基于语谱图的管制员疲劳状态检测研究

现阶段利用陆空通话语音对管制员疲劳状态的研究中,大多只考虑了语音在时域或频域的变化,而忽视了疲劳会同时在时域与频域上产生影响。将三种疲劳状态下的陆空通话语音分别转化为可同时反映时域与频域特性的语音频谱图像,利用灰度共生矩阵提取四维典型的特征参数,对比管制员在不同状态下特征参数的变化情况,构建管制员疲劳检测模型并对输入特征进行检测。结果表明:利用语谱图特征结合传统特征作为输入特征的检测准确率最高,达到95.49%,较单一使用传统特征的检测准确率高出4%;管制员疲劳状态的变化会直观地反映在语谱图上,会对其特征值产生影响,利用这种影响对管制员疲劳状态进行检测,可以得到良好的检测结果。

结合局部纹理特征滤波的海天线检测方法

针对视频监测下海天线检测图像易出现的海天对比度低、海上物体、海雾、海浪及云层等干扰条件引起的图像模糊和海天线遮挡问题,提出一种基于偏心邻域的灰度共生矩阵对比度滤波的梯度域下海天线检测方法。方法设计使用上下两方向偏心盒状滤波器获取图像的对比度梯度值图,利用滑动窗对分块图像搜索梯度极大值候选位置,根据设计策略通过构建海天线参数的概率统计模型提取拟合直线作为检测结果。仿真实验表明,本文方法能提升视觉图像下含多景物等干扰的复杂场景海天线检测的准确率,与同类方法相比提升7.69%。

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评论在训练数据上相对正常评论数不足的边信号强度;然后,考虑到信源的多样性,综合文档、词汇和评论以及非文本特征构造邻接矩阵;最后,通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126086条实际中文评论数据开展实证研究,实验结果表明,F-Text GCN识别虚假评论的F1值达到82.92%,与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%,相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%;研究了高仿虚假评论的预测错误率,在支持向量机(SVM)作用后难识别的评论样本上尝试二次识别,F-Text GCN整体预测准确率可达94.71%,相较于Text GCN和SVM,在识别准确率上分别提升了2.91%和14.54%。研究发现,虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇,这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。

基于会话的独立邻域矩阵偏好交互推荐

通过合并输入和输出邻域矩阵可以使一些工作生成全局和局部偏好,并直接对这2个偏好建模来构建会话表示,从而实现改进。然而,一个会话的输入矩阵和输出矩阵并没有很强的相关性,它们的连接可能会为构建2个偏好引入噪声。其次,全局偏好和局部偏好可以相互促进,且邻域会话的协同信息可能有助于提高推荐性能。因此,一种基于会话的偏好交互推荐被提出,它来自独立的输入邻域矩阵和输出邻域矩阵框架,包括2个并行模块:输入会话表示编码器(ISE)和输出会话表示编码器(OSE)。ISE通过GNN和并行协同注意力机制对具有输入信息的会话表示进行建模。OSE通过GNN和并行协同注意力机制对具有输出信息的会话表示进行建模。最后,引入一种融合门控机制来平衡ISE和OSE产生的会话表示的重要性。结果表明,在Yoochoose和Diginetica数据集上,提出的模型明显优于其他先进的方法。

基于共旋坐标法的几何非线性裂纹梁单元

现有有限元软件模拟裂纹结构主要采用指派裂纹的实体和壳单元,但缺少梁单元。因此,在弹性梁单元的曲率函数中引入Dirac-δ函数表征局部损伤的曲率变化,得到位移分布函数;推导出应变矩阵和单元刚度矩阵,提出了裂纹梁单元。基于共旋坐标法理论进一步发展了考虑裂纹损伤的几何非线性裂纹梁单元,给出了单元的具体算法及流程。利用课题组开发的有限元求解框架,在程序中实现了裂纹梁单元及共旋列式裂纹梁单元。经过典型算例,对比分析了裂纹位置、裂纹深度及外荷载对裂纹梁弯曲性能的影响。结果表明:该单元能够准确描述裂纹结构的挠度变化,同时与现有模拟裂纹结构弯曲变形的单元相比,提出的裂纹梁和共旋列式裂纹梁在精度分别提高了约1%和4%,并且能够退化成无损伤的梁单元和几何非线性梁单元。

