模糊规则相似性计算与性能分析研究

针对模糊规则相似性分析和计算问题,本文对模糊规则相似性计算方法进行了研究。首先,将模糊规则相似性等价地转化为多变量模糊集相似性,并对模糊规则相似性计算方法提出3种应用性能评价指标——可区分性、维数依赖性和计算复杂性。其次,在现有两种模糊规则相似性计算方法的基础上,提出4种新的计算方法,对各种方法进行系统地性能分析和比较。最后,对模糊规则相似性计算进行仿真研究,结果表明了所提应用性能指标的有效性、计算方法的可行性及分析结果的正确性。本文研究结果为模糊规则相似性分析和计算提供了依据,尤其为基于模糊规则相似性辨识和合并的模糊系统与模糊神经网络结构简化奠定了基础,提供了一种新的设计思路。

一种基于Java平台的近红外光谱实时分析系统设计与开发

针对某肥料生产企业产品质量评价方式耗时、低效等问题,构建基于Java平台的近红外光谱实时分析系统。结合实际生产需求与近红外光谱技术的原理,对系统整体架构进行设计,并通过需求分析、系统设计、关键技术实现等过程,开发出近红外光谱实时分析系统,进行产品成分预测。可实现光谱数据采集、计算分析和结果实时输出功能,用户界面简洁直观。通过硅胶的吸水性实验,验证了预测分析结果的准确可靠(产品成分预测值对真实值的决定系数为95.13),满足生产要求,具备较大应用前景和商业潜力。

语境化音乐流派识别

音乐流派识别(music genre recognition,简称MGR)是一项应用前景广阔的研究领域,同时也能够为音乐机器学习技术提供一个良好的测试台.在过去几年中,涌现出了大量基于机器学习的MGR系统.然而,单纯依靠底层声学特征的MGR算法在分类时往往不能得到令人满意的结果.作者受到语境化机器学习技术的启发,提出了基于堆叠泛化的MGR分类系统.该系统通过提取互联网中用户标注音乐时使用的标签,同时融合声学特征完成语境化音乐流派识别.在论文中,MGR系统分为内容层和语境层,内容层由提取Mel倒谱系数(Mel frequency cepstrum coefficient,简称MFCC)和快速傅里叶变换(fast Fourier transformation,简称FFT)特征的声学特征表示,语境层由额外标签表示.在数据集GTZAN的实验结果表明,在数据集GTZAN下,语境化的MGR分类准确率远高于基于声学特征的MGR分类准确率,实现了20%的分类性能的提升.