基于小波变换的心电信号处理研究

在简述小波变换理论发展的基础上,介绍了心电信号的主要特点和研究内容,从两大方面概括小波变换应用于心电信号处理的国内外研究现状:一是去噪,着重介绍了小波阈值消噪的研究成果,概括了在母婴心电信号分离、去除肌电噪声、保留特征波形方面的研究现状;二是波形检测和特征提取,着重介绍了QRS波群检测、ST段检测和R波峰值提取的研究现状,以及小波与其他理论结合用于心电信号处理的研究成果。最后,展望了利用小波变换进行心电信号处理的前景。     

基于RBF函数状态离散化的激励学习

介绍了激励学习和两类学习算法：Q学习和SARSA学习，提出一类基于RBF函数的特征状态离散化方法，并对该方法进行了初步的实验比较．     

DSP技术在激光散斑特征提取中的应用

采用DSP（Digital Signal Processing）技术对特种材料激光散斑信号进行快速处理.结果表明,采用DSP实现特征快速提取算法,能极大地提高数据的处理速度,为实时探测与处理提供了实验依据.     

浅析鄱阳湖生态经济区企业文化建设趋势

鄱阳湖生态经济区上升为国家战略后,区内企业紧紧围绕"科学发展、绿色崛起"的总体战略,不断调整自身的企业文化建设战略,以适应生态经济发展的需要。作者在探讨鄱阳湖生态经济区企业文化建设历程基础上,归纳企业文化建设之特点和存在问题,进而提炼出发展鄱阳湖生态经济区企业文化的独特的基本趋势:协同创新性、文化生态性、区域文化性。     

数据驱动的铝基复合材料性能预测和逆向设计

采用数据驱动的方法对 SiCp(0.5CNT)/7075Al 铝基复合材料的化学成分以及制备工艺进行了分析, 针对抗拉强度和延伸率两个力学性能进行了特征重要性分析, 构建了包含 8 种机器学习算法的集成框架, 自动进行模型的参数调优和最优模型选择, 并在此基础上进行了材料逆向设计. 实验结果表明, 在 470 ${^\circ}$C 固溶 40 min, 120${^\circ}$C 时效 15 h 的热处理工艺下, SiCp(0.5CNT)/7075Al-1.0Mg 复合材料抗拉强度和延伸率的预测值为 617.48 MPa 和 2.98%, 实验值为 647.0 MPa 和 3.31%, 两项物理性能的平均绝对百分比误差(mean absolute percentage errors, MAPE)较小, 依次为 4.56% 和 9.97%. 这说明本数据驱动方法对铝基复合材料的工艺优化和性能提升有一定指导意义.     

用Hough变换的方法提取图像拐点

拐点特征是模式识别中经常用到的一类不变量．本文利用Ｈｏｕｇｈ变换找出图像轮廓中的直线段，确定其直线方程，将相邻两直线段延长相交得到的交点定义为拐点．由于Ｈｏｕｇｈ变换是统计平均的结果，所以求得的拐点较为稳固，抗噪声性能较好．文中也给出了拐点的具体算法．     

面阵CCD用于目标亮度的测量

介绍采用专用ＣＣＤ摄像机获取信号、微机控制和处理数据的远场亮度分布测量系统，并给出实验结果。     

随机森林在企业信用评估指标体系确定中的应用

评估指标体系的确定是企业信用评估的一个关键环节,指标体系选取的好坏直接影响模型的预测准确率.本文引进组合学习算法的新方法随机森林(Random Forest,RF)来选择指标,使得到的指标体系更加客观,更加符合机器学习的特点.实验证明,该方法确定的指标体系能更有效地体现企业的信用状况,使用该指标体系建立的随机森林评估模型具有更高的预测准确率.     

Widrow-cellular neural network and optoelectronic implementation

A new type of optoelectronic cellular neural network has been developed by providing the capability of coefficients adjusment of cellular neural network (CNN) using Widrow based perceptron learning algorithm. The new supervised cellular neural network is called Widrow-CNN. Despite the unsupervised CNN, the proposed learning algorithm allows to use the Widrow-CNN for various image processing applications easily. Also, the capability of CNN for image processing and feature extraction has been improved using basic joint transform correlation architecture. This hardware application presents high speed processing capability compared to digital applications. The optoelectronic Widrow-CNN has been tested for classic CNN feature extraction problems. It yields the best results even in case of hard feature extraction problems such as diagonal line detection and vertical line determination.     

EEMD结合能量特征和小波降噪的轴承故障诊断

为解决在强背景噪声条件下滚动轴承故障诊断问题,开展基于能量特征和小波降噪的总体经验模态分解(EEMD)研究。首先以仿真信号为研究对象,对其进行总体经验模态分解,得到9个固有模态函数(IMF)和1个余项( Res),然后考虑各模态函数的能量特征,将分解后的9个IMF分量与原始信号的能量比作为判断标准,剔除附加5个低频分量,最终得到4个有效的IMF分量和1个余项,与仿真信号相符。在仿真信号分析的基础上,对含噪声信号的滚动轴承故障信号进行故障诊断试验研究,采集信号经小波降噪后,利用总体平均经验模态分解并结合能量特征,得到3个IMF分量和1个余项,然后对3个IMF分量进行包络谱分析,提取故障特征频率157.5 Hz,与滚动轴承故障内圈特征频率157.9 Hz相比,误差为0.25%,说明该方法能很好地提取含有噪声信号的轴承故障信息。该研究为强背景噪声下滚动轴承故障信息的提取提供了一种有效的方法。