磨粉机磨辊表面磨损特征提取与识别

目的:预测磨粉机喷砂辊使用寿命。方法:通过搭建的图像采集系统对磨辊表面的磨损图像进行采集,基于灰度共生矩阵算法,获得磨辊磨损周期内的二阶矩、熵值、对比度和相关性等纹理参数,将获得的纹理特征参数输入构建的基于粒子群算法(PSO)的LS-SVM模型,最终对喷砂辊的磨损寿命进行预测。结果:粒子群算法可以很好地优化LS-SVM的惩罚因子和核参数,PSO-LS-SVM算法要远远优于LS-SVM算法模型,采用PSO-LS-SVM算法可以准确地识别磨粉机喷砂辊表面的磨损状态。结论:该系统可以准确地预测喷砂辊的使用寿命。

基于改进YOLOv8和多元特征的对虾发病检测方法

[目的/意义]对虾病害严重危害对虾养殖业。针对对虾病害发病快、死亡率高等特点,高密度的工厂化养殖等模式需要一种高效率对虾发病检测方法替代传统人工检查方法,实现对虾发病的及时预警。[方法]提出一种基于改进YOLOv8(You Only Look Once)和多元特征的对虾发病检测方法。首先利用改进YOLOv8网络从对虾夜间水面红外图像中进行前景提取,再利用Farneback光流法和灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)提取对虾视频片段的运动特征与图像纹理特征,利用提取到的特征参数构建训练数据集,训练支持向量机(Support Vector Machine,SVM)作为分类器用于检测对虾视频片段,实现对正常与发病的对虾视频片段的检测分类。[结果和讨论]训练好的SVM分类器在300个测试样本上的表现为检测准确率平均值为83%,检测效果达到设计要求。检测误差主要是将发病片段错误地检测为正常片段。该误差主要受水面对虾数量和视频影响。[结论]本研究实现了对对虾发病的检测,提供了一种基于计算机视觉的检测方法。但受条件限制,仅在工厂化养殖环境下进行了实验,尚不能适用于多种养殖环境,仍有改进空间。

基于前景提取与多特征决策融合的电力线触树放电痕迹识别

针对电力线路智能化巡检中难以准确辨识电力线触碰树木遗留痕迹,无法为事故防治和责任划分提供可靠依据的难题,提出一种基于前景区域提取与多特征决策融合的电力线放电痕迹识别方法。首先,搭建中压线路触树放电实验平台,采集导线表面放电遗留痕迹,构建图像集。然后,提出融合纹理稀疏性与对数变换的去阴影算法,消除阴影区干扰;进一步提出融合全局阈值和自适应阈值分割的目标初始框选取策略,解决了GrabCut算法中初始框无法自动确定的问题,实现复杂背景下导线痕迹的自动精准分割。最后,提取导线的纹理和颜色特征,通过多SVM决策融合实现导线痕迹识别。实验结果表明,所提方法平均识别准确率达到88.39%,证明了所提识别方法的有效性。

微博平台烟草信息的主题特征及情感倾向分析

目的 了解微博用户发布和公众关注的烟草信息的主题特征,并探究各类烟草信息的传播效果,为推动控烟信息的高效传播及效果提升提供理论参考。方法 使用Python软件爬取微博用户发布的烟草信息,采用UCINET软件进行数据分析和共词矩阵分析。结果 经爬取、筛选后共获得6385条烟草信息。其中,烟草信息的关键词整体呈高异质性、广覆盖特征,其频次以“吸烟”“抽烟”居多;正向情感的烟草信息关键词(68.71%)较负向情感(6.98%)多,其频次以“吸烟”“二手烟”居多。结论 微博平台中烟草信息的网络生态整体较好,烟草相关内容占比较小,但具有较强的诱惑性和隐蔽性。相关部门应持续关注烟草流行词汇,并加强烟草危害和控烟法律的宣传,谨防负向情感的烟草信息传播。

