基于改进小波阈值去噪的深度学习水下目标分类

由于海洋环境噪声复杂,噪声等级高,水下待识别目标信噪比低,从而造成了特征提取困难,目标识别率低的问题。基于此,文章提出了基于改进小波阈值的深度学习水下目标分类方法。此方法在传统小波阈值去噪的基础上提出了一种新的小波阈值函数,对于所采用的具体阈值将其与分解尺度相联系,从而实现降低背景噪声,提升水下目标分类识别率的目的。此方法对实测舰船辐射噪声信号进行小波分解,提取每一层的高频小波系数并对其进行处理;对处理完的信号再提取时频特征,最后将其输入后续的深度学习网络中。实验结果发现:在利用原有数据集情况下,利用基于改进小波阈值的深度学习进行水下目标的分类识别,采用卷积神经网络算法可达到88.56%的分类识别率。对前述实验结果进一步分析后,采用生成对抗网络的方法扩充数据样本,可达到96.673%的分类识别率。

媒介进化的新阶段:人工智能驱动智能融媒体生态转型

媒体智能化进入快速发展阶段,智能融媒体转型成为传媒行业的发展趋势。以媒介进化为理论基础,分析媒介融合的动力因素,聚焦人工智能对融媒体产业带来的变革性影响,构建智能融媒体AI-SMCR生态模型,从微观实践分析AI在电视及网络新媒体内容生产、传播过程中的精准应用,中观策略阐释智能融媒体转型重构的逻辑方法及媒体融合智能化的建设路径,宏观探讨智能融媒体生态价值体系的拓展方向。

兴趣为导向的通信实验体系教学平台设计

本文以模块化的方式设计了一套以兴趣为导向的通信实验体系教学平台。该平台以实际的收音机系统设计,循序渐进、由浅入深的通过矿石收音机、TA7642中波收音机、多管收音机和软件无线电等内容,贯穿大一的电子实训,大二的模拟电子技术,大三的高频线路,大四的软件无线电等知识体系,从实际的收音机案例一直引申到MIMO、3G、4G等实训内容,作为实践教学原理性内容的重要扩展。经过实际的电路设计、测试、改进,该教学平台性能良好。

刍议基于社交媒体数据的电视节目评价体系

伴随着技术的创新与迭代,电视节目跨平台、多终端的立体传播将成为未来的趋势。在多媒体传播环境下,如何实现电视节目传播效益的最大化,并通过科学的评估体系对节目的传播进行优化,成为重要的研究课题。本文试图以电视节目《乘风破浪的姐姐》为例,使用数据挖掘、情感算法等方法抓取社交媒体用户数据,从宏观和微观两种维度进行评析,以期完善以大数据为基础的电视节目评价体系,推动电视行业向更好的方向发展。