基于树莓派和声纹识别算法的课堂考勤系统

由于全国各地高校管理模式宽松,学生的自控意识又较为淡薄,导致许多大学生的到课率得不到保障。其中一个较大的影响因素就是目前课堂考勤仍采用传统的点名方式,此方式不仅会耗费课堂时间还极易被他人假冒签到。于是本文提出设计一种新型课堂考勤系统,该系统以树莓派为核心,通过麦克风获取音频信息,通过训练时延神经网络说话人模型(即ECAPA-TDNN模型)来实现声纹识别,最终通过电阻屏完成显示和交互。经测试,发现该系统具有较高的稳定性和实用性,可以提高课堂考勤准确率、节省课堂时间。

基于NSCT和ICA的红外和可见光图像融合方法

针对基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)的红外和可见光图像融合存在的目标信息不明确、融合图像对比度较低的问题,提出了NSCT和独立分量分析(independent component analysis,ICA)的红外和可见光图像融合方法。首先采用NSCT对红外和可见光图像进行多尺度、多方向分解,然后对分解后的红外和可见光图像的低通子带系数采用基于ICA的图像融合方法,得到低通融合图像。再使用以邻域系数差和信息熵为标准的带通图像融合规则对带通子带系数进行融合,得到带通融合图像。最后对低通融合图像和带通融合图像进行NSCT的逆变换,从而得到最终的融合图像。仿真实验验证了本文方法的有效性。

基于非下采样剪切波变换域方向信息测度的多聚焦图像融合方法

根据非下采样剪切波变换(non-subsample shearlet transform,NSST)在图像融合领域的优势和多聚焦图像的成像特点,将NSST运用于多聚焦图像融合。在NSST变换域中,利用方向信息测度能够突出图像边缘纹理特征以及降低图像噪声,将其运用在高频子带系数的融合规则中,并对传统的低频融合策略进行改进,将低频系数和高频系数的融合图像进行NSST的逆变换,得到融合图像。计算机仿真实验表明,相比于传统的剪切波变换的融合策略,本文提出的图像融合方法提高了图像的融合质量,增加了图像的信息量,并能降低图像噪声,具有一定的有效性和实用性。

基于随机子空间和AdaBoost的自适应集成方法

如何构造差异性大且精确度高的基分类器是集成学习的重点,为此提出一种新的集成学习方法——利用PSO寻找使得AdaBoost依样本权重抽取的数据集分类错误率最小化的最优特征权重分布,依据此最优权重分布对特征随机抽样生成随机子空间,并应用于AdaBoost的训练过程中.这就在增加分类器间差异性的同时保证了基分类器的准确度.最后用多数投票法融合各基分类器的决策结果,并通过仿真实验验证该方法的有效性.

参数自适应的长期IFTS预测算法

针对模糊时间序列预测理论多局限于短期时间范围预测以及对不确定数据集模糊变化趋势描述和论域区间划分研究不足的问题,构建了参数自适应的长期直觉模糊时间序列预测模型。新模型通过引入滑动窗口机制和参数自适应的直觉模糊C均值聚类算法优化论域区间划分,利用矢量预测技术解决时间序列长期范围预测误差积累的问题,有效地提高了复杂环境下时间序列长期趋势预测的精度,扩展了直觉模糊时间序列预测理论的应用范围。最后,通过典型实例验证了该方法的有效性和优越性。

基于D-S证据理论的模糊聚类集成

针对现有集成方法在处理模糊聚类时的不足,提出一种新的模糊聚类集成方法。在证据合成的理论框架内,讨论在识别框架、概率分配函数、合成规则等问题。给出了3种基本概率分配方法:近似类别分配概率方法、归一化模糊海明距离方法以及二者证据合成的方法。分析指出合成的方法能够较好利用二者的优势进行互补,获取更为合理的基本概率分配方法。最后,通过实验讨论所提方法的参数设置、收敛性和有效性等问题。

