基于SVM的疑问句问点语义角色标注

SVM(SupportVectorM ach ine)是一种基于结构风险最小化原则的分类算法,由于其完善的理论基础使其在小样本模式识别中表现出比其他算法更好的泛化能力。语义角色标注是一种浅层语义分析的方法。为了加深对问句的理解,对问句的问点进行语义角色标注是必要的。故将问点的语义角色标注视为分类问题,并提出了一种基于SVM的问点语义角色标注方法。在哈工大标准问句集上进行实验,取得了语义角色标注封闭测试91.4%,开放测试71.6%的正确率。实验结果表明本文所采用的方法是有效的。     

专利分类中基于主题的特征权重计算方法

专利自动分类是一个大规模、多层次结构的复杂文本分类问题.其中特征权重计算是一个关键环节,关系到专利的文本表示能否体现出主题信息的问题.本文通过分析专利(标题和摘要)的特点,提出了一种基于主题的特征权重计算新方法.该方法通过考察特征与主题的相关性来确定权重,使专利的文本表示更趋近于文章的主题.实验结果表明,该方法优于一般的权重计算方法,取得了较好的效果.     

基于FSVM的图像多类分类方法

图像多类分类问题一直是语义图像检索的一个难点问题,目前常采用的Support Vector Machine(SVM)多类分类方法会存在分类盲区,严重影响了图像的分类准确率,将Fuzzy Support Vector Machine(FSVM)理论引入到SVM多类分类器常用的两种分类策略中去,分别构成一对一Fs-VM( 1-v-1 FSVM)和一对多FSVM( 1-v-r FSVM),文中详细对比了两种方法的分类准确率及分类速度,最终实验证明1-v-1 FSVM方法提高了图像多类分类的准确率,同时也比1-v-r FSVM方法更具优越性.     

基于IRCMNDE和NNCHC的滚动轴承故障诊断

针对多尺度散布熵（MDE）在粗粒化过程中易发生信息丢失、产生虚假信息,难以全面提取轴承故障信息的问题,提出了基于改进的精细复合多尺度归一化散布熵（IRCMNDE）和最近邻凸包分类（NNCHC）的滚动轴承故障诊断方法。引入精细复合多尺度散布熵（RCMDE）,将其粗粒化过程中平均值替换为最大值来表示数据段信息,以克服传统粗粒化过程的不足并突出故障特征。通过归一化操作减弱熵值计算时不同参数选择导致的熵值波动幅度,得到IRCMNDE。将IRCMNDE作为故障特征,使用NNCHC分类器对故障特征进行分类。经实验验证,该方法可达到98.98%的故障识别准确率,相比基于MDE（故障识别准确率为95.99%）和RCMDE（故障识别准确率为97.60%）的方法,能够更准确地提取滚动轴承的故障特征信息,提高承故障分类的准确性。      

基于深度图像的人体关节点定位方法

提出了一个基于深度图像的人体关节点定位的方法:首先将图像中的人体区域分割出来,然后利用随机森林分类器对逐个像素点进行分类,得到身体的各个部件并寻找关节点的位置。通过实验发现,本方法准确性较高并具有一定实时性。分类的准确率为 68%,相较 Kinect技术(40%)达到了较高的分类水平。预测人体关节点位置的平均时间为每帧 150ms,符合实用性要求。     

基于多维特征的战场实体目标分群方法

目标分群问题也称为群形成过程,是态势估计中的一个重点和难点问题,属于信息融合中的高层融合范畴。现有的目标分群方法大多是将空间位置相近的目标聚为一类,极少有分群方法考虑到进行战场态势分析所需的位置、速度、航向、属性和类型等多维特征。为此,首先根据海战场态势分析需求,基于目标的特征属性定义了多维度欧式距离;然后综合利用分类与密度聚类两种分析方法,提出了一种战场实体目标分群方法,以综合实现战场实体目标的实时分群处理;最后,将该算法应用于一个军用场景的数据集上进行仿真实验。仿真结果表明了该方法在海战场环境中实现目标分群处理的可行性和有效性。     

