期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
7
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SVM的流行音乐中人声的识别
被引量:
1
1
作者
石自强
李海峰
孙佳音
《计算机工程与应用》
CSCD
北大核心
2008年第25期126-128,共3页
针对流行音乐中人声的发现问题,使用SVM分类器针对MFCC特征进行训练和分类。依据音频特征的连续性,后期对分类结果进行低通滤波。实验结果表明,该方法在帧层面上的识别率可以达到85.76%。实验中也发现不同语种的演唱者在发音上,特别是在...
针对流行音乐中人声的发现问题,使用SVM分类器针对MFCC特征进行训练和分类。依据音频特征的连续性,后期对分类结果进行低通滤波。实验结果表明,该方法在帧层面上的识别率可以达到85.76%。实验中也发现不同语种的演唱者在发音上,特别是在MFCC特征上存在很大的统计差异性。实验中对歌曲分类的结果可以作为近一步实现音乐相似性度量的依据之一。
展开更多
关键词
流行音乐结构分析
人声发现
支持向量机
下载PDF
职称材料
鲁棒声学事件检测综述
被引量:
1
2
作者
石自强
韩纪庆
郑铁然
《智能计算机与应用》
2012年第6期31-35,40,共6页
声学事件是指一段单一完整并能够引起人们感知注意的短时连续声音信号,而声学事件检测是指对这些声学事件进行识别。随着便携式摄像机与视频网站的迅猛发展,基于内容的声学事件检测在各领域的应用日趋广泛,例如个性化多媒体搜索、数字...
声学事件是指一段单一完整并能够引起人们感知注意的短时连续声音信号,而声学事件检测是指对这些声学事件进行识别。随着便携式摄像机与视频网站的迅猛发展,基于内容的声学事件检测在各领域的应用日趋广泛,例如个性化多媒体搜索、数字图书馆、网络管理与信息安全等。近年来,尽管研究者们提出了很多声学事件检测方法,但是由于采集设备、采集环境与传输条件等的千差万别,新环境下的音频数据日趋繁杂,使得类内数据差异较大且类间数据易混,从而导致传统识别方法的性能急剧下降,因此迫切需要研究当前环境下的鲁棒声学事件检测方法。
展开更多
关键词
声学事件检测
混合模型
稀疏特征
下载PDF
职称材料
一种基于高斯混合模型的船舶航迹聚类方法
被引量:
4
3
作者
甄荣
石自强
《船舶工程》
CSCD
北大核心
2021年第11期139-143,共5页
文章提出一种基于高斯混合模型(GMM)的船舶航迹聚类表达方法。设计区域船舶自动识别系统(AIS)数据选取方法,从AIS数据中选取特定区域的信息。分析数据挖掘中高斯混合模型聚类的方法和原理,通过运用GMM方法和期望最大(EM)算法,对厦门港船...
文章提出一种基于高斯混合模型(GMM)的船舶航迹聚类表达方法。设计区域船舶自动识别系统(AIS)数据选取方法,从AIS数据中选取特定区域的信息。分析数据挖掘中高斯混合模型聚类的方法和原理,通过运用GMM方法和期望最大(EM)算法,对厦门港船舶AIS信息中包含的航迹点进行聚类处理。研究结果表明,聚类得到的船舶航迹簇分布与实际海上交通环境下表现的船舶行为是一致的,同时能获得船舶轨迹点数据分布均值和协方差等数理分布的参数。该方法有助于从机器学习的角度理解海上交通环境和船舶行为,能为海上交通环境中船舶行为的智能识别、理解和监控提供参考。
展开更多
关键词
海上交通
高斯混合模型
期望最大算法
船舶航迹聚类
船舶行为
下载PDF
职称材料
夏秋季蔬菜主要病虫害防治技术
被引量:
1
4
作者
赵海棠
石自强
+1 位作者
安学君
胡芝莲
《宁波农业科技》
2002年第2期20-23,共4页
夏秋季(5~10月)蔬菜种类多、品种更多,也是全年中病虫害发生种类最多、危害最为严重、防治至关重要的一个时期。现就夏秋季病虫害的发生与防治作一介绍,供各地参考。
关键词
夏秋季
蔬菜
病虫害
防治技术
种类
下载PDF
职称材料
基于CNN-GRU的船舶轨迹预测
被引量:
5
5
作者
万洪亮
潘家财
+1 位作者
甄荣
石自强
《广州航海学院学报》
2022年第2期12-18,共7页
针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基...
