多传感器目标识别系统的特征优化方法

来自多传感器的目标特征往往是高维数的,并且包含了更多的冗余信息和噪声。为了减小数据获取的代价,提高目标识别器的性能和效率,提出了基于遗传算法(GA)的多传感器目标识别系统特征优化方法。将遗传算法与神经网络目标分类器结合,通过识别结果的反馈信息,控制GA的遗传进化方向,从而实现特征优化。为了克服遗传算法的未成熟收敛问题,提出了相关选择与自适应遗传算子相结合的改进遗传算法。仿真实验结果验证了方法的有效性。     

ITER HC-SB TBM中子学计算

ITER实验包层模块（TBM）是验证未来聚变反应堆能否实现氚自持、高热量提取的重要实验平台，也是将来发展DEMO聚变堆包层技术而进行电磁陛能测试、热工水力学测试、氚增殖实验的重要工具。TBM位置在ITER装置中中子流强最高、热流密度最大的赤道面，因其位置的强中子辐照特性，TBM中的大量问题都受中子的影响。由于ITER对自身安全的严格要求和对TBM安全性能的要求限制，所以准确计算TBM内部与中子学有关的中子通量、功率密度分布和氚增殖特性等显得非常重要。     

基于决策树的汉语三音子模型

基于决策树理论的上下文相关声学模型在英语语音识别中已经得到了比较深入的研究和应用,但在汉语语音识别中的应用则研究的比较少。本文基于决策树理论建立了汉语语境相关模型-三音于模型,讨论了决策构建模所要解决的几个重要问题:(1)基本建模单元集的选择,(2)音子类别集的设计,(3)评估函数的选择,(4)停止准则的选择,(5)决策树的建立和三音子模型的生成,本文着重分析了两种不同建模单元的性能:对音子类别集的设计提出了一些一般性的准则,并对我们设计的类别集进行了统计分析;分析了三音子模型在语音库的覆盖程度。实验结果表明,基于决策树的三音子声学模型建立的识别系统与双音子声学模型系统比较,误识率下降了24.7%。     

一种近红外光谱特征子区间选择新算法

为了简化光谱模型和提高模型精度,在传统遗传算法中引入Metropolis接受准则,提出了一种新的模拟退火-遗传区间选择算法(SAA-GA-iPLS),用于快速提取近红外光谱特征子区间,采用偏最小二乘法(PLS)建立近红外光谱模型。以黄瓜叶近红外光谱数据及其类胡萝卜素含量为例,将全光谱分为40个区间,模拟退火-遗传算法能快速优选出7个子区间(分别为第3,5,14,18,21,32,33子区间),在所选7个子区间的基础上建立了黄瓜叶类胡萝卜素PLS光谱模型。与传统遗传算法的比较结果表明:无论是建模效果还是算法执行效率,模拟退火-遗传算法均优于传统遗传算法。     

2GW功率下CFETR中子屏蔽的初步中子学研究

在中国聚变工程实验堆(CFETR)真空室最新设计尺寸下,利用蒙特卡洛中子输运程序(MCNP)建立一维中子学模型,在2GW 的聚变功率下进行了计算。分析了中子反射材料ZrH₂ 对中子的屏蔽效果,发现200mm 的反射层可以屏蔽94.3%的中子通量和94.9%的中子核热。研究CFETR 在运行10 个满功率年(FPY)和20FPY 后,对应不同中子壁载荷的最小屏蔽包层厚度。结果显示,装置运行10FPY 后中子壁载荷在1.0MW·m⁻²、1.5MW·m⁻²、 2.5MW·m⁻² 时所对应的最小屏蔽包层厚度分别为44cm、53cm、65cm;而在装置运行20FPY 后,则需要在径向方向更厚的屏蔽包层才能满足中子屏蔽要求。屏蔽包层的尺寸优化将为目前阶段的CFETR 先进包层设计提供参考。     

仪表监控识别系统中实时性和准确性的研究

针对仪表监控识别系统中仪表抖动、仪表外观特征不明显的情况,提出了一种快速而准确的识别方法:加入移动侦测,用于检查仪表抖动,确定是否需要在下次识别中进行字符重定位;使用marker检测法对仪表的感兴趣区域(Region of Interest,ROI)进行定位。通过与传统识别方法(没有移动侦测、使用仪表原始特征定位ROI)进行对比,新方法对仪表字符的识别速度和识别准确度有显著的提高。     

