贝叶斯优化卷积神经网络公共场所异常声识别

针对公共场所异常声的感知和识别问题,提出一种基于贝叶斯优化卷积神经网络的识别方法。提取声信号的Gammatone倒谱系数、倍频程功率谱、短时能量和谱质心,组合成声信号的特征图。构建卷积神经网络作为分类器,利用递增的卷积核设置和池化操作处理不同尺度的特征。基于贝叶斯优化算法优化卷积神经网络的模型参数,对包括火苗噼啪声、婴儿啼哭声、烟花燃放声、玻璃破碎声和警报声的5种公共场所异常声进行识别。该方法的识别结果与基于不同的特征提取和分类器方案得到的识别结果进行比较,结果表明该方法的识别效果优于其他特征提取和分类器方案的识别效果。最后分析了该方法在不同信噪比噪声干扰下的识别结果,验证了该方法的有效性。     

在预设中调整 在调整中优化

数学学习离不开解题,解题离不开方法和策略,思维的高度决定解题的速度,思维的角度决定解题的长度.本文以两道解析几何定点问题为例,说明在问题解决过程中要在理清题意的基础上预设解题方案,在对比分析中调整解题过程,最终达到解题思路的最优化.     

基于改进阈值的马田系统在医疗智能诊断中的应用

人工智能与医疗数据的融合可以加速疾病诊断过程,提高诊断精度,挖掘诊断过程关键指标,改善医疗工作流程.以医疗决策者偏好为前提,提出基于二次损失函数改进阈值的马田系统算法.通过正交表与信噪比对指标进行优化,降低模型复杂度;通过对阈值的改进,提高模型的灵敏度,满足医疗工作者的决策偏好.将此方法应用于UCI乳腺癌医学数据及三甲医院哮喘临床数据,并与其他改进阈值的马田系统算法及智能算法对比分析.结果表明,改进阈值的马田系统算法识别灵敏度高,简化诊断指标,训练耗时少,是一种更为有效的医疗智能诊断方法.     

核加速萤火虫算法求解有界背包问题

针对有界背包问题,本文提出一种结合核算法的改进萤火虫算法.首先采用核算法对问题规模进行缩减,为了使算法更适于不同规模的有界背包问题,根据规模对核半径进行自适应控制,对缩减后的剩余物品利用基于Levy飞行的萤火虫算法进行位置更新,并对更新后的最优个体进行变异操作以此增加种群多样性.通过仿真实验表明新改进算法能有效求解有界背包问题.     

基于Hoek-Brown准则的围岩参数DE-FEM反演程序及应用

针对Hoek-Brown(H-B)准则在数值计算中的奇异点问题,论述了主应力空间中H-B屈服准则的应力回映算法,给出了应力回映区域的判定方法、应力更新方程式和一致切线模量的表达式。采用C++语言编制了节理围岩弹塑性有限元求解程序,通过与FLAC软件计算结果的对比,得出计算位移最大误差为5.36%,验证了所编程序的正确性。针对岩石材料力学参数难以确定的问题,引入差异进化算法,自主开发了DE-FEM位移反分析程序,并将其应用于吉林省高丽沟隧道洞口段工程。结果表明,通过反演所得位移最大误差为8.96%,反演程序具有较高的精确性和实用性,该方法能够为类似工程的安全设计提供参考和帮助。     

基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用“提取特征”的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

基于视觉的传感器位置记忆追踪方法

在采用某些特殊传感器测量参数时,需要在传感器移除后确定出原来的测量位置,比如采用穴位传感器测量出患者多个经络穴位的异常表现后,需要确定出异常穴位的实际位置,对其施加干预措施,缓解患者疼痛并改善身体状况.为此,研究了传感器的记忆追踪问题,提出了一种基于视觉的传感器位置记忆追踪方法,在传感器和被测对象上分别粘贴AprilT...     

SA-AGA-ELM的PM2.5浓度预测模型研究

为提高PM_2.5浓度的预测精度,以南昌市2019年的空气质量数据和气象数据为原始样本数据,通过相关性分析确定输入PM_2.5浓度预测模型的特征值,同时在自适应遗传算法(AGA)的基础上融合模拟退火算法(SA),用于优化极限学习机(ELM)的网络参数,有效避免在优化过程中参数陷入局部极值,最终建立一种基于SA-AGA-ELM的PM_2.5浓度预测模型.实验结果表明,ELM模型预测PM_2.5浓度的平均绝对误差(MAE)、均方误差(MSE)、决定系数(R²)分别为13.644、263.935、.879,而SA-AGA-ELM模型预测结果的MAE、MSE、R²分别为3.966、28.630、.952.因此,SA-AGA-ELM模型的拟合效果更好,能够更为准确的预测PM_2.5浓度的变化情况.     

一类分数阶Langevin方程block-by-block算法的数值分析

分数阶Langevin方程有重要的科学意义和工程应用价值,基于经典block-by-block算法,求解了一类含有Caputo导数的分数阶Langevin方程的数值解.Block-by-block算法通过引入二次Lagrange基函数插值,构造出逐块收敛的非线性方程组,通过在每一块耦合求得分数阶Langevin方程的数值解.在0<α<1条件下,应用随机Taylor展开证明block-by-block算法是3+α阶收敛的,数值试验表明在不同α和时间步长h取值下,block-by-block算法具有稳定性和收敛性,克服了现有方法求解分数阶Langevin方程速度慢精度低的缺点,表明block-by-block算法求解分数阶Langevin方程是高效的.