基于时间段和频带联合选择的多类运动想象脑电数据分类

脑电信号的时间和频率间隔选择对脑机接口的分类性能具有重要的影响。针对多类运动想象脑机接口系统,提出一个新的基于时间段和频带联合选择的分类算法。该算法首先使用滑动窗将运动想象产生的脑电信号在时域和频域进行分割,然后在每一对截取的时间段和频段,使用多类共空域模式算法提取脑电特征信号,最后使用k-最近邻算法对特征信号进行分类。交叉验证的分类识别率作为最优时间段和频带的选择标准。使用一个四类数据集对这个分类算法的性能进行了测试。与现有的3个典型算法比较,这个算法取得了最高的平均分类正确率,证实了这个基于时间段和频带联合选择的分类算法的有效性。     

基于影像组学与集成学习的脑胶质瘤分级预测

脑胶质瘤的术前分级对治疗决策和预后评估至关重要. 为了提高分级精度, 提出了一种基于影像组学和集成学习的无创胶质瘤术前分级方法. 首先, 从不同序列的感兴趣区域提取428个影像组学特征, 采用递归特征消除算法进行特征选择, 采用6种不同的机器学习算法对脑胶质瘤进行分级, 并对各自的性能进行评估; 然后, 根据评估结果, 选取逻辑回归、决策树和多层感知机3种分类器作为脑胶质瘤分级预测的机器学习算法; 最后, 将3种分类器的输出采用投票方式进行集成, 并评估硬投票机制与软投票机制的性能. 实验结果表明, 对于数据集BraTS2019, 基于硬投票机制的集成学习算法的性能较好, 受试者工作特性曲线下面积为0.933±0.031, 准确度为0.886±0.048, 敏感度为0.872±0.077, 特异度为0.905±0.105. 该方法不仅能增加胶质瘤分级模型的可解释性, 而且可以提高分级精度.     

基于ICA的车牌牌照字符识别系统

介绍了基于ICA(独立分量分析法)的牌照识别系统的字符识别.为了提高字符特征提取的质量,首先通过车牌图像的预处理,然后采用了基于高阶统计信息的特征提取方法,即ICA对车牌灰度图像的字符进行识别.该系统避免了二值化对字符特征的影响,识别方法简单,结果理想.     

基于模型设计的信息噪声剔除

基于模型设计的思想,给出一种先进的多、快、好、省的陷波器设计方法和流程.充分利用Matlab/Simulink资源,使得音源的频谱分析、滤波器参数的选择、陷波器模型的创建、模型的功能验证、HDL代码的自动生成、Modelsim仿真、陷波器性能的主观评价等都能在可视化的虚拟平台上轻松实现.从设计概念到硬件实现,环环紧扣,步步深入,一气呵成.并从三个层面上验证与确认了滤波器的性能,使所设计的陷波器无论从频谱上看,还是通过耳朵的主观评价,都达到了比较满意的陷波效果,是一个比较理想的陷波器设计范例,对数字滤波器的设计具有较好的借鉴作用.     

基于实景图像的道路限速标志识别算法研究

基于道路图像的交通标志识别系统中,关键步骤之一是对图像中的交通标志能够快速有效的识别.文中以具有字符信息的限速标志为例,通过对提取的区域图像进行预处理、旋转校正、字符分割和字符识别,实现了对交通标志中字符信息的自动识别.实验验证:该算法能有效地识别交通标志中的字符信息.     

基于支持向量机的字符编码识别系统

基于支持向量机设计了一种产品字符编码识别系统,该系统通过CCD视觉传感器采集图像信息,经过目标提取、字符分割、编码识别过程,最后输出识别结果.其中,识别过程采用支持向量机作为判别函数分类器,该方法能较好的解决小样本、非线性、高维数等实际问题,并且较传统的神经网络识别方法训练速度更快.实验结果表明,该方法识别率高,可以达到98.3%,并且具有较高的实时性.     