基于子空间划分和视觉可识别度的波段选择方法研究

面对日益丰富的机载、星载高光谱传感器,及其相伴增多的高光谱数据,产生的数据量过大、波段冗余等问题一直是高光谱图像处理、解译的重难点。同时,利用高光谱遥感技术揭露伪装目标,也一直是现代遥感应用技术研究要点。在探测得到海量的地物光谱数据、具有冗余的光谱信息,设计恰当的数据降维技术具有至关重要的作用。降维处理的主要方法中的波段选择方法,其不但可以使图像数据的光谱信息在不失真的条件下实现数据降维,还能在其基础上对伪装目标及其背景实现精确区分,是当今利用高光谱技术进行军事应用的重要技术手段,同时也是国内外众多学者的研究热点。利用各类指标计算波段间的不同表现,并依据其参数选取代表性强的波段用于地物识别或分类来检验方法的优劣是目前比较常用的研究方式,但是面向特殊地物,如植被伪装目标的特定波段选择方法方面的实验研究现仍较少。研究选取绿色钢板、绿色伪装网、绿色假草皮,置于含有绿色健康植被、湿润裸地、干燥裸地的背景环境中,通过模拟真实环境中的伪装目标和背景地物进行波段选择及分类实验验证。首先通过分析光谱曲线,选取显著特征波段;其次结合根据波段间相关系数划分的子空间进行波段筛选;然后依据地物目标的图像亮度建...     

特征分层结合改进粒子群算法的近红外光谱特征选择方法研究

在近红外光谱数据定量建模中,数据的高冗余和高噪严重影响了建模的稳健性和精确性,因此提出了一种特征分层结合改进粒子群算法(PSO)的特征光谱选择方法。首先通过互信息度量特征的重要性得分,并按特征的重要性降序排序,有效避免了因采用降维方法得到主成分而引起的丢失重要信息的问题。其次,引入了跳跃度概念,并构造了一种特征分层的方法,重要性程度相似的特征并入同一个特征子集,将降序排列的特征集分割为不同的特征子集,避免了筛选特征过程中因人为设定特征重要性得分阈值而导致的不确定性。最后,采用收敛速度快、控制参数少的粒子群算法作为最优特征子集的优化方法,同时对粒子群算法做了两方面改进：引入混沌模型增加种群的多样性,提高了PSO的全局搜索能力,避免陷入局部最优;将特征数目引入到适应度函数中,在迭代前期通过惩罚因子调节特征数目对适应度函数的影响,提高了算法的适应能力。将分层后的数据以特征子集为单位,依次累加并作为改进粒子群算法的输入,从而选择出高辨别力的特征子集。以烟碱指标为例进行了特征选择过程的描述,实验采用尼高力公司的Antaris Ⅱ近红外光谱仪进行近红外光谱数据的采集,光谱扫描范围为4 000~10 000 cm-1。首先,利用互信息理论计算全光谱1 557个特征对待测指标定量建模的重要性得分,得分取30次实验的均值。其次,将所有特征按照重要性得分降序排序,计算所有特征的跳跃度,依据跳跃度寻找特征分层的临界点,将特征划分到不同的特征层中,构建了包含8个特征子集的特征集合S={S′₁, S′₂, S′₃, S′₄, S′₅, S′₆, S′₇, S′₈}。然后,依次将特征子集S′₁,{S′₁, S′₂},{S′₁, S′₂, S′₃},…,{S′₁, S′₂, S′₃, S′₄, S′₅, S′₆, S′₇, S′₈}作为初始粒子群的候选集,以R/(1+RMSEP)作为特征子集优劣的评价标准,各自重复实验50次,比值最大的特征子集即为最优特征子集。为验证该算法的有效性,选取了具有代表性烟叶近红外光谱数据作为训练集和测试集,建立了烟碱、总糖两个指标的PLS定量模型,并分别与全光谱、分层后的特征光谱、粒子群算法选出的特征光谱进行了比较。仿真结果表明,本算法所选特征烟碱、总糖的建模相关系数r分别为0.988 5和0.982 2,交互验证均方差RMSECV分别为0.098 4和0.889 3,预测均方根误差RMSEP分别为0.100 7和0.901 6,模型准确率均明显高于其他三种方法。从所选特征数来看,该算法所选特征数最少,有效剔除了原特征集中的弱相关和噪声、冗余信息,所建模型的主因子数最少,降低了模型的复杂性,模型更加稳健,适应性更广。     

