基于GMM符号化和置信判别的汉语方言自动辨识研究

近年来汉语方言自动辨识研究有了初步进展,但由于缺乏带有语音标注的方言音库,性能优越的并行音素识别-语言模型(PPRLM)方法尚未得到研究和运用。本文借助高斯混合模型(GMM)符号化器把PPRLM的思想方法引入到汉语方言辨识中,并通过融合置信判别使系统能够用于开集辨识。仿真实验表明,本文方法具有很高的稳定性和可靠性,综合性能较为优越。

基于判别式深度置信网络的智能电缆隧道缺陷检测技术研究

针对智能电缆隧道缺陷检测的需求,提出了一种基于判别式深度置信网络的电缆缺陷检测技术。其通过结合神经网络与Softmax回归层模型,构建了判别式深度置信网络模型,并将智能设备采集的图像信息作为训练集进行无监督贪婪训练。同时为了进一步提高缺陷检测能力,构建了损失函数与惩罚函数,并利用梯度下降法对网络模型进行反向无监督训练。仿真结果表明,所提算法相对于现有算法能够更加准确地识别出电缆缺陷,且对于不同类型的缺陷均具有良好的适用性。

基于FCE-AHP的矿井通风质量动态评价

现有矿井通风系统评价方法是从矿井通风系统全局视角出发,对其进行整体性的评价,所得出的评价结论是静态的、综合性的,无法精准定位出矿井中用风范围内的通风情况并发现其存在的问题,也不能实时反映当前时刻的通风质量状态。针对上述问题,建立了基于模糊综合评价法-层次分析法(FCE-AHP)的矿井通风质量动态评价模型,用以对煤矿的通风质量进行实时评价。首先根据矿井通风需求和作用将通风区域划分为进风区段、回风区段、采煤工作面、掘进工作面、硐室5个区域,根据每一种用风区域类型确定其对应的评价指标体系;然后根据评价指标体系获取对应测风点传感器实时监测到的数据,利用AHP确定各区域的评价指标权重,通过柯西分布隶属度函数计算实时监测数据所属评价级别的隶属度;最后应用FCE计算评级权重,通过置信度识别原则确定区域通风质量级别,完成各区域通风质量的动态评价。以东滩煤矿南翼回风巷为例,通过FCE-AHP模型对其通风质量进行了实时评价,评价结果显示其通风质量良好,与实际情况相符,证明了该模型的可靠性。FCE-AHP模型可依据实时监测到的数据对煤矿不同通风区域的通风质量进行实时评价,确定煤矿通风质量的安全级别,进而实现对矿井通风质量的综合评价,为改善煤矿通风系统质量提供依据。

基于判别式深度置信网络的心律失常自动分类方法

现有的心律失常分类方法通常采用人为选取心电图(ECG)信号特征的方式,其特征选取具有主观性,且特征提取复杂,导致分类准确性容易受到影响等。基于以上问题,本文提出了一种基于判别式深度置信网络(DDBNs)的心律失常自动分类新方法。该方法所构建的生成受限玻尔兹曼机(GRBM)自动提取心拍信号形态特征,然后引入具有特征学习和分类能力的判别式受限玻尔兹曼机(DRBM),依据提取的形态特征和RR间期特征进行心律失常分类。为了进一步提高DDBNs的分类性能,本文将DDBNs转换为使用柔性最大值(Softmax)回归层进行监督分类的深度神经网络(DNN),通过反向传播对网络进行微调。最后,采用麻省理工学院与贝斯以色列医院心律失常数据库(MIT-BIHAR)进行实验验证,对于数据来源一致的训练集和测试集,该方法整体分类精度可达99.84%±0.04%;对于数据来源非一致的训练集和测试集,通过主动学习(AL)方法扩充少量训练集,该方法整体分类精度可达99.31%±0.23%。实验结果表明了该方法在心律失常自动特征提取和分类上的有效性,为深度学习自动提取ECG信号特征及分类提供了一种新的解决方法。

结合判别式深度置信网络的乳腺图像微钙化簇区域检测

为了克服乳腺图像微钙化簇检测中假阳性率高、泛化性差等缺点,本文提出了一种结合判别式深度置信网络(DDBNs)自动快速定位乳腺X线图像中微钙化簇区域的方法。首先,对乳腺区域进行提取及增强,将增强后的乳腺区域进行子块重叠分割和小波滤波;之后,构建用于乳腺子块特征提取和分类的DDBNs模型,将预训练后的DDBNs转换成使用softmax分类器的深度神经网络(DNN),并通过反向传播对网络进行微调;最后,输入待检乳腺X线图像,完成可疑病灶区域的定位。通过对乳腺摄影筛查数据库(DDSM)中的105幅含有微钙化点的图像进行实验验证,本文方法获得了99.45%的真阳性率和1.89%的假阳性率,且检测一幅2888×4680大小图像的时间约16 s。实验结果表明:该算法在保证较高真阳性率的同时有效地降低了假阳性率,检测到的微钙化簇区域与专家标记区域具有高度一致性,为乳腺X线图像中微钙化簇区域的自动检测提供了新的研究思路。

采用多边形位置校正的时空正则化相关滤波跟踪

针对时空正则化相关滤波跟踪算法在背景混乱、光照变化等挑战场景下跟踪结果与正确目标位置总是存在偏离的问题,提出了采用多边形位置校正的时空正则化相关滤波跟踪算法,以提高跟踪结果的准确性和鲁棒性。该算法采用峰值噪声比对当前跟踪结果的置信度进行判别,对置信度判别结果为不可信的情况采用多边形位置校正方法对当前跟踪结果进行修正。实验表明,该算法在成功率曲线下面积和精度两种评价标准下都有较大的提升,尤其是在背景混乱和光照变化场景下都具有更好的跟踪效果,具有一定的应用价值。