基于智能手机运动传感器的手写数字字符推测系统

为了拓展并完善手机屏幕信息推测的研究,在现有针对虚拟键盘输入的侧信道攻击基础上,提出了基于手机运动传感器的手写数字字符推测系统。设计实现了一种高效的自适应手写事件检测算法,在运动传感器(加速计和陀螺仪)数据流中通过多项式拟合的方式生成数据流中的噪声数据的拟合曲线。在噪声拟合曲线的基础上,结合数据流的方差值,实现目标数据段的识别提取。对每个数据段,本文选择了两种特征提取方法:时域特征提取和频域特征提取。再根据不同字符的数据段的特征差异推测当前数据段所对应的字符。对三种常见的用户手机持握姿态:坐姿、站姿和躺姿分别进行了训练,得到每一个姿态下最合适的姿态特征集合。握机姿态、手机类型、传感器类型和手写方式对推测准确率都有一定影响,其中手机类型影响最小。实验结果表明本文的字符系统推测准确率最高可达93. 5%。     

基于三角形模糊数的非线性T-S模糊系统的峰值点和分量半径优化

单值模糊器是将高维空间中一个实值点映射成该空间上的一个单值模糊集,在构造非线性T-S模糊系统时不仅可克服输入变量的噪声问题,而且能减少模糊推理机设计中的计算量.首先,基于分片线性函数和单值模糊器给出了非线性T-S模糊系统模型;并依据广义三角形的重心坐标公式,对等距剖分论域中的峰值点和分量半径等参数进行了优化;最后,通过模拟实例对系统进行了验证,得到优化后的非线性T-S模糊系统确实有更好的逼近效果.     

基于AM-BiLSTM模型的情绪原因识别

文本情绪原因识别是情感分析中一个新的研究方向,旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题,本文提出了一种基于注意力机制和双向长短时记忆(attention model and bi-directional long short-term memory,AM-BiLSTM)神经网络模型的情绪原因识别方法。该方法采用字符向量表示文本语义信息,使用BiLSTM模型提取文本特征,该过程结合了人工提取的子句特征,在训练模型时,引入了注意力机制来优化模型性能,使用softmax对子句进行分类。实验结果表明本文方法对情绪原因的识别是有效的。     

基于脑功能连接和SAE的自闭症分类

为了对自闭症(autism spectrum disorder,ASD)的计算机辅助诊断提供参考,本文探讨了基于大数据和深度学习的静息态功能磁共振成像(rs-fMRI)的数据分类研究。研究从国际自闭症专业数据库(ABIDE)中获取了306名ASD和350名正常受试者(typically developing,TD)的rs-fMRI数据。通过对预处理之后的rs-fMRI数据提取脑功能连接(Functional connectivity,FC)相关矩阵,再利用堆栈自编码(Stacked autoencoder,SAE)进行训练,最后对ASD和TD进行了分类,得到了准确率高达95.27%的识别。本文的结果表明,基于相关矩阵和SAE的ASD分类系统已经达到了较高性能,可以为计算机辅助诊断ASD提供参考。     

神经网络法研究硝基含能化合物的撞击感度

为了研究硝基含能化合物的撞击感度与分子结构之间的关系,基于邻接矩阵和空间结构,计算了36个硝基含能化合物的分子连接性指数X和电性拓扑状态指数E,建立了这些分子的撞击感度(lg H50)与1X、2X、4X、5X、E13、E16和E28共7种分子结构参数的定量结构-性质相关性(QSPR)模型。将这7种分子结构参数作为神经网络法的输入神经元,采用7∶2∶1的神经网络结构,建立了预测精度较好的神经网络模型,总相关系数为0.975 5。利用该模型计算得到的撞击感度预测值与其实验值的相对平均误差为4.03%,优于多元回归模型的相对平均误差(9.57%)。预测值与实验值较吻合,表明硝基含能化合物的撞击感度与7种分子结构参数具有非线性关系。     

面向自然场景图像的三阶段文字识别框架

文字识别技术在文档管理、图像理解、视觉导航等中具有重要应用。然而，自然场景中的文字通常排列任意、形状不一、字体多样，难以被检测和识别。提出了面向自然场景图像的三阶段文字识别框架，该框架包括文字检测、文字矫正和文字识别。首先，利用特征金字塔网络分割图像中的字符，基于双向长短期记忆网络获取字符间的亲和度，连接孤立字符构建单词行，文字检测率（F分数）高达91.97%。然后，通过多目标矫正网络矫正被检测文字，以应对场景图像文字的复杂形变，增强阅读性。最后，通过注意力序列识别网络按序输出预测结果，实现单词级识别，文字识别正确率达84.98%。     

基于字符纹理的车牌定位算法

提出了一种基于小波变换和均值聚类的实时车牌定位算法,根据车牌字符的纹理特征,在小波变换域中结合均值聚类自适应动态阈值取得字符信息,然后通过连通区域分析,结合车牌的宏观特征对车牌进行定位,试验证明,该算法准确率高,抗干扰性强。     