针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基于船舶AIS信息的船舶轨迹特征表达方法,以目标船舶连续4个时刻的轨迹特征值作为输入,以第5个时刻轨迹特征值作为输出,训练构建的CNN-GRU轨迹预测网络,对未来船舶轨迹进行预测,并与现有模型进行对比.实例验证表明:CNN-GRU模型的预测精度显著提升,经度误差不超过3×10^(-5)(°),纬度误差不超过5.5×10^(-4)(°),相较于CNN-LSTM模型,预测效率显著提高,运行时间减少19.1 s.
展开更多
关键词
船舶轨迹预测
混合模型
卷积神经网络
门控循环单元
AIS信息
下载PDF
职称材料
虫不乐对斜纹夜蛾等蔬菜灾变害虫的防治试验
被引量:
1
6
作者
安学君
赵海棠
+4 位作者
胡芝莲
石自强
杨德荣
胡其海
宋健星
《浙江农业科学》
北大核心
2002年第1期35-37,共3页
田间药效试验结果表明 ,4 0 %虫不乐乳油 15 0 0倍对以低龄幼虫为主的斜纹夜蛾防效高达 98 4 % ;在斜纹夜蛾幼虫虫龄偏高时 ,采用虫不乐与敌敌畏混用配方 ,防效可达 98 6 % ;虫不乐同时还可兼治小菜蛾、菜青虫等。
关键词
虫不乐
斜纹夜蛾
蔬菜害虫
杀虫剂
药效试验
下载PDF
职称材料
基于时间序列排队模型的泊位服务水平研究
7
作者
裴彩月
王文
石自强
《广州航海学院学报》
2022年第4期10-15,共6页
采用基于时间序列的排队模型,通过R/R/c/∞/n模型对船舶的个体参数及泊位系统的系统参数进行计算,对船舶的在港动态过程以及泊位的利用情况进行实时跟踪,确定船舶所接受的服务水平及码头所提供的服务水平.本模型改进了经典排队模型输入...
采用基于时间序列的排队模型,通过R/R/c/∞/n模型对船舶的个体参数及泊位系统的系统参数进行计算,对船舶的在港动态过程以及泊位的利用情况进行实时跟踪,确定船舶所接受的服务水平及码头所提供的服务水平.本模型改进了经典排队模型输入和服务过程必须服从某种分布的缺点,能够实际反映码头的运行效率和服务水平.根据港口历史的运营情况,假设到达船舶数目变化,预测船舶数目变化后的服务水平,模拟结果能为码头企业调整码头业务、建设新泊位以及航运企业选择船舶停靠港口提供理论依据.
展开更多
关键词
泊位
服务水平
排队模型
时间序列
下载PDF
职称材料
题名
基于SVM的流行音乐中人声的识别
被引量:
1
1
作者
石自强
李海峰
孙佳音
机构
哈尔滨工业大学计算机科学与技术学院
出处
《计算机工程与应用》
CSCD
北大核心
2008年第25期126-128,共3页
基金
国家高技术研究发展计划(863)No.2006AA01Z197~~
文摘
针对流行音乐中人声的发现问题,使用SVM分类器针对MFCC特征进行训练和分类。依据音频特征的连续性,后期对分类结果进行低通滤波。实验结果表明,该方法在帧层面上的识别率可以达到85.76%。实验中也发现不同语种的演唱者在发音上,特别是在MFCC特征上存在很大的统计差异性。实验中对歌曲分类的结果可以作为近一步实现音乐相似性度量的依据之一。
关键词
流行音乐结构分析
人声发现
支持向量机
Keywords
pop music structure analysis
Vocal/Non-vocal discrimination
Support Vector Machine(SVM)
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
鲁棒声学事件检测综述
被引量:
1
2
作者
石自强
韩纪庆
郑铁然
机构
哈尔滨工业大学计算机科学与技术学院
出处
《智能计算机与应用》
2012年第6期31-35,40,共6页
基金
国家重点基础研究发展计划(973计划
2007CB311104)
+1 种基金
国家自然科学基金(61071181)
国家自然科学基金重大研究计划重点项目(91120303)
文摘
