况,之后阐述了在图像场景识别中深度学习方法的应用情况,然后介绍了一些在图像场景识别中深度学习方法应用的具体的典型案例,同时给出了这几种方法具体的对比与分析。最后给出了文章的结论,总结了当前图像场景识别中使用深度学习方法的发展情况,并且对未来的发展方向给出了一些展望和建议。     

语言声学的进展

本文涉及语言声学的语音学研究、文语转换技术、语音识别技术及自然语言处理等方面，简要介绍了有关汉语在前三方面的进展和发展方向；重点介绍了面向整个自然语言理解处理的新理论一概念层次网络（HNC）理论的主要内容及其进展，试图在理论层面上给出HNC理论的基本概貌。     

生物信息学与物理学

简要介绍了人类、模式生物基因组的测序计划以及生物大分子的数据库。并阐述了生物学的主要研究方向。     

数字示波器语音识别

示波器广泛应用于大学物理实验教学中，相较于传统的模拟示波器，数字示波器将输入模拟信号转换为数字信号进行显示。设计了一个新的使用数字示波器进行人声音识别的综合性实验。实验中把压电陶瓷片贴于测试者的喉部靠近声带处，声带的振动转换为电信号后，使用数字示波器解析测试者的声音特征。在此基础上建立了含多个测试者的语音样本数据库，通过对于测试者声音频率的比对实现了对特定测试者的语音识别。该实验拓宽了示波器的实验教学内容，取得了良好的教学效果。     

基于动力学同步的复杂网络结构识别速度研究

基于动力学同步的复杂网络结构识别是探测复杂网络拓扑性质的重要方面, 其中识别速度是一个重要但鲜有讨论问题. 首先对弱耦合条件下耦合非线性振子网络结构识别速度的问题进行了研究. 发现识别速度随耦合强度成正比增长. 通过解析讨论, 肯定了这一关系是普适的. 之后基于我们最近提出的反复驱动识别方法, 将处于同步稳定态的耦合区域也纳入研究范围. 在这种情形下存在一个最佳的时间片段的长度使识别速度达到极值. 这些结论加深了对时间序列中蕴含的拓扑结构信息量的理解.     

虹膜身份识别技术

介绍了现在最有发展前景的生物特征识别技术——虹膜身份识别技术。在整体介绍了其技术的基础上,详细介绍了当今具有代表性的虹膜识别算法,最后针对虹膜识别技术存在的主要问题分析了虹膜识别的发展方向：精度高、速度快、鲁棒性好的定位算法,高效的特征提取方法,机器学习的分类方法,虹膜图像的质量评价,不完整、不合作情况下的虹膜识别以及活体虹膜检测。     

Ŀ�꺯���Ե���˿ģ��ʶ���������߽��Ӱ��

根据等离子体边界附近的磁场测量信号,利用电流丝模型快速识别了等离子体的边界。介绍了该模型的基本原理,并重点研究了目标函数的选择对快速识别等离子体边界的影响。     

基于压缩感知的~(252)Cf源驱动核材料浓度识别技术研究

针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻(CSKNN)分类识别方法,进而研究并分析了CSKNN方法的识别概率。实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N≥0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低。这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法。     

基于近红外传感器和面向对象光谱分割技术的田间棉株识别与提取

实时、高效、可靠的田间目标作物识别是精确农业中作物科学管理的基础,也是精确农业的关键技术之一。而传统的基于象元的信息提取方法已难以胜任复杂图像处理和高精度目标识别的需要。文章利用高分辨率的传感器获取可见-近红外影像,运用面向对象光谱分割技术和最邻近分类器,根据高分辨影像丰富的空间和光谱特征,利用对象的光谱、形状、拓扑等信息准确地进行田间棉株的识别。最后随机选取了300个样点,利用误差分析矩阵方法对识别结果进行了精度评价。结果表明田间棉株识别的总体精度高达96.33%,而KAPPA系数也达到0.926 7。尽管识别类型中棉株与背景（土壤,杂草等）有少量的混淆,而研究的识别精度完全可以满足精确农业自动化管理和决策的要求。