基于多特征的语音端点检测技术研究

针对传统的端点检测技术,如基于能量、过零率等方法,在低信噪比噪声环境下检测性能急剧下降的问题,根据汉语语音发音的特点,提出了一种新的检测方法,该方法结合了Mel频率倒谱系数（MFCC）和能量、过零率、频带方差等多个语音特征。基于多特征融合的模糊判决二次搜索端点检测方法,能有效减少清音、拖尾音的截断,提高端点检测的精度,并对噪声环境具有一定的自适应性。实验结果表明,即使在低信噪比条件下,该方法仍具有较高的准确性。     

基于模糊聚类的多传感器特征关联算法研究

特征关联源于量测过程中的不确定性,是无源多传感器多目标跟踪中一个关键环节。模糊集理论的基本思想是把经典集合中的绝对隶属关系模糊化,为处理不确定事物的建模提供有力工具。一种基于模糊聚类的辐射源特征关联模型被提出,同时给出了确定相似性度量和检验门限的方法。最后模拟产生了雷达数据库,对雷达数据库进行了聚类,并与硬聚类算法和灰色聚类算法进行了比较,实验结果证明了该方法的优势和有效性。     

基于模糊数相似性的BPA生成方法

D-S证据组合规则可以在没有先验信息的情况下进行融合,这一优点使得D-S证据理论在多传感器融合系统中应用非常广泛。但BPA函数是建立在基本事件的幂集之上的,无法通过简单的统计方法来获得,为了解决这一问题,提出一种适应性更好的基于模糊数相似性的BPA生成方法。通过数据分类的例证说明该方法具有有效性和适用性。     

基于多特征整合的双色红外小扩展目标精确分割算法

针对复杂背景下红外图像小扩展目标分割的问题,提出了一种基于多特征整合的双色红外小扩展目标精确分割算法.该算法在提取目标在红外双波段图像中的多种图像特征的基础上,采用D-S证据理论中的正交和复合规则对来自两个不同红外波段的目标检测证据进行综合处理,充分利用了目标在中波和长波红外图像的信息互补性和冗余性,在较大程度上提高了杂波背景下红外图像小扩展目标定位与分割的稳健性和精确性.实验结果显示了该算法的有效性.     

基于高辨识复合衍生特征的LiDAR数据分类方法研究

针对激光雷达测量技术现有数据特征单一、地物辨识能力粗糙、类别划分区间模糊导致地物分类精度低的问题,提出了一种基于复合衍生特征和模糊Dempster-Shafer(DS)证据合成理论的地物分类方法.首先,确定LiDAR数据分类特征对不同类型地物的可识别性,选择特征空间中关联性强且区分度大的源特征与衍生特征;然后,比较归一...     

基于灰关联分析与D-S证据理论的多传感器雷达辐射源识别方法

提出了基于灰关联分析与D—S证据理论的多传感器雷达辐射源识别方法。该方法在单个传感器中运用灰关联分析法通过计算灰关联度给出该传感器关于识别框架的基本概率赋值,再在融合中心用D—S证据理论对多个传感器的识别结果进行融合。仿真试验结果表明该方法是可行的。     

一种基于多分类器融合的双色红外成像目标识别方法

针对双色红外成像系统中的自动目标识别问题,提出了一种基于多分类器融合的红外目标识别方法.该方法首先提取目标的形状特征和面貌特征,并设计多个基于不同特征的分类器对目标进行分类;然后对各个分类器的目标分类结果进行决策级融合处理,并采用所提出的决策规则对多分类器融合分类结果进行处理得到最终的目标识别结果.该方法充分利用了目标在多传感器图像中的多种分类特征信息,提高了系统的目标识别效率和精确性.实验结果证实了该方法的有效性.     

基于噪声点检测的中值滤波方法

提出了一种基于DS证据理论的滤波方法,用于去除两种类型的脉冲噪声,这种新的滤波方法由检测和滤波两部分组成.首先获得证据,并用窗中的信息定义集合函数;然后用决定规则来判定噪声是否存在.最后在滤波过程中,对检测到的噪声点用本文中的滤波方法进行处理,而好的象素点保持不变,这就避免了对非噪声象素点的破坏.从实验结果中可以看到,本文的方法对固定值和随机值的脉冲噪声都能有效抑制,并且可以保留图像细节.     

基于小波变换和对齐度准则的图像配准方法

图像配准是多传感器图像融合研究中的一项关键技术.由于基于特征的图像配准方法存在特征提取的多样性,对提取图像特征的鲁棒性和精确性都有很高的要求.文中在适用性很强的对齐度准则的基础上,提出了基于小波变换和对齐度准则相结合的图像配准方法.首先,分别利用小波变换模极大值和小波多尺度积提取出图像的边缘及特征点,再利用对齐度准则计算所有特征点对之间的对齐度,从而得到匹配点对.实验结果表明,该方法具有较强的适用性、抗噪性,精确性和有效性.     