声学事件是指一段单一完整并能够引起人们感知注意的短时连续声音信号,而声学事件检测是指对这些声学事件进行识别。随着便携式摄像机与视频网站的迅猛发展,基于内容的声学事件检测在各领域的应用日趋广泛,例如个性化多媒体搜索、数字图书馆、网络管理与信息安全等。近年来,尽管研究者们提出了很多声学事件检测方法,但是由于采集设备、采集环境与传输条件等的千差万别,新环境下的音频数据日趋繁杂,使得类内数据差异较大且类间数据易混,从而导致传统识别方法的性能急剧下降,因此迫切需要研究当前环境下的鲁棒声学事件检测方法。
关键词
声学事件检测
混合模型
稀疏特征
Keywords
Acoustic Event Detection
Mixture Models
Sparse Representation Features
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
一种基于高斯混合模型的船舶航迹聚类方法
被引量:
4
3
作者
甄荣
石自强
机构
集美大学航海学院
内河航运技术湖北省重点实验室
武汉理工大学智能交通系统研究中心
出处
《船舶工程》
CSCD
北大核心
2021年第11期139-143,共5页
基金
国家自然科学基金(52001134)
福建省自然科学基金(2020J01661)
+2 种基金
内河航运技术湖北省重点实验室基金(NHHY2020001)
福建省教育厅中青年科技项目(JAT190293)
集美大学博士科研启动基金(ZQ2019014)。
文摘
文章提出一种基于高斯混合模型(GMM)的船舶航迹聚类表达方法。设计区域船舶自动识别系统(AIS)数据选取方法,从AIS数据中选取特定区域的信息。分析数据挖掘中高斯混合模型聚类的方法和原理,通过运用GMM方法和期望最大(EM)算法,对厦门港船舶AIS信息中包含的航迹点进行聚类处理。研究结果表明,聚类得到的船舶航迹簇分布与实际海上交通环境下表现的船舶行为是一致的,同时能获得船舶轨迹点数据分布均值和协方差等数理分布的参数。该方法有助于从机器学习的角度理解海上交通环境和船舶行为,能为海上交通环境中船舶行为的智能识别、理解和监控提供参考。
关键词
海上交通
高斯混合模型
期望最大算法
船舶航迹聚类
船舶行为
Keywords
marine traffic
Gaussian mixture model(GMM)
expectation maximum(EM)algorithm
ship trajectory clustering
ship behavior
分类号
U675.7 [交通运输工程—船舶及航道工程]
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
夏秋季蔬菜主要病虫害防治技术
被引量:
1
4
作者
赵海棠
石自强
安学君
胡芝莲
机构
宁波市农业科学研究院
鄞县梅墟工业区农业办公室
出处
《宁波农业科技》
2002年第2期20-23,共4页
文摘
夏秋季(5~10月)蔬菜种类多、品种更多,也是全年中病虫害发生种类最多、危害最为严重、防治至关重要的一个时期。现就夏秋季病虫害的发生与防治作一介绍,供各地参考。
关键词
夏秋季
蔬菜
病虫害
防治技术
种类
分类号
S436.3 [农业科学—农业昆虫与害虫防治]
下载PDF
职称材料
题名
基于CNN-GRU的船舶轨迹预测
被引量:
5
5
作者
万洪亮
潘家财
甄荣
石自强
机构
集美大学航海学院
内河航运技术湖北省重点实验室
出处
《广州航海学院学报》
2022年第2期12-18,共7页
基金
国家自然科学基金项目(52001134)
内河航运技术湖北省重点实验室开放基金(NHHY2020001)
福建省中青年教师教育科研项目(JAT190293)。
文摘
针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基于船舶AIS信息的船舶轨迹特征表达方法,以目标船舶连续4个时刻的轨迹特征值作为输入,以第5个时刻轨迹特征值作为输出,训练构建的CNN-GRU轨迹预测网络,对未来船舶轨迹进行预测,并与现有模型进行对比.实例验证表明:CNN-GRU模型的预测精度显著提升,经度误差不超过3×10^(-5)(°),纬度误差不超过5.5×10^(-4)(°),相较于CNN-LSTM模型,预测效率显著提高,运行时间减少19.1 s.