基于CART回归树的LIBS特征变量选择方法研究

激光诱导击穿光谱技术（LIBS）用于检测时,由于谱线多且复杂,存在许多冗余的信息,这些都会对定量分析造成影响。因此,提取有效的特征变量在LIBS的定量分析中具有非常重要的意义。对CaCl₂溶液中的Ca元素进行光谱特征选择方法分析,对比单变量模型、偏最小二乘回归和CART回归树定标模型的准确度和稳定性。针对水体表面的波动性较大,光谱稳定性差,同时光谱受基体效应和自吸收效应影响等问题,首先采用单变量模型得到的拟合系数（R2）仅有0.933 2,训练均方根误差（RMSEC）、预测均方根误差(RMSEP)和平均相对误差(ARE)分别为0.019 2 Wt%,0.017 7 Wt%和11.604%。经偏最小二乘回归优化后,模型R2提高到0.975 3,RMSEC,RMSEP和ARE分别降低到0.010 8 Wt%,0.013 Wt%和7.49%。为了进一步提高定量分析的准确度,建立CART回归树定标模型。该方法在构建树模型时,通过平方误差最小化准则,从复杂的光谱信息中选取最优的特征变量组合做分类决策,从而建立Ca元素的定标曲线。通过CART回归树的变量选择,特征变量个数从100个减少到6个,变量的压缩率达到了94%,显著降低了无关谱线的干扰,回归树模型的相关系数R2,RMSEC,RMSEP和ARE分别为0.997 5,0.003 5 Wt%,0.006 1 Wt%和2.500%。相较于传统的单变量模型与偏最小二乘回归,CART回归树模型具有更高的精度、更小的误差。通过对特征变量的有效筛选,剔除无关信号的干扰,显著降低了基体效应和自吸收效应对LIBS定量分析的影响,提高了定量分析的准确度和稳定性。     

基于特征投影图的小麦近红外光谱变量选择方法研究

为了简化模型,提高模型预测精度,利用特征投影图(LPG)进行变量选择。对原始光谱进行连续小波变换(CWT),利用主成分分析(PCA)得到LPG,假定LPG中共线性光谱变量对建模作用相同,选出少数特征光谱变量建立预测模型,所得模型预测均方根误差(RMSEP)为0.345 4,优于其他建模方法,研究结果表明,LPG变量选择可有效简化近红外光谱模型,提高模型预测精度。     

水下目标识别中的特征优化选择

本文将模式识别中的特征选择方法用于水下目标特征的优化选择。用距离测度作为选择的准则,对提取的三类舰船噪声的高维组合特征进行自动选择,并用10-折交叉验证方法对选择出的特征子集进行评估,分析结果说明该方法能从原始的特征集中选择出有利于分类的特征子集,提高了水下目标分类的正确率。     

Sine-wave speech recognition in a tonal language

It is hypothesized that in sine-wave replicas of natural speech, lexical tone recognition would be severely impaired due to the loss of F0 information, but the linguistic information at the sentence level could be retrieved even with limited tone information. Forty-one native Mandarin-Chinese-speaking listeners participated in the experiments. Results showed that sine-wave tone-recognition performance was on average only 32.7% correct. However, sine-wave sentence-recognition performance was very accurate, approximately 92% correct on average. Therefore the functional load of lexical tones on sentence recognition is limited, and the high-level recognition of sine-wave sentences is likely attributed to the perceptual organization that is influenced by top-down processes.     

维吾尔语方言识别及相关声学分析

根据语音识别和声纹识别等语音应用研究的实际需要,首次对和田方言的声学特性和识别进行研究。首先选取和田方言语音进行人工多层级标注,对元音的共振峰、时长和音强进行统计分析,描绘出和田方言主体格局及男性和女性的发音特点。然后运用方差分析和非参数分析法对维吾尔语3种方言的共振峰样本进行检验,结果表明3种方言的男性元音、女性元音及整体元音的共振峰分布模式存在显著差异。最后,分别构建基于GMM-UBM (Gaussian Mixture Model-Universal Background Model)、DNN-UBM (Deep Neural Networks-Universal Background Model)和LSTM-UBM (Long Short Term MemoryUniversal Background Model)维吾尔语方言识别模型,对基于梅尔频率倒谱系数及其与共振峰频率组合做输入特征提取的方言i-vector区分性进行对比实验。实验结果表明融入共振峰系数的组合特征可以增加方言的辨识度,且LSTM-UBM模型较GMM-UBM和DNN-UBM能提取到更具区分性的方言i-vector。     

