基于精简特征集和融合新特征的基因名识别

根据生物医学文本中基因名的特点，提出了一组新特征用于基因名的识别。利用精简的特征集，将提出的新特征融合进精简特征集中。应用GlobalLinear模型和感知机学习算法在BioCreativeⅡ数据集中对提出的方法进行了验证，结果表明，通过使用数量较少的、区分能力强的特征，仍能使系统达到较高的性能。当融合新特征时，系统的精确率和召回率也有一定的提高。     

基于记忆网络的视频着色方法

针对视频上色过程中存在的颜色跳变以及多模态问题,提出了一种基于记忆网络的视频上色方法,即在生成对抗网络的基础上引入记忆网络来保持视频帧之间的颜色一致性,统一整个视频上色的颜色传播。研究结果表明,该方法不仅可以有效缓解相邻帧的颜色跳变问题,而且可以在保持参考特征的基础上,生成稳定且真实的着色效果。     

基于决策树的MODIS影像赤潮智能检测技术

针对赤潮检测方法的及时性和普适性较差的问题,选取美国国家航空航天局(NASA)对地观测系统(EOS)所获取的多景MODIS遥感图像,经过光谱分析和特征选择获得所需数据集,采用数据挖掘技术训练赤潮检测的决策树分类模型,抽取赤潮分类规则。通过对2004年5到6月份一次赤潮爆发周期内获取的8景MODIS遥感影像的赤潮检测,验证了利用挖掘出的分类规则对渤海黄河入海口及邻近海域所发生的赤潮进行检测可取得较满意的结果。     

基于关联规则的MODIS影像绿潮检测

由于缺乏对绿潮灾害的深入认识和有效的监视监测,海域管理部门的决策管理和防治措施还处于被动局面。为解决这一现状,选取青岛附近海域的3景MODIS影像作为实验数据,分析了浒苔的光谱特性并对浒苔进行了特征选择,然后运用关联规则挖掘出浒苔及其光谱之间的关联关系,并使用发现的关联规则对浒苔进行检测,检测结果相比同类研究具有较高的精确度。对提高绿潮研究的科学性和深入性具有重要意义。     

基于改进MFCC的说话人特征参数提取算法

在说话人识别系统中,传统梅尔倒频谱系数(MFCC)所提取特征不能够很好的反映说话人动态特征,尤其在噪声环境中,识别率较低,鲁棒性不足。针对以上问题,提出一种基于改进梅尔倒频谱系数(MFCC)的方法,通过多窗谱估计和一阶、二阶差分的方法提升识别性能。实验结果证明,在纯净语音和添加信噪的情况下,改进后方法的识别准确率都有所提升。当训练集为纯净语音,只为测试集添加噪声时,实验结果依然有较高的准确率。     

基于数据扩展的短时交通流量预测

多种机器学习和深度学习的模型和算法应用于短时交通流量预测,但是,大多数模型尤其是深度学习模型对训练样本的数量要求较高。为此,提出了一种基于数据扩展的短时交通流量预测方法,该方法基于自编码神经网络分别结合长短时记忆神经网络(LSTM)和支持向量机回归(SVR)构建预测模型,该模型利用自编码神经网络扩展的数据分别训练长短时记忆神经网络和支持向量回归进行交通流量的预测,结果表明,所提出的预测模型具有较高的精度和较好的泛化能力。