基于自适应t分布变异的粒子群特征选择方法

在分析粒子群优化(particle swarm optimization,PSO)的基础上,提出了一种基于自适应t分布变异的简化粒子群特征选择方法。针对PSO容易陷入局部收敛的缺陷,通过对群体极值进行自适应t分布变异,使其跳出局部收敛。为了解决随机选择初始群体可能会延长搜索时间这一问题,将互信息引入到算法中。通过计算特征与类别的相关性来确定每个特征的入选概率,根据概率值生成一个近似最优粒子,使粒子群一开始就沿着比较合理的方向搜索,从而缩短进化时间。最后,以支持向量机(support vector machine,SVM)为分类器,通过仿真实验验证了算法的可行性和有效性。

基于证据空间有效性指标的聚类选择性集成

首先针对距离空间在描述数据复杂结构信息方面的不足给出证据空间的概念。然后基于证据空间扩展有效性指标Davies-Bouldin,同时利用聚类成员的类别相关矩阵度量差异性。最后以较高有效性和较大差异性为目标选择聚类成员并用于集成。实验结果显示所提方法能够有效提高聚类集成算法的有效性。

时域证据融合中的可信度衰减模型

证据理论在时空信息融合领域都有着广泛的应用,时域信息融合表现出明显的序贯性和动态性,在空域进行证据融合时处理证据冲突的方法并不一定适用于时域,时域证据融合中如何确定证据的动态可信度是值得关注的问题。针对此问题,基于Dempster证据组合规则和证据折扣理论,分析了时域证据融合的马尔可夫性,建立了证据可信度衰减模型,在此基础上得到证据动态可信度,以此作为动态折扣因子对证据进行折扣。算例仿真表明,可信度衰减模型可以基本满足时域证据融合的要求,能有效处理时域融合中的证据冲突。

基于IFTBN的不确定性时间推理方法

针对模糊贝叶斯网络模型对复杂不确定性时间信息描述和推理方面的局限性,给出了直觉模糊贝叶斯网络的定义,并将直觉模糊时序逻辑理论与贝叶斯网络推理相融合,构建了直觉模糊时间贝叶斯网络(intuitionistic fuzzy time Bayesian network,IFTBN)模型,提出了基于IFTBN的不确定性时间推理算法,较好地解决了态势估计中不确定性时间推理精度不高的问题,提高了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该时间推理方法的有效性和优越性。

基于改进BPSO的聚类选择性集成

首先针对离散二进制粒子群(binary particle swarm optimization,BPSO)容易陷入局部收敛的问题,提出一种改进的BPSO算法。在分析高斯密度函数对尺度敏感性的基础上,利用粒子群与全局最优粒子的一致性动态调节尺度参数,并利用密度函数对称区间的定积分确定全局最优粒子的变异概率。而后将聚类的选择性集成抽象为组合优化问题,利用聚类成员有效性和差异性的加权组合定义适应度并以改进BPSO的进化过程实现聚类的选择性集成。最后基于标准数据集和图像数据集验证算法的有效性。

一种改进的分片包标记IP追踪方案

针对Savage等人提出的分片包标记方案(fragment marking scheme,FMS)存在的不足,提出一种改进的分片包标记方案(IFMS).该方案通过扩大标记空间和采用动态标记概率的方法,减少了重构攻击路径所需的数据包数,降低了计算开销,同时采用40位Hash作为误差校验,显著降低了路径重构的误差率.理论分析与实验结果表明改进方案的性能更优,在应对分布式拒绝服务攻击(distributed denial of service,DDoS)时更加有效.

基于一维距离像的弹道中段目标特征提取

针对目标的HRRP投影长度提取不精确的问题,首先研究了中段目标的进动特性及其一维距离像在不同雷达视线角下的变化规律,提出了一种基于差分算法的目标投影长度提取方法。该方法利用了目标一维距离像散射中心的峰值效应,使处理后的一维距离像只会在散射中心处出现震荡效应,以此准确提取散射中心,克服了传统长度提取方法在散射中心周围重复搜索造成的误差。在此基础上,分析了目标投影长度随进动的变化规律,提出了一种进动角和目标真实长度提取方法。仿真实验表明以上方法具有很好的提取精度。

对疗养院体检信息系统应用的探讨

1体检信息系统的现状及发展 1.1 发展背景 当今的社会是信息的时代,信息的作用正变得越来越重要。信息已成为决定经济增长的战略资源,信息技术将是推动经济发展、社会进步的核心技术,医疗机构在这一发展趋势的影响下，也逐渐迈进了信息化时代。

