自动控制原理教学改革初探

围绕自动控制原理的教学改革,从涉及面、理论性和方法论等方面分析自动控制原理的特点,针对教学中存在的问题,探讨理论教学、实践教学和考核方式三方面的具体改革措施,合理安排教学内容,注重内容的系统性。教学实践表明,这些改革措施提高了学生的学习积极性,提升了学生分析问题和解决问题的能力,培养了学生的创新能力,为后续课程和毕业后的工作奠定了良好的基础。

基于隐马尔可夫模型的运动目标轨迹识别

引入改进的隐马尔可夫模型算法,针对真实场景中运动目标轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数;计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别。实验结果表明,平均识别率分别达到87.76%和94.19%。

基于子带能量变换改进MFCC的咳嗽识别

在咳嗽识别中,频谱能量较高是咳嗽区别于大部分非咳嗽声音的主要特征,在分析得到咳嗽各子带频谱能量分布系数的基础上,提出了一种基于子带能量变换改进MFCC的咳嗽识别新方法。该方法在MFCC提取过程中引入子带能量变换,对高能量子带进行增强以降低非咳嗽信号的误识别率和提高轻微咳嗽的识别率,舍弃低能量子带以提高系统的抗干扰能力。在相同实验条件下,比较了采用改进MFCC和传统MFCC的咳嗽识别性能。实验结果表明:改进MFCC有效改善了咳嗽识别的各项评价指标和增强了算法的鲁棒性,平均识别率从89.29%提高到了94.43%。

基于频段互相关系数的咳嗽识别新方法

在咳嗽识别中,语音是影响识别准确率的主要因素。分析咳嗽与语音相邻帧频谱的相似性特征,发现咳嗽相邻帧的频段互相关系数明显小于语音,因此频段互相关系数可以作为区分咳嗽与语音的动态特征。在相同实验条件下,以MFCC为静态特征,比较了以频段互相关系数和一阶MFCC作为动态特征参数的咳嗽识别性能。多组录音的咳嗽识别实验结果表明:采用频段互相关系数作为动态特征参数咳嗽识别的平均准确率为90.27%,其识别能力优于一阶MFCC。

含离散和分布时变时延神经网络系统的指数稳定性(英文)

针对一类含有离散和分布时延神经网络,在神经激活函数较弱的约束条件下,通过定义一个更具一般性的Lyapunov泛函,使用凸组合技术,得到了新的基于线性矩阵不等式表示的指数稳定性判据。与现有结果相比,这些判据具有较小的保守性。仿真算例表明,得到的结果是有效的且保守性小。

一种新的Adaboost样本权重更新算法

通过比较传统的Adaboost算法中样本权重的更新算法,提出了一种新的将类内归一化与全局归一化过程相结合的样本权重更新算法.并对两种算法进行了仿真实验,结果表明,该算法使用较少的弱分类器便可保证强分类器在保持较高检测率的同时,将误检率降低到可接受的范围内.