基于DSP的巴克豪森便携式应力检测系统的开发

因为火车交通事故的不断发生,研究钢轨应力有着重要的实用意义。研究重点是在试验的基础上搭建一套以数字信号处理器DSP和嵌入式信号处理器ARM相结合的用于巴克豪森无损应力检测的便携式设备。该设备充分利用DSP高速的信号处理优势、ARM友好的人机交互控制的特点以及巴克豪森成熟的理论,使用灵敏度高、体积小的检测电路和合理的信号采集调理电路,该设备轻小便携,功耗低,用于应力检测将有远大的前景。

WiFi无线技术在巴克豪森无损检测系统中的应用

提出了将WiFi无线技术应用到基于巴克豪森噪声技术的无损检测设备当中,开发出一款网络化、智能化的巴克豪森无损检测设备,实现了检测设备的远程控制,检测数据的远程传送,检测参数的在线升级,设备故障的网络报警等功能。

基于三支决策的多粒度文本情感分类模型

文本情感分类是一项重要的自然语言处理任务,具有广泛的应用场景。以往的情感分类方法过于注重分类准确率,忽略了训练和分类过程的时间代价,而且使用的特征大多为词袋特征,存在维度高、可解释性差的缺点。针对这些问题,将粒计算的思想运用于文本数据的三层粒度结构(词-句-篇章),提出一种具有强可解释性的文本情感分类特征——SSS(Sentence-level Sentiment Strength)特征,SSS特征每一维度代表文章中每个句子的情感强度值;同时,在分类过程中,利用三支决策方法将待分类对象划分为3个区域,位于正域和负域的对象直接划分至正类和负类中,使用SVM(Support Vector Machine)+SSS特征对位于边界域的对象做进一步分类。实验结果显示,SSS特征由于自身的低维特性,能够大大降低特征提取和模型训练过程所耗费的时间成本,结合了三支决策方法的SVM能够进一步提高分类准确率,而且三支决策方法可以减少分类过程所耗费的时间。