基于Google Web API的中文训练库自动获取方法研究

主要研究中文训练库自动获取方法,提出基于Google Web API的方法收集训练样本,然后给出自动获取训练库的方法。通过实验,初步实现中文训练库的自动建立。

基于语料库的教师个人口译教学训练库设计

一直以来,纸质教材主导英语专业本科口译教学训练素材,但其知识容量小、素材数量少、形式单一、时效性差等弊端一定程度上制约了口译训练的效果。而基于语料库技术建立口译教师个人教学训练库能规避纸质教材的缺陷,给教师和学生提供庞大的电子资源库,启发学生的数据驱动式学习和发现式学习。基于双语语料库和平行语料库技术设计的口译训练库必能促进训练效果的提高。

利用多媒体技术建立大学英语听力技能训练库

当前新形势下,大学英语听力教学面临着新的压力。阐述了通过建立多媒体听力技能训练库来解决这一问题的依据,以及训练库的特点,设计思路和训练库实例的主要内容。

基于多尺度训练库与多特征融合的人脸识别

针对光照差异、表情变化、遮挡等因素造成人脸识别率低的问题,提出一种基于多尺度训练库和加权特征的鲁棒性人脸识别算法。首先根据不同大小的图片具有不同信息量的特点定义并建立多尺度训练库,然后采用RPCA方法对人脸图像进行分解,之后进行HMLBP特征和Eigenface特征提取,最后引入一个权重因子将两种特征进行加权融合,并采用基于稀疏表达的方法对人脸图像进行识别。实验结果表明,相比其他人脸识别算法,本文提出的算法对标准人脸库保持较高识别率,最高可达99%,同时对遮挡人脸库也具有较好的识别效果,鲁棒性较高。

关系数据库在雷达训练模拟仿真中的应用

利用关系数据库形成参训目标航迹库,参训人员可根据训练方式,随机选择、题库选择、手工设置确定目标航迹,完成训练内容.

稀疏训练指纹库融合MMPSO-ELM室内可见光定位

为了解决采用极限学习机(ELM)神经网络室内可见光定位方法存在误差较大、网络模型训练时间较长、结果稳定性较差等缺点,采用稀疏训练指纹库,融合多目标动量粒子群算法(MMPSO),结合ELM室内可见光定位方法,形成MMPSO-ELM方案,引入动量因子,避免迭代过程中过度振荡,加快系统收敛速度。在不同的定位空间内随机选取训练数据集方式,在测试点数量不同的情况下,将本方案与后向传播(BP)、ELM以及PSO-ELM 3种定位算法进行了比较。结果表明,MMPSO-ELM方案在20组训练数据条件下,对80组待定位点进行预测定位,定位误差最大为0.0225m,最小误差为0.00093m,平均定位误差低至0.00143m,且定位性能受定位空间大小影响较小;MMPSO-ELM可见光定位方案具有定位精度高、速度快、泛化性强等优点。该研究为在室内场所实现快速准确定位提供了理论支撑。

基于BP神经网络的港内系泊船舶运动量预测方法

针对港内系泊船舶不同系泊状态,利用水动力分析软件和时域分析方法进行数值建模,以26.6万m^(3)LNG船为例,构建了该船舶六自由度运动量的数据库。研究进一步基于BP神经网络方法搭建了港内系泊船舶运动量预测模型,该模型设计中隐含层节点数为26,输入层神经元数量为12,输出层神经元数量为6,学习率为0.0001,将训练结果和基础数据库进行了对比验证,结果表明预测结果与训练样本库、检验样本库的对比结果符合良好。文中以模型检验样本库为依据,将预测模型结果与物理模型试验数据进行了对比,验证了该方法的适用性,为快速预报港内系泊船舶运动提供了新思路。

基于机器视觉的高线厂PF链C型钩钩号识别系统

当前,由于钢卷信息与钩号信息无法匹配,多数高线厂对于物料只能跟踪到PF链前,导致PF链后信息形成信息孤岛。设计了一个基于机器视觉的高线厂PF链C型钩钩号识别系统,实现识别C型钩钩号的功能,协助产线进行PF链物料跟踪,对于高线厂的自动化建设具有重要意义。采用机器视觉的方式,将采集到的图像信息使用OpenCV进行处理,再采用Tesseract进行文字识别。同时提供更新Tesseract训练库功能,可以在使用过程中提高识别准确率。使用3DMax制作模型视频进行试验,识别准确率为98.8%。试验表明该系统可以有效识别C型钩钩号。

基于改进的kNN算法的中文网页自动分类方法研究

概述了中文网页分类的一般过程,重点论述了在分类过程中特征词提取、训练库建立和文本分类算法等关键问题,针对向量空间模型的文本特征表示方法中特征词数量的多少与分类算法的效率有着密切关系的特点,提出了基于词性的特征词提取方法,并且在文本相似度计算时,融入传统的特征向量的比较方法来对kNN算法进行改进,提出了基于特征词减少的改进kNN算法,提高了分类算法的效率和性能.