基于CNN-BiGRU的学术文本分类研究

针对传统的文本分类模型存在特征提取能力不足和分类准确率较低等问题，提出一种基于卷积神经网络和双向门控循环单元相结合(CNN-BiGRU)的文本分类方法。首先，以图书情报领域相关主题文本摘要为数据源，通过Word2vec进行文本向量化；其次，通过CNN获得输入文本信息的局部特征，并使用BiGRU保留文本中的顺序相关性；然后，选择softmax分类器输出分类结果；最后，与传统的机器学习分类方法和单一的深度神经网络模型分类方法进行对比实验。结果表明，在数据量大的情况下，文中提出的CNN-BiGRU分类模型具有更好的分类效果，其准确率、召回率和F1值均达到了95%以上，能够在一定程度上解决学术文本“信息过载”等问题。     

遗传算法在薄壁件装夹位置优化中的应用

针对航空接头类薄壁件,采用遗传算法和有限元法相结合的优化方法,提出以加工过程中零件平均应力最小为目标函数,建立工件装夹优化模型。该方法优化后所得平均应力与实验所得数据基本一致,验证了这是一种有效的夹具装夹优化方法,对改善加工变形提供了可靠依据。     

基于单类分类的航空遥感影像变化检测

航空遥感影像的变化检测在城市规划等领域发挥着重要作用。文章提出一种基于单类分类的变化检测方法，通过对不同时相的航空遥感影像进行单类分类，提取针对该兴趣类别的变化信息。该方法仅需要兴趣类别的训练样本，由训练样本确定一个距离阈值，实现单类分类和变化检测。虽然简化了参数设置和样本训练，但实验结果表明，该方法与最近邻方法具有相近的变化检测精度。     

基于条件随机场的遥感图像语义标注

遥感图像包含的信息丰富,纹理复杂,而遥感图像语义标注又为后续的目标识别、检测、场景分析及高层语义的提取提供了重要信息和线索,这使其成为遥感图像理解领域中一个关键且极具挑战性的任务。首先针对遥感图像语义标注问题,提出采用条件随机场(CRF)框架对遥感图像的底层特征和上下文信息建模的方法,将Texton纹理特征与CRF中的自相关势能结合来捕捉遥感图像中的纹理信息及其上下文分布,采用组合Boosting算法进行Texton纹理特征选择和参数学习;然后将Lab空间中的颜色信息与CRF中的互相关势能结合来描述颜色上下文;最后用Graph Cut算法对CRF进行推导求解,得到图像自动语义标注结果。同时,建立了可见光遥感图像数据库Google-4,并对全部图像进行了人工标注。Google-4上的实验结果表明:采用CRF框架与Texton纹理特征和颜色特征相结合对遥感图像建模的方法与基于支持向量机(SVM)的方法相比较,能够取得更准确的语义标注结果。     

问答系统中复杂类问题的分析方法研究

基于自动构建的问句模板库,对中文复杂类问题进行问题分类和关键词抽取,并提出一种基于在线百科知识和搜索引擎的关键词扩展方法,从而提高了系统的整体表现.实验采用NTCIR-7CCLQA的测试语料,表明该方法的问题分类准确率达88%.关键词的扩展使得系统F值提升了20%.     

面向中文问答的信息检索系统及评测

为了解决中文问答系统中检索有效性的问题,提出并构建了一个面向中文问答的信息检索系统,在新进展的基础上,该系统通过利用问答系统中问题分类信息,对查询进行优化处理,从而改进问答系统中检索结果的质量,在独立的检索评测中正确率达到0.5013,在问答系统的整体评测中F3值达到0.2231,取得了较好的效果.     

基于聚类分析和投影距离融合的航空发动机

针对类别判定时对类中个体信息挖掘不足的情况,提出1种新的类别判别方法,充分利用了某1类中各成员的信息,构造待测样本的投影距离,并以此作为分类标准.考虑单一分类标准的片面性,将滑油中金属变化量及变化率进行融合.取距离倒数作为融合参数,得到最终分类结果,从而判断航空发动机所处的性能状况.实例表明:对于测量参数存在小幅值随机噪声的情况,也能得到准确的分类结果,为发动机视情维修提供参考依据.     