基于NSST域的红外和彩色可见光图像融合

为了进一步提升彩色可见光和红外图像的融合质量,提出了基于NSST和颜色空间的彩色图像融合方法.首先将RGB空间的彩色可见光图像变换到更符合人类视觉系统的颜色空间,其次利用NSST可以更好提取图像细节信息的优势,对颜色空间的非彩色分量和红外图像进行NSST分解,对分解后的低频系数采用基于方向信息测度的系数选择方案,对高频系数则采用基于隐马尔可夫树(hidden Markov tree,HMT)模型的系数选择方案,然后对经过选择融合的低、高频系数进行NSST逆变换,得到的融合图像作为新的非彩色分量,结合已有的分量将其逆变换回RGB空间,得到最终的融合图像.仿真实验证明了方法的有效性.

基于NSST域灰度关联分析的多聚焦图像融合方法

根据多聚焦图像的成像特点,并利用非下采样剪切波变换(non-subsample shearlet transform,NSST)在图像融合领域的优势,将非下采样剪切波变换运用于多聚焦图像融合.由于NSST会将图像分解为一幅低频图像和若干幅高频图像,对于低频图像采用了基于标准差的融合策略,而针对高频图像的特点,利用灰度关联分析在图像融合中的优势,将其运用在高频图像的融合中.后将低频图像和高频图像的融合图像进行NSST的逆变换后得到了融合图像.计算机仿真实验表明:相比于传统的剪切波交换,本文提出的图像融合方法提高图像的融合质量,增加了图像的信息量,具有一定的有效性和实用性.

基于非下采样轮廓波变换和压缩感知的图像融合方法

针对基于非下采样轮廓波变换(NSCT)的图像融合算法存在计算复杂度较高的问题,提出一种基于NSCT和压缩感知的图像融合方法.首先根据压缩感知理论的特点将其应用于图像融合领域,并采用Min-TV的方法重构图像;然后对NSCT进行分解,其计算量较大的带通子带系数采用基于压缩感知理论的图像融合方法;最后对低通融合图像和带通融合图像进行NSCT逆变换,得到最终的融合图像.通过仿真实验,从主观感知和客观数据的对比分析上验证了所提出方法的有效性.

基于独立成分分析和IHS变换域的灰度可见光和红外图像融合

针对灰度可见光和红外图像的融合图像缺乏色彩信息、图像的高阶信息在变换域中统计独立性不足的缺陷,提出一种基于独立分量分析和IHS(亮度-色度-饱和度)变换域的融合方法.该方法利用IHS变换域能够有效分离图像亮度分量和彩色信息的优势,对灰度可见光图像建立灰度图像的彩色传递模型.利用各分量的独立性进行基于独立分量分析和IHS变换域的图像融合,并得到最终的彩色融合图像,使融合图像更加符合人类视觉要求.仿真实验验证了所提出算法的有效性.

结合SVM和DS证据理论的多极化HRRP分类研究

针对雷达目标一维距离像(HRRP)识别问题,结合支持向量机(SVM)和DS证据理论提出一种多极化HRRP分类方法—–SDHRRP.该方法通过混淆矩阵获取基分类器之间的距离,从而根据基分类器对不同目标类的分类能力给其赋予不同的可信度.将该可信度值与SVM后验概率结合到DS证据理论的基本概率赋值(BPA)中,以实现SVM和DS证据理论在目标识别中的有效结合.对实测目标数据的实验结果表明,基于分类器可信度得到的BPA能够有效避免证据冲突,SDHRRP方法可以有效降低融合分类的误差率.

基于改进型NSST变换的图像融合方法

为了进一步提高捕获图像细节的能力,提高运算效率,提出一种改进型NSST变换,采用冗余提升不可分离小波替换经典NSST中的非下采样金字塔分解.针对改进型NSST分解得到的不同子带,对低频子带选用区域能量和融合规则,高频子带选用简化型PCNN融合规则,提出基于改进型NSST的图像融合方法.实验结果表明,所提出的方法在主观视觉评价和客观指标评价中具有很大优势.