关键词
船舶轨迹预测
混合模型
卷积神经网络
门控循环单元
AIS信息
Keywords
Ship Trajectory Prediction
Hybrid Mode
Convolutional Neural Networks
Gated Recurrent Unit
AIS Data
分类号
U675.7 [交通运输工程—船舶及航道工程]
下载PDF
职称材料
题名
虫不乐对斜纹夜蛾等蔬菜灾变害虫的防治试验
被引量:
1
6
作者
安学君
赵海棠
胡芝莲
石自强
杨德荣
胡其海
宋健星
机构
宁波市农科院蔬菜所
鄞县梅墟蔬菜办公室
宁波市北仑区蔬菜办公室
出处
《浙江农业科学》
北大核心
2002年第1期35-37,共3页
基金
宁波市科委资助项目 (970 2 0 0 6 )
文摘
田间药效试验结果表明 ,4 0 %虫不乐乳油 15 0 0倍对以低龄幼虫为主的斜纹夜蛾防效高达 98 4 % ;在斜纹夜蛾幼虫虫龄偏高时 ,采用虫不乐与敌敌畏混用配方 ,防效可达 98 6 % ;虫不乐同时还可兼治小菜蛾、菜青虫等。
关键词
虫不乐
斜纹夜蛾
蔬菜害虫
杀虫剂
药效试验
分类号
S436.3 [农业科学—农业昆虫与害虫防治]
S482.3 [农业科学—农药学]
下载PDF
职称材料
题名
基于时间序列排队模型的泊位服务水平研究
7
作者
裴彩月
王文
石自强
机构
集美大学航海学院
出处
《广州航海学院学报》
2022年第4期10-15,共6页
基金
福建省中青年教师教育科研项目(JAT210221)
厦门市自然科学基金(3502Z20227212)
福建省自然科学基金(2019J01687)。
文摘
采用基于时间序列的排队模型,通过R/R/c/∞/n模型对船舶的个体参数及泊位系统的系统参数进行计算,对船舶的在港动态过程以及泊位的利用情况进行实时跟踪,确定船舶所接受的服务水平及码头所提供的服务水平.本模型改进了经典排队模型输入和服务过程必须服从某种分布的缺点,能够实际反映码头的运行效率和服务水平.根据港口历史的运营情况,假设到达船舶数目变化,预测船舶数目变化后的服务水平,模拟结果能为码头企业调整码头业务、建设新泊位以及航运企业选择船舶停靠港口提供理论依据.
关键词
泊位
服务水平
排队模型
时间序列
Keywords
The berth
Service level
Queuing model
The time serie
分类号
U651 [交通运输工程—港口、海岸及近海工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SVM的流行音乐中人声的识别
石自强
李海峰
孙佳音
《计算机工程与应用》
CSCD
北大核心
2008
1
下载PDF
职称材料
2
鲁棒声学事件检测综述
石自强
韩纪庆
郑铁然
《智能计算机与应用》
2012
1
下载PDF
职称材料
3
一种基于高斯混合模型的船舶航迹聚类方法
甄荣
石自强
《船舶工程》
CSCD
北大核心
2021
4
下载PDF
职称材料
4
夏秋季蔬菜主要病虫害防治技术
赵海棠
石自强
安学君
胡芝莲
《宁波农业科技》
2002
1
下载PDF
职称材料
5
基于CNN-GRU的船舶轨迹预测
万洪亮
潘家财
甄荣
石自强
《广州航海学院学报》
2022
5
下载PDF
职称材料
6
虫不乐对斜纹夜蛾等蔬菜灾变害虫的防治试验
安学君
赵海棠
胡芝莲
石自强
杨德荣
胡其海
宋健星
《浙江农业科学》
北大核心
2002
1
下载PDF
职称材料
7
基于时间序列排队模型的泊位服务水平研究
裴彩月
王文
石自强
《广州航海学院学报》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部