侧边抛磨光纤抛磨表面粗糙程度分析

为探索利用侧边抛磨光纤(SPF)实现微探针型的“光纤上的实验室”,利用灰度共生矩阵(GLCM)纹理特征分析方法分析SPF抛磨表面粗糙程度;基于基尼系数和袋外样本(OOB)误差估计的随机森林(RF)特征重要性排序方法优选纹理特征子集,实现在SPF抛磨表面上精确识别不同粗糙程度的抛磨区域。实验表明,SPF抛磨表面平坦区域具有对比度均值、熵均值高,二阶矩均值、均匀性均值以及相关性均值低的纹理特征特点;基于纹理特征重要性排序方法,衡量了GLCM纹理特征各参数对SPF抛磨表面不同粗糙程度分类识别敏感的强弱,优选出由方差、二阶矩、熵、对比度构成的特征子集,结果表明,利用优选特征子集对SPF抛磨表面粗糙度进行RF分类验证实验,分类精度可达到95.65%。可为探索SPF传感器件中粗糙抛磨表面与环境材料的光耦合机制对传感器灵敏度的影响提供依据,为探索在SPF抛磨面上精确识别高传感灵敏度区域提供参考。

增强CT灰度共生矩阵预测cN0期甲状腺乳头状癌中央区淋巴结转移

目的探讨增强CT灰度共生矩阵预测cN0期甲状腺乳头状癌中央区淋巴结转移的价值。资料与方法回顾性分析2020年1月—2021年12月徐州市中心医院经临床、手术病理确诊的cN0期甲状腺乳头状癌患者55例,根据术后病理结果分为中央区淋巴结转移阳性组34例、阴性组21例,患者术前均行颈部CT双期增强检查。采用Image J软件分别提取动、静脉期肿瘤最大层面灰度共生矩阵参数(能量、对比、相关、逆差矩、熵)并比较两组各参数的差异,使用受试者工作特征曲线评估参数的预测效能。结果两组间动脉期能量、熵及静脉期熵差异有统计学意义(t/Z=-2.140、2.753、2.736,P<0.05),其他参数差异均无统计学意义(P>0.05)。动脉期能量、动脉期熵、静脉期熵、动脉期能量动脉期熵联合预测中央区淋巴结转移的曲线下面积分别为0.672、0.706、0.686、0.734,动脉期能量动脉期熵联合预测效能最佳,敏感度和特异度分别为76.47%、66.67%。结论增强CT灰度共生矩阵有助于术前预测cN0期甲状腺乳头状癌患者中央区淋巴结转移,动脉期参数能量联合熵的预测效能最佳。

基于高光谱成像技术的糯玉米种子分类研究

为了快速、准确、无损地对糯玉米种子分类,采用可见-近红外(400~1000 nm)高光谱成像仪对5种糯玉米种子进行数据采集,使用一阶中心差分联合SG平滑对糯玉米种子的原始光谱数据进行预处理去噪,通过自优化竞争性自适应重加权采样算法筛选出56个重要的特征波段,同时采用灰度共生矩阵和Sobel算子提取糯玉米种子的相关性、能量、同致性、相关熵、灰度熵和梯度熵等6种纹理特征,将光谱特征与纹理特征融合后构建支持向量机分类模型,分别用350个训练样本、150个测试样本和50个预测样本对模型进行训练、测试和预测分类,相应得到了准确率为98.50%、95.92%和94.00%的最佳结果,表明利用高光谱成像技术对糯玉米种子分类是可行的。

一种基于混合纹理特征的板材表面缺陷检测方法

目前,板材表面缺陷检测利用传统人工检测很难满足客户要求。为此,本文提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出板材表面图像中是否有缺陷。采用基于融合后的混合特征向量,对纹理特征项目进行有效组合,提取图像纹理采用了灰度共生矩阵方法。应用BP人工神经网络对样本集进行训练和检测。该方法能准确地对板材表面缺陷进行检测,平均检测成功率达97.2%,该检测方法满足企业要求,提高了检测效率,降低了成本。该检测技术,值得运用和推广。

电子传递链对阿尔兹海默病的影响分析

阿尔兹海默病(Alzheimer’s disease,AD)是一种神经退行性疾病.临床上以记忆障碍、视空间技能损害、执行功能障碍以及人格行为改变等全面性痴呆表现为特征.AD致病源现今不明确,其中有毒物质损害使得脑内区域性能量代谢减退是AD发生的病因特征之一,而电子传递链(ETC)在能量代谢中扮演着重要角色.通过差异分析(LIMMA)及加权基因共表达网络(WGCNA)构建获得聚类基因,并对聚类后基因进行生理分析(GO)、通路分析(KEGG)后锁定ETC,以及对其进行表达量分析及相关系数矩阵的构建,并结合临床指标(MMSE)解释说明,最终验证了ETC的异常对阿尔兹海默病存在影响的事实.

