基于多源特征融合的无砟轨道砂浆层脱空病害检测方法

高速铁路轨下多层结构承载着高速列车通行,因此其健康状态直接影响到列车运营的安全性。利用弹性波、探地雷达等传感器提取的轨道病害特征可有效地实现轨道结构病害检测,但单一特征不能全面地对无砟轨道病害进行描述,导致部分病害不能被检测,从而影响无砟轨道的病害检测精度。基于此,提出一种基于多源特征融合的无砟轨道砂浆层脱空病害检测方法。该方法将弹性波与探地雷达两种特征进行量化分析,并将量化结果利用特征堆栈的方式实现特征融合,最后利用支持向量机完成病害融合特征的分类识别。在无砟轨道实体结构上采集大量的脱空病害数据并测试该文方法,实验结果验证了该文算法对脱空病害检测的有效性。

远程主机操作系统的探测原理、工具及防护

根据各种操作系统的堆栈特征,利用不同命令和工具可以远程主机操作系统的类型和版本等信息,并讨论如何相应的防护措施.

基于深层内嵌混合稀疏堆栈自动编码器和流形集成的精神病语音识别方法

语音特征学习是精神病语音识别方法的核心和关键。深层特征学习可以自动提取语音特征,但受限于小样本问题;传统的特征提取(原始特征)避免小样本问题影响,但严重依赖经验且自适应不佳。为了解决这一问题,本文提出了一种深层内嵌混合稀疏堆栈自动编码器流形集成算法。首先,基于先验知识提取精神病语音特征,构造原始特征。其次,将原始特征内嵌入到稀疏堆栈自动编码器(深度网络)中,对隐藏层的输出进行滤波,增强深层特征与原始特征的互补性。再次,设计L1正则化特征选择机制,压缩由深层特征和原始特征组成的混合特征集的维度。最后,设计了加权局部保持投影算法和集成学习机制,构造了流形投影分类器集成模型,进一步提高了小样本下特征融合的分类稳定性。此外,本文首次设计了一个中大规模的精神病语音采集方案,收集并构建了一个大规模的中文精神病语音数据库,用于精神病语音识别算法的验证。实验结果表明,该算法主要创新部分有效;与其他有代表性的算法相比具有更好的分类准确率,最大改善了3.3%。综上所述,本文提出了一种基于深层内嵌混合稀疏堆栈自动编码器和流形集成的精神病语音识别方法,有效提高了精神病语音识别准确率。