基于数据预处理深度置信网络的药物与非药物分类（英文）

制药工业的一个主要趋势是整合传统意义上被认为早期阶段药物发现的分子描述.为了更好的将药物和非药物分类,本文提出了基于深度信念网络(DBN)的分类模型.首先,对分子特征进行预处理以保证有价值的信息得到保留,其次,该模型将DBN和反向传播(BP)分类器结合去对药物/非药物进行检测和分类.DBN由几个受限玻尔兹曼机(RBM)层组成,当特征向量转移到下一层时这些RBM层尽可能多的保留具有重要的影响的信息.BP层训练的最后一个RBM层生成特征分类.结果表明,该方法是提取高层次特征的药物和非药物分类任务中一种成功的方法,分类精度高达85.3%,高于传统的支持向量机和神经网络方法.同时,预处理对分子特征的提取更为有效,从而在一定程度上提高了分类的准确性.     

工程图纸中字符提取和组合的新算法

工程图纸的扫描转换处理是CAD/CAM 领域急待解决的一个重要难题.图纸中通常包含了大量的字符, 提取并识别这些字符, 是图纸处理中的关键组成部分.本文分析了现有的字符提取方法的不足, 详细描述了一个新的提取算法, 并且给出了算法在图纸扫描转换中的一个实例, 实例表明, 该算法具有快速、高效和可靠的特点.     

基于视觉显著度的说话检测

现有基于视觉信息的说话检测方法中往往依赖预定参数或者阈值作为分类平面,鲁棒性差且泛化能力不强.针对这一问题,本文提出了一种基于显著度的视觉说话检测方法,利用像素的色彩信息和嘴唇的空间位置特性检测嘴唇,通过分析嘴唇运动和说话假设的关系,将图像能量作为特征,并结合经典的隐马尔科夫模型(hidden Markov models,HMM)和支持向量机(support vector machine,SVM)作为判决方法来进行检测.实验结果表明,本文提出的嘴唇检测方法正确率可达到92%.     

基于矩阵表示的CMOL电路容错映射

针对存在缺陷的CMOS/纳米分子混合(CMOS/nanowire/MOLeclular hybrid, CMOL)电路的单元容错映射问题, 提出一种基于矩阵表示的CMOL电路容错映射方法. 首先, 将逻辑电路和CMOL电路建模为矩阵表示; 然后采用文化基因(memetic)算法进行矩阵间可匹配字符的搜索, 采用小矩阵元值优先匹配的策略完成单元缺陷容忍映射. ISCAS测试电路的实验结果表明, 与已有方法相比, 本文方法在求解速度上有36.98%的提升.     

基于等倾干涉原理和CMOS图像传感技术的流体折射率微变传感系统

基于等腰劈光学等倾干涉原理,利用CMOS(complementary metal oxide semiconductor,互补金属氧化物半导体)图像传感器,设计了一种可测量流体折射率微小变化的传感器系统。该系统使用具有高频率像素时钟的CMOS图像传感器对等腰劈中出射光信号进行测量,将携带信息的光信号转换成电信号,再经过一块现场可编程门阵列(field programmable gate array,FPGA)芯片采集数字图像,通过极值计数法处理数据获得光学信息,从而计算流体折射率微变量。该传感器系统的理论测量精度达2. 75×10~(-6),可应用于大气测量和材料研究等领域。     

高频地波雷达频谱监测系统的前端电路设计

利用超外差式接收和直接数字合成(DDS)技术设计了高频地波雷达频谱监测系统的前端电路．该电路能够根据雷达探测距离的远近选择相对应的噪声信号接收频段,为后续的数据采集与处理提供噪声电平数据．实验证明：本系统的跳频本振信号信噪比(SNR)优于60dB;对输入信号具有60dB左右的增益和1μV的灵敏度,满足了武汉大学研制的下一代高频地波海态监测雷达对频谱监测的需要．     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据，随着高分辨率遥感图像数据的日益增多，迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分，在特征选择上存在一定的局限性。为此，提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network，DCNN）的多尺度神经网络（multi-scale neural network，MSNet）模型，基于残差网络构建了100层编码网络，通过并行输入实现输入图像的多尺度学习，利用膨胀卷积实现特征图像的多尺度学习，设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验，总体分类精度达91.97%，并将其与传统全卷积网络（fully convolutional networks，FCN）方法和基于支持向量机（support vector machine，SVM）的面向对象方法进行了对比，结果表明，本文所提方法分类精度更高，分类结果整体性更强。