基于作者关键词共现关系的作者相似性探测

[目的/意义]针对传统基于作者关键词数据的作者相似性探测研究中存在的问题,完善作者相似度算法,提高作者相似性计算的精度,对学科知识结构探测、作者合作关系挖掘以及关联科研人员推荐等方面具有重要的意义。[方法/过程]以作者所使用关键词之间的共现关系表征作者的研究兴趣,利用测量关系相似度的QAP算法计算作者间关键词共现矩阵的相似度,从而得到作者的相似度。[结果/结论]实验结果表明,本文提出的基于作者关键词共现矩阵的QAP相似度算法可以更准确地反映作者之间的相似性,提高作者推荐精度,对挖掘作者潜在合作关系具有一定帮助。

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明:海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。

多模态图像局部极值点特征生成方法仿真

针对因多模态图像特征种类较多、存在噪声干扰导致的特征生成难度较大的问题,提出一种基于改进CNN的图像局部特征生成方法。引入注意力机制,计算像素分布序列中上一时刻与下一时刻之间的信息模态关联,针对图像中的不同区域均给出同等权重,获取区域信息。建立灰度共生矩阵,矩阵中每一层都有与自身相对应的像素值,提取待生成图像的全局灰度均值,在矩阵中查找局部极值点的对应层次,提取该层次中梯度量级和偏导系数,通过偏导系数与全局特征调试对比,实现多模态图像局部特征生成。实验结果表明,所提方法针对样本图像的特征生成效果较好,基本不受图像噪点和局部遮挡的影响。

基于多尺度特征融合的钢材表面缺陷分类方法

针对钢材表面缺陷分类检测率低的问题,文中采用一种基于纹理多尺度特征融合的表面缺陷分类方法。利用Gabor滤波器与灰度共生矩阵建立纹理图像的多尺度特征向量,同时利用卷积运算对纹理图像进行特征提取,并引入混合膨胀卷积模块以增加感受野,将两种特征向量进行融合得到加强后的融合纹理特征向量。融合后的特征以序列方式输入长短时记忆网络(Long Short-Term Memory,LSTM)构建分类模型,利用混淆矩阵将分类结果进行指标评判。结果表明该方法在NEU(Northeastern University)数据集上的分类准确率达到97.5%。文中搭建LSTM网络、BP(Back Propagation)神经网络、SVM(Support Vector Machine)、KNN(K-Nearest Neighbor)以及CART(Classification And Regression Tree)等分类方法进行了对比实验。结果显示,在多尺度下LSTM分类方法表现最好,F1指标最高。结合BP网络、LSTM网络、SVM、KNN、CART、CNN以及AlexNet等方法进行了消融实验,验证了该方法的普适性。该方法充分挖掘了纹理图像的多尺度特征信息,对钢材表面缺陷分类方法的研究具有积极意义。

基于中图分类号与关键词共现关系的合作者推荐模型

为给具有潜在交叉研究点的学者提供支持,文章提出了一种利用中图分类号和关键词进行合作者推荐的模型---CLCR。该模型通过提取学者的论文信息,生成期刊分类号与关键词的共现特征矩阵,并使用SVT矩阵填充模型对共现矩阵进行填充,同时依据关键词分布特征进行聚类,最后在这些分类号所包含的学者群体中寻找与目标学者研究主题具有较高一致性的学者。结果表明,该模型拥有较好的推荐表现,在准确率、召回率方面分别提高了4.3%和3.2%。

一种基于Clos网络的新型4×4全交换开关矩阵

文中首次将Clos网络结构应用于4×4全交换开关矩阵中,采用多芯片模组技术将低温共烧陶瓷(LTCC)和双刀双掷芯片进行集成化设计。新设计克服了传统单刀四掷方案接口数量多、布线复杂的缺点,以更为简捷的拓扑形式实现了全交换功能。该设计结合LTCC多层堆叠工艺和具体芯片接口,给出了切实可行的叠层结构和互连方案,并以此研制出一款驻波优良、通道一致性好、隔离度高的C频段4×4开关矩阵。文中设计实现方法简单、可靠,适用于其他形式或更高频率的开关矩阵设计。