基于LSTM神经网络的畸形波预测

采用长短时记忆(LSTM)神经网络预测方法对某岛礁地形模型的四个典型波浪试验数据进行预测分析,并建立了单步和多步预测模型.首先对波高时间序列数据进行归一化处理;然后建立了包括输入层、隐藏层和输出层的LSTM网络模型框架;最后对测试样本进行单步预测,将预测结果与支持向量机(SVM)模型和反向传播(BP)模型进行了对比.结果表明:LSTM神经网络预测精度有明显优势;多步预测中,提高预测时长其预测精度并无明显降低.     

电解处理压裂返排液产气条件优化

为了实现对电解处理废液过程产气的调控,研究了电解处理压裂返排液的主要工艺条件参数对产气的影响。实验中阳极、阴极均使用相同铝板,考察了电解时间、电解电流、电极间距等因素对电解产氢气量的影响,并通过正交实验法确定了产氢气量最小时的条件参数;以正交实验数据为基础,利用支持向量机(SVM)算法建立了有效的、可靠的回归模型,利用该模型直观分析了电解时间、电解电流、电极间距间的交互作用对产氢气量的影响,预测了电解处理废液产氢气量最小时的主要工艺条件参数,预测产氢气量的最小值为47.35 mL,实测值为48.44 mL,相对误差为-2.25%。该条件下,阴极表面以产30～100μm的氢气气泡为主,占比92.11%,获得了很好的电解处理压裂返排液效果,TOC去除率为83.53%,去浊率为97.38%,脱色率为92.80%,所产生的氢气远小于在空气中的爆炸极限(4%)。研究结果表明,通过优化相应的工艺条件参数来调控电解产氢气量及处理效果具有可行性,同时也表明SVM法用于优化工艺参数及预测产氢气量是可行的。     

大数据时代的车牌汉字识别

在大数据时代, 交通信息成为网络数据量最大的数据来源之一, 智能交通成为必然需求. 车牌识别是智能交通的基础, 可广泛应用于车库管理、交通监控等工程中, 然而识别的准确率还有待加强, 已有算法对于字母、数字的识别准确率都非常高, 而对于中国特有的汉字识别却效果不佳. 提出用受限玻尔兹曼机组成的深信度网络算法来识别车牌字符, 大大提升了汉字识别的准确率, 使准确率达到99.44%.     

基于k近邻和最小二乘支持向量机的Android恶意行为识别

针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足Android[KG*6]恶意行为的在线识别要求.     

面向新闻的情感关键句抽取与判定

情感倾向的分析已经成为当前研究的热点.面向新闻的情感关键句抽取与判定主要运用的技术有对文本进行预处理、计算文本中词项权重、提取情感关键句、用SVM分类器对情感关键句进行情感倾向性分析.实验结果表明:JXNUIIP系统对情感关键句提取问题有良好的效果.     

基于多特征融合的中文评论情感分类算法

为解决情感分类中词间的语义关系难以表达和分析的问题,提出了一种基于词向量(word representation)和支持向量机(support vector machine)的情感分类算法,对电子商务在线评论的情感分类问题进行研究.首先使用word2vec聚类相似特征,然后使用word2vec和SVM对情感数据进行训练和分类,并分别使用基于词特征和基于词性标注的方法进行特征选择.在京东评论数据上进行的实验结果表明,与现有方法相比,分类准确率和召回率得到了提高.     

P300的BCI汉字在线输入系统

针对在P300的脑-机接口(BCI)汉字输入系统中输入速度较慢的问题,开发了一套新型的汉字拼音输入在线脑-机接口系统.用户界面中设计新型的二级选择模式,减小了用户在实验中的视角转移,并且将自然语言处理(NLP)技术用到此系统中,可以使此套在线系统的正确率和速度都有所提高.实验结果表明:此改进的P300-BCI系统汉字输入速率可达1.37 字·min^-1,有效地提高了汉字的输入速率;随着用户使用次数增多,系统的效果会进一步得到提高,用户与外界交流将会更加方便快捷.     

应用近红外高光谱成像预测三文鱼肉的水分含量

应用近红外高光谱成像技术实现三文鱼肉水分含量的快速无损检测。采集来自不同部位的三文鱼肉共90个样本的高光谱图像,提取样本感兴趣区域(ROI)的平均光谱。随机取60个样本作为建模集,其余30个样本作为预测集。分别采用偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)对全波段和水分含量建立相关性模型,并对预测集样本的水分含量进行预测。再用一种新的变量提取方法random frog选择特征波长,并基于特征波长分别建立水分检测的PLSR和LS-SVM模型。特征波长模型的预测精度虽然稍逊于全波段模型,但是仅用12个变量代替了全波段的151个变量,大大简化了模型,更便于实际应用。PLSR和LS-SVM特征波长模型的预测相关系数(R_p)分别为0.92和0.93,预测均方根误差(RMSEP)分别为1.31%和1.18%,取得了满意的结果。研究表明,近红外高光谱成像与化学计量学方法结合可以准确预测三文鱼肉的水分含量,为鱼肉品质的快速监测提供重要的参考。     

水体细菌微生物种类快速鉴别方法研究

紫外可见多波长透射光谱包含了细菌微生物对光的吸收和前向散射等信息,能反映细菌细胞的组分、大小以及形态等特征,具有细菌种属的特异性,可应用于细菌微生物的快速种类鉴别。以水体中常见细菌微生物为研究对象,实验测量了大肠埃希氏菌、金黄色葡萄球菌、鼠伤寒沙门氏菌以及肺炎克雷伯菌的紫外可见多波长透射光谱,简要分析了不同种类细菌微生物的多波长透射光谱特征;研究了透射光谱与支持向量机多向量分析方法相结合的水体细菌微生物快速识别方法,利用基于网格搜索法的训练集内部交叉验证获取建模所需最佳惩罚因子C和核函数参数g,根据最优参数和LibSVM一对一多分类法建立细菌快速分类鉴别模型。利用不同株实验细菌的透射光谱作为测试集对所建模型进行识别正确率的验证,结果表明,所建立的快速分类鉴别模型可以对选取的大肠埃希氏菌、金黄色葡萄球菌、鼠伤寒沙门氏菌以及肺炎克雷伯菌进行快速种类识别,识别正确率为100%;分类鉴别模型对不同大肠杆菌亚种的测试集识别正确率为100%,证明该模型对细菌属间鉴别具有较好的稳定性。不仅可为饮用水源细菌微生物的快速识别预警提供方法,而且可在生物医学方面作为细菌微生物鉴别的一种简便、快速、准确的手段。