Cross-language sensitivity to phonotactic patterns in infants

This study explored sensitivity to word-level phonotactic patterns in English and Japanese monolingual infants. Infants at the ages of 6, 12, and 18 months were tested on their ability to discriminate between test words using a habituation-switch experimental paradigm. All of the test words, neek, neeks, and neekusu, are phonotactically legitimate for English, whereas the first two words are critically noncanonical in Japanese. The language-specific phonotactical congruence influenced infants' performance in discrimination. English-learning infants could discriminate between neek and neeks at the age of 18 months, but Japanese infants could not. There was a similar developmental pattern for infants of both language groups for discrimination of neek and neeks, but Japanese infants showed a different trajectory from English infants for neekusu/neeks. These differences reflect the different status of these word patterns with respect to the phonotactics of both languages, and reveal early sensitivity to subtle phonotactic and language input patterns in each language.     

自动发音人识别中测试文本选择的研究

本文研究自动发音人识别中测试文本的选择.提出并证实了结合汉语特点的测试文本选择的重要性和应用潜力,并总结了几条简单规则;应用并改善了解决发音动态变化的时间域规正法.
本系统用12阶LPCC倒谱系数和基音周期构成混合特征矢量,采用三字三模板匹配的识别方法,在一般实验室环境下,以录音机为传输媒介,达到了0.6%的确认错误率。     

语音情感识别中的特征选择方法

为了解决传统卷积神经网络在识别中文语音时预测错误率较高、泛化性能弱的问题,首先以深度卷积神经网络(DCNN)-连接时序分类(CTC)为研究对象,深入分析了不同卷积层、池化层以及全连接层的组合对其性能的影响;其次,在上述模型的基础上,提出了多路卷积神经网络(MCNN)-连接时序分类(CTC),并联合SENet提出了深度SE-MCNN-CTC声学模型,该模型融合了MCNN与SENet的优势,既能加强卷积神经网络的深层信息的传递、避免梯度问题,又可以对提取的特征图进行自适应重标定。最终实验结果表明:SE-MCNN-CTC相较于DCNN-CTC错误率相对降低13.51%,模型最终的错误率达22.21%;算法改进后的声学模型可以有效地提升泛化性能。     

Feature extraction for sound source material recognition with impact sounds

Sound source recognition is a part of environmental sound recognition,which is one of the most important research areas in pattern recognition.Impact sounds carry much physical information associated with the sound sources,which makes impact sound based sound source recognition an important approach to improve recognition performance.In this study,the impact sound continuum synthesized with a ball-plate collision model is used for material recognition of the impacted plates.The basis function learning method and time-frequency representation methods,including the short time Fourier transform and the wavelet packet transform,are applied into classification and the recognition results are compared.The result shows that the features obtained by using the basis function learning perform better for material classification of the impacted plates than that by using the short time Fourier transform and the wavelet packet transform.This demonstrates the high efficiency and superiority of this method in material recognition of sound sources.     

利用冲击声辨识声源材料的特征提取

声源辨识属于环境声识别的范畴,是模式识别的一个重要研究方向。冲击声携带了大量的声源物理信息,因此利用冲击声提取特征进行声源材料辨识是提高声目标识别分类性能的重要途径。对球-板撞击物理模型合成的冲击声连续统,提出使用基函数学习法提取目标特征,同时利用短时傅里叶变换和小波包变换进行特征提取,以此为基础完成被击平板的材料识别。研究结果表明,利用基函数学习法获得的特征,对于冲击声分类的效果明显优于短时傅里叶变换和小波包变换方法,说明利用该方法进行冲击声声源材料辨识的可行性和优势。     

Feature selection method based on fuzzy entropy for regression in QSAR studies

Feature selection and feature extraction are the most important steps in classification and regression systems. Feature selection is commonly used to reduce the dimensionality of datasets with tens or hundreds of thousands of features, which would be impossible to process further. Recent example includes quantitative structure–activity relationships (QSAR) dataset including 1226 features. A major problem of QSAR is the high dimensionality of the feature space; therefore, feature selection is the most important step in this study. This paper presents a novel feature selection algorithm that is based on entropy. The performance of the proposed algorithm is compared with that of a genetic algorithm method and a stepwise regression method. The root mean square error of prediction in a QSAR study using entropy, genetic algorithm and stepwise regression using multiple linear regressions model for training set and test set were 0.3433, 0.3591 and 0.5500, 0.4326 and 0.6373, 0.6672, respectively.