时变偏微分方程的贝叶斯稀疏识别方法

在数据驱动的建模中,通过测量或模拟得到时空数据,我们发现基于拉普拉斯先验的贝叶斯稀疏识别方法能有效地恢复时变偏微分方程的稀疏系数。本文将贝叶斯稀疏识别方法运用于各种时变偏微分方程模型（KdV方程、Burgers方程、Kuramoto-Sivashinsky方程、反应-扩散方程、非线性薛定谔方程和纳维-斯托克斯方程）的方程系数恢复,将贝叶斯稀疏恢复结果与PDE-FIND稀疏恢复算法进行比较,证实贝叶斯稀疏识别方法对偏微分方程具有非常强的稀疏恢复能力。同时,研究中发现贝叶斯稀疏方法对噪声更敏感,可以识别更多的附加项。此外,贝叶斯方法可以直接得到稀疏恢复解的误差方差,由此可以直接判定稀疏恢复的效果和可靠性。     

基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

基于人工标志识别的透射仪自动准直系统

目前大气透射仪存在发射端和接收端安装调校困难的问题,并且在工作过程中,发射端和接收端一旦发生偏移,光轴不处于一条直线,将大大影响能见度测量结果。针对这些问题,提出将近景摄影测量技术应用到大气透射仪的对准系统中,采用圆形作为人工标志物,通过图像处理及椭圆最小二乘拟合算法,计算人工标志物的圆心坐标,根据标志物的圆心坐标与摄像机镜头的中心坐标的位置关系,将发射端和接收端的摄像机镜头的中心通过旋转结构拉倒图像中心;由于摄像机与光轴是同轴设计,所以摄像机镜头对准就是实现了光轴的对准。实验证明,利用近景摄影测量技术能够实现大气透射仪快速准确对准,并且能够实时监控保证光轴始终保持一条直线。     

砂土类材料离散元细观参数的自动识别

准确的细观参数是采用离散元进行合理模拟的前提,基于最优化理论,本文提出了一种砂土类材料离散元细观参数的自动标定方法:采用PFC离散元软件模拟砂土的双轴压缩试验,以使PFC数值模拟的应力–应变曲线与某标准砂土室内双轴压缩实验结果的误差最小为优化目标,采用模式搜索法实现砂土类材料离散元细观参数的自动标定。本文提出的离散元细观参数自动标定方法具有识别效率快,精度高的优点。     

基于自适应参数估计的三轴磁传感器实时校正方法

针对传统基于椭球模型三轴磁传感器无法实时校正的问题,设计了基于自适应参数估计的三轴磁传感器实时校正方法,通过对参数的实时估计与处理,实现了三轴磁传感器误差的校正。首先,对三轴磁传感器全误差模型进行分析与处理,建立了基于模值的参数估计方程;其次,详细分析了参数模型的噪声特性,针对非高斯状态相关噪声,提出了采用自适应参数估计方法;最后,设计仿真与实验分析,完成三轴磁传感器误差校正。实验结果表明,所提出的算法可以实现误差参数的实时校正,提升了磁传感器误差校正的自主性。同时,基于自适应参数估计方法,使得校正结果模值标准差相较于传统方法减小了3倍。     

面向鲁棒自动语音识别的一致性自监督学习方法

提出了一种基于一致性自监督学习的鲁棒自动语音识别方法。该方法通过使用语音信号仿真技术,模拟一条语音在不同声学场景下的副本;在通过自监督学习方式学习语音表征的同时,极大化一条语音在不同声学环境下对应语音表征的相似性,从而获取到与环境干扰无关的语音表征方式,提高下游语音识别模型的性能。在远讲数据集CHiME-4和会议数据集AMI上的实验表明,所提的一致性自监督学习算法能够取得相比已有的wav2vec2.0自监督学习基线算法30%以上的识别词错误率下降。这表明,所提方法是一种获取噪声无关语音表征、提升鲁棒语音识别性能的有效方法。     

基因识别及其算法研究

针对基因识别问题,基于DNA序列的3周期这一性质,首先给出了DNA序列功率和信噪比的快速算法并讨论了不同物种基因类型的阈值确定方法;在此基础上,建立了基于背景噪声抑制和频谱平滑的SNR频谱预处理模型,经过预处理后的频谱不仅大幅度抑制了背景噪声,同时保留了SNR频谱的模式特征.在编码序列识别上,对经典的EPND预测算法进行了改进,使用改进的EPND算法对经过预处理后频谱进行基因识别,实验结果显示这种基因识别模型具有优异的基因识别性能,比传统直接使用基于滑动窗口DFT的EPND识别算法在敏感度、特异性等评价指标上提高了2%-12%左右.