基于向量空间模型的文本自动分类系统的研究与实现

分析了文本自动分类的关键理论及技术，给出一个已实现的基于向量空间模型(VSM)的文本自动分类系统的框架模型，重点描述此系统的实现算法．此算法在训练阶段通过部分训练集确定向量的特征提取维数，并提出一种“平均值”匹配阈值调整方法，从而在精度和效率方面优于传统的分类算法．实验表明此系统查准率为91．8％，查全率为85％。     

高速铁路供电运行状态检测系统的研究

牵引供电系统是高速电气化铁路的重要组成部分,其运行状态直接决定了高速铁路的安全和效益,但牵引供电系统故障是不可避免的。为确保牵引供电系统安全稳定运行和增强供电的可靠性和连续性,需要一种优质的牵引供电运行状态检测与故障分析系统,对其故障类别进行快速、正确的识别。本文主要介绍了如何改进牵引供电运行信号的数据采集方式,包括信号进行预处理和提取信号特征值,提出了利用数学统计学中的偏度与峰度概念对牵引供电特征信号进行特征提取的新方法,并对提取结果进行比较,以达到对牵引供电运行系统故障检测的目的。     

一种基于高斯混合模型的主机运行工况构建方法

对复杂的船舶主机运行数据进行有效的工况划分可以提升主机设备的监测能力,基于工况下各个设备参数的特征值变化情况,进一步提升主机设备故障诊断和预估能力。为此,提出一种基于高斯混合模型（GMM）的主机工况构建方法。该方法首先对实船监测数据进行预处理和初步筛选,再对各个特征参数之间的相关性进行分析,从而确定转速和功率为聚类划分的特征参数。引入置信区间获取目标船主机在主要营运要求下的转速范围,提升工况划分的效率,结合GMM构建主机工况划分方法。基于GMM的工况划分方法可以对复杂的主机运行工况进行有效划分,能为各个工况下的主机设备监测提供可靠的数据支撑。     

基于神经网络多分类器组合模型的OCR应用研究

根据多分类器组合原理,提出一种基于神经网络的多分类器组合模型.该模型首先使用基于贯穿码特征的分类器对字符分类,然后,由基于投影特征的分类器对经过上一级分类器分类后的字符进行识别.试验表明,该模型能有效提高光学字符识别率.     

一种交互式脸部网格模型调整算法

脸部网格模型的建立是基于人脸合成技术中的关键步骤。提出一个半交互式正面人脸模型调整算法。首先利用区域增长法和模板匹配自动确定图像中人脸及各特征区域的大致位置，然后交互地提取人脸特征点的准确二维位置，最后自动确定脸部姿态和调整模型非特征点，即获得输入人脸模型。该算法简便实用，费时较少，具有实用价值。     

舰船RCS特征提取与GA-BP神经网络分类研究

在典型舰船RCS的FEKO仿真数据基础上,提取均值、标准差、变异系数、平滑系数4种RCS数字特征作为BP神经网络的分类特征向量,进行目标分类仿真实验。实验结果显示,由于BP神经网络采用梯度下降法,其初始权值、阀值的随机设置会导致BP神经网络易陷入局部极小,为此,本文研究采用遗传算法对BP网络节点权值和阀值进行优化选择,仿真实验结果显示采用遗传算法优化后的BP神经网络分类识别性能稳定,不易陷入局部极小。     

基于SVR的汽油机过渡工况进气流量预测研究

针对目前汽油机进气流量预测精度不高的问题,分析支持向量回归机(SVR)应用在进气流量预测的可行性,提出一种基于SVR的进气流量预测模型。该模型通过结合支持向量回归机的结构优势,采用灰色关联分析法(GRA)对模型的特征向量进行提取,并利用遗传算法(GA)对模型参数进行寻优辨识,以提高模型的泛化性能和预测精度。运用汽油机过渡工况仿真试验数据对模型进行了训练和预测,并应用MATLAB/LIBSVM工具箱实现SVR模型的回归预测功能。结果表明：SVR模型的预测值与试验值的误差控制在2%范围之内,有效实现了过渡工况进气流量的预测;与常规的RBF神经网络预测模型、BP神经网络预测模型相比,SVR模型具有更高的预测精度,适用于汽油机过渡工况空燃比的精准控制。     

利用角点信息的嘴唇轮廓提取

提出了利用角点信息提取嘴唇特征的方法.在可变形模板的框架下,利用以前方法中没有用到的角点信息,提出了基于角点信息的能量函数.该能量函数能够更为精确地反映嘴角点和牙齿区域的特征,跟踪嘴唇的变形.实验结果表明,该方法能更鲁棒地提取嘴唇轮廓特征.     

分层CS-LBP和HOG特征融合的人脸识别研究

针对单独的纹理特征只能提取图像的纹理信息而不能得到图像轮廓边缘信息的问题,在人脸识别的特征提取研究中提出了分层CS-LBP和分层HOG特征的融合方法.对图像分别进行多次CS-LBP和HOG特征的提取,得到分层CS-LBP特征提取图像和分层HOG特征提取图像,对分层的特征提取图像再次提取分层CS-LBP和分层HOG特征,并将两种分层特征进行融合,得到更有效的人脸的纹理及边缘轮廓特征.在ORL和GT人脸库上的实验结果验证了所提出的分层特征融合方法的有效性.     

基于语义识别和机器视觉的智能审核方法研究

为实现报告自动化审核,本文提出通过基于网页提取信息填充报告模板,根据脚本算法审核报告基本信息,将报告中的文字及图片内容进行特征提取以及深度学习,识别报告结论的逻辑及技术准确性。结合优化OpenCV图像识别算法,在实现图片占用最小空间特征识别的基础上,实现图片信息提取。该研究具有较好的通用性,为实验室报告审核工作提供高效解决思路。