基于多引导滤波器的单幅图像超分辨率技术

提出了一种基于多引导滤波器的单幅图像超分辨率方法。首先,该方法通过大量的自然图像建立高低分辨率图像块样本训练库,并通过聚类算法将具有相似性质的高低分辨率样本块进行聚类;其次,将输入低分辨率图像进行重叠分块,并在样本库中搜索最近邻的高低分辨率样本聚类;再次,将输入低分辨率图像块作为输入图像,与样本库中最近邻的低分辨率聚类样本作为引导图像,运用本文提出的多引导滤波器计算引导滤波器的参数;最后,利用样本库中最近邻的高分辨率聚类样本和引导滤波器的参数,通过多引导滤波器就可以重构高分辨率图像。实验结果表明,本文算法不仅能很好地重构图像的高频细节,还能很好地恢复图像的纹理特征。

应用型人才培养视域下经管类毕业论文实践教学问题及改革路径

经管类本科毕业论文属于应用型实践教学环节,其目的是进行专业综合能力的训练。但在应用型本科院校中毕业论文教学质量逐年下降,起不到专业综合训练的目的,其中原因主要是单一化的毕业论文模式与应用型培养目标错位,教师主导的命题和选题方式使学生丧失了真正的选择权,僵化的管理模式使论文质量难以监管。因此应用型本科经管类毕业论文需要建立多样化的"毕业综合训练库"代替单一化的毕业论文模式是改革的主要思路;在此基础上,采用学校、教师、学生三个主体共同建设选题库;注重最后训练成果的专家考核;借助专业导师制的建立和专业综合改革等平台来推动是改革的主要路径。

基于稀疏表示的两级图像去噪

在噪声较严重的情况下对图像进行恢复,至今仍是一个挑战。该文提出一种基于图像稀疏表示的去噪方法。在原子库训练中,引入基于相关系数的匹配准则和原子库裁剪方案,很好地处理了图像结构提取和人为噪声抑制之间的矛盾。实验结果表明,该方法在主客观去噪性能上较同类方法有了显著的提高,在噪声强度较大的情况下,获得了比当前先进方法更好的主客观图像恢复质量。

基于自适应稀疏表示的宽带噪声去除算法

为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法。根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示。降噪过程中使用染噪信号构造学习样本,由信号的自适应稀疏表示和原子库的更新迭代实现原子库的训练。染噪信号在训练后的原子库上进行自适应稀疏表示,实现信号的噪声去除。仿真信号和齿轮振动信号的降噪试验表明:该方法具有比小波阈值降噪、匹配追踪降噪方法更好的降噪性能,能够有效地去除信号中的宽带噪声。

基于可靠AP选择和深度置信网络的室内定位算法

受非视距传播等影响,基于位置指纹的室内定位精度不高。针对此问题,提出一种基于可靠AP选择和深度置信网络(DBN)的室内定位算法。离线阶段利用改进K-means算法将定位区域划分成若干子区域,并依据Fisher准则和AP缺失频率,选取分辨能力强且可靠的AP节点作为子区域的训练节点,最后采用DBN模型对各子区域参考点数据进行训练;在线阶段根据接收信号强度判别测试点所属类簇,并利用训练好的DBN模型在线估计测试点位置。实验结果表明,与WKNN、M-WKNN以及PSO-ANN算法相比,改进算法在定位精度和稳定性方面均有所提高。

全国交警网校(V2.0)建设思路与功能服务设计

在全国交警网校自2015年试运行以来取得应用成效的基础上,系统而全面地描述了改版交警网校(即V2.0)的建设改版思路、方法及详细功能与服务,并对下步网校的发展作出了设想。

关于广播电视人工智能应用基础资源库的研究

广播电视行业具有海量的媒体资源,为人工智能技术的落地应用提供了有力支撑。依托于行业背景,国家广播电视总局广播电视科学研究院通过拍摄、汇聚等多种方式,建立了集训练、测试、服务于一体的服务平台,以基础资源库为支撑,研究并实现了基于识别、分类、分割的多类应用,有效支撑了广播电视人工智能应用的发展。

Cross-lingual implicit discourse relation recognition with co-training

A lack of labeled corpora obstructs the research progress on implicit discourse relation recognition （DRR） for Chinese, while there are some available discourse corpora in other languages, such as English. In this paper, we propose a cross-lingual implicit DRR framework that exploits an available English corpus for the Chinese DRR task. We use machine translation to generate Chinese instances from a labeled English discourse corpus. In this way, each instance has two independent views： Chinese and English views. Then we train two classifiers in Chinese and English in a co-training way, which exploits unlabeled Chinese data to implement better implicit DRR for Chinese. Experimental results demonstrate the effectiveness of our method.