一种基于人工免疫的多层垃圾邮件过滤算法

随着电子邮件日益广泛的使用,如何有效地避免和防范垃圾邮件的侵扰已成为一个亟待解决的问题.受生物免疫系统自我保护机制的启发,本文提出了一种基于人工免疫的多层垃圾邮件过滤算法,利用分层检测的思想来过滤垃圾邮件.文中给出了针对多层过滤算法中获得性免疫层的垃圾邮件过滤测试实验,实验结果表明本算法在垃圾邮件过滤中能得到较高的召回率、精确率和正确率.文中也指出了可以通过合理地设置各检测器层之间的与或关系来得到更好的垃圾邮件过滤效果.     

基于朴素贝叶斯和层次聚类的两阶段垃圾邮件过滤方法

为降低对合法邮件的误判，提出一种基于朴素贝叶斯和层次聚类的两阶段垃圾邮件过滤方法。该方法将邮件划分为“合法邮件”、“可疑邮件”和“垃圾邮件”3类，在第一阶段，利用朴素贝叶斯算法速度快、分类性能好的优点，对邮件进行初步分类；在第二阶段，基于垃圾邮件的发送特征，利用层次聚类算法进行相似性比较。实验表明，该方法能够显著提高垃圾邮件的查准率，降低对合法邮件的误判，更加符合实际应用需求。     

一种基于人工免疫的垃圾邮件过滤算法

随着电子邮件日益广泛的使用,如何有效地解决严重的垃圾邮件问题已成为一个亟待解决的问题。受生物免疫系统自我保护机制的启发,提出了一种基于人工免疫的垃圾邮件过滤算法。在掌握现有信息处理技术方法的前提下,针对现有信息处理技术存在的问题,设计并通过仿真分析了系统的动态性与自适应性性能,并从理论和实验两个方面验证了这种方案的可行性与有效性。     

基于事例推理的中文垃圾邮件过滤

分析现有垃圾邮件过滤分类算法的不足,根据垃圾邮件的概念漂移特性,提出了一种基于CBR的垃圾邮件过滤算法.针对中文垃圾邮件特点提取特征,设计基于CRN网络的实例检索算法,该算法增加了预计算阶段,从而提高检索速度.实验结果表明,与传统贝叶斯算法相比,该算法对于动态变化的中文垃圾邮件数据集有更好的过滤效果.     

基于贝叶斯公式的最小损失垃圾邮件过滤算法

为了减少将合法邮件误判为垃圾邮件的误报率及将垃圾邮件误判为合法邮件的漏报率的损失，首先基于现有的文本特征提取评估函数：期望交叉熵及互信息提出一种新的评估函数。利用此函数可提取到更具有代表性的邮件特征向量。在此之上提出一种基于贝叶斯公式可减少损失的垃圾邮件过滤方法。经过仿真测试后，发现基于新评估函数的新方法可有效降低误报率和漏报率。     

图像垃圾邮件的发展和防范

垃圾邮件一直困扰着人们,图像垃圾邮件是垃圾邮件的变种,其危害远远大于传统的文本类垃圾邮件.本文首先给出了图像垃圾邮件的定义,介绍了图像垃圾邮件的类型和特点,然后分析了图像垃圾邮件的演进过程,总结了图像垃圾邮件的构造方法,最后探讨了图像垃圾邮件的防范措施.     

一种高效垃圾短信过滤系统的实现

本文提出了一种适用于对互联网发送的垃圾短信进行监控和过滤的解决方案,该方案根据短信日发送频度、短信内容、短信长度等特征,采用模糊匹配和频度监控相结合的方法进行短信监控和过滤.系统中创新性地提出了内容预变换、关键字加权控制频度等方法,相比传统方法而言,本系统在过滤准确度和误判率两方面的指标均获得大幅度提升.     

基于兴趣相似度的协作式垃圾邮件过滤方案

由于电子邮件在互联网上的广泛应用,出现了垃圾邮件的泛滥和占用网络带宽,垃圾邮件给用户正常收发邮件造成了严重困扰。提出了一种新的基于兴趣相似度的协作式邮件过滤方案,使得兴趣相似的用户迅速聚合成信息共享的团体,每个用户在团体内选择出最合适的过滤规则集进行有效的共享。实验表明,该方案在保持一定的过滤精度的同时有效降低了误判率。     

基于灰色关联度的图像混合噪声的自适应滤波算法

利用中值滤波和灰色关联度的特点,提出基于中值滤波和灰色关联度相结合的混合噪声图像滤波算法.算法选取加窗混合噪声图像的中值,采用灰色关联度自适应地计算各像素的加权系数,通过加权得到结果.实验结果表明,该算法有较好的自适应性,不但能够有效去除含有高斯噪声和脉冲噪声的图像噪声,而且能较好地保护图像的细节信息,提高图像的去噪效果和清晰度.     

垃圾短信的防治方法研究

随着短信业务的迅速发展,垃圾短信给人们带来的骚扰越来越严重.本文首先介绍了垃圾短信的定义、危害以及产生的原因,然后从法律和技术两个方面对垃圾短信的防治方法进行了探讨,最后对垃圾短信的防治方法进行了总结.