Spatio-temporal pattern recognition using hidden Markov models

A spatio-temporal method for identifying objects contained in an image sequence is presented. The Hidden Markov Model (HMM) technique is used as the classification algorithm, making classification decisions based on a spatio-temporal sequence of observed object features. A five class problem is considered. Classification accuracies of 100% and 99.7%, are obtained for sequences of images generated over two separate regions of viewing positions. HMMs trained on image sequences of the objects moving in opposite directions showed a 98.1% successful classification rate by class and direction of movement. The HMM technique proved robust to image corruption with additive correlated noise and had a higher accuracy than a single-look nearest neighbor method. A real image sequence of one of the objects used was successfully recognized with the HMMs trained on synthetic data. This study shows the temporal changes that observed feature vectors undergo due to object motion hold information that can yield superior classification accuracy when compared with single-frame techniques     

基于人机闭环稳定性的舵机速率限制边界

舵机速率限制是造成电传操纵飞机人机耦合的主要原因。利用描述函数法对舵机速率限制非线性进行建模,分析舵机速率限制非线性、人机耦合发生频率及人机闭环稳定性间的关系,并基于此提出舵机速率边界的确定方法;以典型放宽静稳定性飞机为例,基于最优McRuer驾驶员模型,确定人机闭环稳定性所需的最小舵机偏转速率;基于开环起始点(OLOP)准则对所确定的速率限制边界进行验证。结果表明:本文提出的舵机速率边界的确定方法最小成本地避免了人机耦合;所确定的舵机速率限制边界与OLOP准则边界对应的舵机速率基本吻合,即所建立的舵机速率限制边界确定方法合理。     

基于改进无模型自适应算法的涡扇发动机限制保护控制方法

针对发动机限制保护控制问题,提出了一种基于数据驱动的改进无模型自适应限制保护控制方法。以主回路闭环系统为设计对象,通过在常规无模型自适应控制律的准则函数中增加误差变化率,使超限保护系统具有更快的响应速度,给出了改进后系统的稳定性条件,并采用临界比例度法进行了控制器参数整定。仿真结果表明:在不同工作点,所设计的改进无模型自适应限制保护控制器相比常规无模型自适应限制保护控制器,最大超限平均减小2.97%,响应时间平均缩短2.30s,实现了发动机超限后的迅速回调,保证了发动机系统的安全运行。     

Ship target recognition using low resolution radar and neuralnetworks

The classification of ship targets using low resolution down-range radar profiles together with preprocessing and neural networks is investigated. An implementation of the Fourier-modified discrete Mellin transform is used as a means for extracting features which are insensitive to the aspect angle of the radar. Kohonen's self-organizing map with learning vector quantization (LVQ) is used for the classification of these feature vectors. The use of a feedforward network trained with the backpropagation algorithm is also investigated. The classification system is applied to both simulated and real data sets. Classification accuracies of up to 90% are reported for the real data, provided target aspect angle information is available to within an error not exceeding 30 deg     

基于红外视频的火灾探测算法

视频火灾探测技术成为火灾探测的主要研究方向之一,该技术的难点是保证对火灾准确快速地探测。针对目前视频火灾探测识别率较低、报警时间较长的问题,为了提高火灾识别率,增强算法实时性,本文提出一种红外视频的火灾火焰探测方法,采用带有截止可见光透红外滤波片的摄像头采集现场红外影像,结合火焰的静态和动态特征,对火灾进行准确快速探测,同时,综合运用火焰圆形度和尖角个数变化判据对稳定火焰和非稳定火焰进行区别,实现对火灾的分级报警。实验结果表明,改进算法对火焰识别的准确性高,抗干扰能力较强,并且具有显著的快速性,其处理速度达到20ms/帧,并且系统平均报警时间小于200ms。     

Collaborative image compression and classification with multi-task learning for visual Internet of Things

Widespread deployment of the Internet of Things(Io T) has changed the way that network services are developed, deployed, and operated. Most onboard advanced Io T devices are equipped with visual sensors that form the so-called visual Io T. Typically, the sender would compress images, and then through the communication network, the receiver would decode images, and then analyze the images for applications. However, image compression and semantic inference are generally conducted separately, and t...