融合字特征的平滑最大熵模型消解交集型歧义

交集型歧义的切分问题是分词阶段需要解决难点之一。该文将交集型歧义的消解问题转化为分类问题,并利用融合丰富字特征的最大熵模型解决该问题,为了克服最大熵建模时的数据稀疏问题,该文引入了不等式平滑技术和高斯平滑技术。我们在第二届国际分词竞赛的四个数据集上比较了高斯平滑技术、不等式平滑技术和频度折扣平滑技术,测试结果表明:不等式平滑技术和高斯平滑技术比频度折扣技术有显著提高,而它们之间不分伯仲,但是不等式平滑技术能使特征选择无缝嵌入到参数估计过程中,显著压缩模型规模。该方法在四个测试集上最终获得了96.27%、96.83%、96.56%、96.52%的消歧正确率,对比实验表明:丰富的特征使消歧性能分别提高了5.87%、5.64%、5.00%、5.00%,平滑技术使消歧性能分别提高了0.99%、0.93%、1.02%、1.37%,不等式平滑使分类模型分别压缩了38.7、19.9、44.6、9.7。

期货收益率极端波动离散间隔的实证研究

本文基于极值理论,以沪铜、大连大豆和郑州硬麦期货为研究对象,应用最大信息熵原理、广义极值分布和K-S拟合检验,实证分析了我国商品期货收益率极端波动的时间间隔的统计分布特征。引入离散的时间间隔来刻画极端波动特征在学术上是个新的尝试。实证结果表明:极端波动的确定是与阈值紧密联系的;我国商品期货收益率的极端波动间隔时间服从广义极值分布;期货收益率极端波动时间间隔序列具有集聚性;运用条件期望值——波动模型预测极端波动间隔是可行的。这些成果为监管层度量极端波动强度和控制风险提供了有效的方法。

基于Zernike矩的字符特征选择

对从工业现场提取的15类字符分别计算从2阶到14阶的Zernike矩模值,根据类内距离极小化和类间距离极大化的判别标准对Zernike矩特征值进行分析,最终选择出18个Zernike矩进行进一步归一化后作为字符特征输入到神经网络字符识别系统.实验表明,该组特征对旋转字符的正确识别率达99%.该方法选择字符的输入模式特征对旋转字符具有较高的识别率并可广泛应用于其它需要识别旋转图形的特征选择.

基于最大间隔符号特征的车牌字符分割算法

车牌识别系统是智能交通中的重要环节之一,字符分割则是车牌识别的重要步骤,其目的是将车牌字符串分割为更易于识别的单个字符。字符分割算法一般分为投影法、连通域分析法和先验知识法3种。投影法和连通域分析法会受噪声、光照变化、污染等情况的影响,先验知识法具有较强的抗噪能力,可以弥补上述2种方法的缺陷,但是其分割效果取决于分割基准点的准确选择。为了提高分割基准点选取的准确性,采用了一种以车牌最大间隔位置的符号作为基准点的字符分割算法。实验表明,此种以最大间隔符号特征为基准点的分割算法抗干扰能力强,解决了对噪声、光照变化、污染等情况的干扰,分割准确率高且速度快,并能够通过分割基准点的特征准确地细分出武警车、警车、军车车牌的类别,分割率达到94%以上,具有较强的鲁棒性和实用性。

基于改进掩膜信号优化的经验模态分解算法的有载分接开关机械故障诊断

为了有效在线监测有载分接开关(OLTC)的运行状况,采用基于改进掩膜信号优化的经验模态分解算法和区间最大功率特征矩阵相结合方法对有载分接开关运行过程中产生的振动信号进行分析。通过在采集到的原始信号中加入改进的掩膜信号,有效地消除经验模态分解(EMD)过程中出现的模态混叠现象。然后根据分解得到的固有模态函数(IMF)求得区间最大功率特征矩阵,从而进一步对有载分接开关的实际运行状态进行监测。计算结果显示OLTC在不同运行状态下的区间最大功率特征矩阵有明显的差异,其区间最大功率特征矩阵相似度指标可较好地判别OLTC发生典型故障时振动信号的差异程度。

区间序信息系统的无监督特征选择

目前已有很多针对单值信息系统的无监督特征选择方法,但针对区间值信息系统的无监督特征选择方法却很少.针对区间序信息系统,文中提出模糊优势关系,并基于此关系扩展模糊排序信息熵和模糊排序互信息,用于评价特征的重要性.再结合一种综合考虑信息量和冗余度的无监督最大信息最小冗余(Um IMR)准则,构造无监督特征选择方法.最后通过实验证明文中方法的有效性.

一种基于字符组合的复杂环境车牌检测方法

多变的自然环境如光照变化、天气变化等,以及复杂的监控场景如拍摄背景、拍摄距离、拍摄角度、设备像素等因素,严重影响了车牌检测算法的准确性与可靠性。环境的复杂性使得车牌定位变得更加困难,传统的基于车牌定位的检测与识别方法识别率不高。新型的基于字符组合的车牌检测与识别方法,跳过车牌定位过程转为直接定位字符,对复杂背景以及光照强度变化等具有较好的鲁棒性。但是基于字符组合的车牌检测与识别方法也有其不足,识别准确率对字符分割具有更强的依赖性,且对于字符形变的鲁棒性低。对此,文中分别提出了一种基于多粒度区域生长的字符分割算法和一种基于多特征聚类的字符组合检测算法。实验结果表明,多粒度区域生长分割得到的目标字符区域及其稳定粒度区间,很好地保证了分割的可靠性,通过多粒度决策融合提高了字符识别率;利用特征子集进行字符组合聚类分析,对字符形变具有良好的鲁棒性。