基于EEMD与HAR-RV模型的已实现波动率研究

高频金融数据下对资产价格波动的研究越来越受到人们的关注,而随着对数据行为解析能力的提高,噪音也会随着采样频率的提高而增加,从而导致已实现波动率的估计偏差。为了降低高频数据中噪音对波动率估计的影响,在HAR-RV模型基础上使用EEMD结合小波分析的方法提高估计的有效性。实证研究发现,仅使用EEMD进行降噪预测并不能很好地预测股票市场的实际变动趋势,而在EEMD分解后的高频部分中使用小波方法进行处理,发现降噪后构建模型的均方误差（MSE）与平均绝对误差（MAE）分别下降了93.92%及76.94%,能够满足对股票市场实际序列变动的预测要求。     

基于神经网络的PNN算法在交通标志检测中的应用

交通标志检测技术是实现智能交通系统的关键.查阅诸多文献,文章阐述模式识别的概念,并且给出计算机模式识别的抽象过程.通过对现有交通标志检测框架进行研究,根据交通标志设计之规则,结合概率神经网络,设计了一种基于多层决策树的PNN分类算法模型,并对神经元高斯函数的参数进行改进,最终建立交通标志检测的算法流程.通过实验,对60个交通标志进行晴天、多云以及阴雨三种天气背景下的检测.最后整理实验数据,通过建立图表进行分析和比较,证明该分类器能够实现交通标志检测的功能,达到预期的检测效果.最后,分析了该算法模型还存在的不足之处,也指出了将来研究的方向.     

基于EEMD和LS-SVM的癫痫脑电信号识别

针对癫痫脑电(EEG)信号的非平稳性和非线性,提出一种基于集合经验模式分解(EEMD)提特征并利用最小二乘支持向量机(LS-SVM)的脑电信号分类方法。首先利用EEMD将EEG信号分成多个经验模式分量,得到各阶本征模式分量(IMF),然后提取有效特征,最后用LS-SVM对其进行分类,实验结果表明,该方法对癫痫发作间歇期和发作期EEG的提特征后分类识别正确率达到98%。     

基于编号的硬盘识别方法分析与研究

随着计算机科学技术的迅速发展,微机硬盘的更新换代为每一位用户所关注。各种不同产商、不同系列、不同名称的硬盘产品琳琅满目,弄得编号复杂、互不相同,令人眼花缭乱。用户在选购或识别硬盘时想知道其容量大小、转速、接口等主要参数,但在硬盘上并没有很明显的标识,只是利用一串特定的编号来表示,使用户束手无策。通过对目前各种不同硬盘编号的深入分析和研究,找出了识别的方法、编号规律和释疑性能指标的方法。     

基于PLS特征筛选和改进结构PNN的步态识别

采集单侧大腿截肢患者髋关节有代表性的加速度信号(双轴)和角速度信号,并同时采集足底压力信号,进行多运动模式识别,经信号预处理提取出特征参数,利用偏最小二乘法(PLS)进行特征筛选,最后利用改进的概率神经网络(PNN)步态模式识别和分类,实现对下肢假肢在行走、上下坡、上下台阶的不同运动模式的有效识别。     

基于加权KNN与随机森林的表情识别方法

针对传统KNN算法计算量大、识别率低的问题,提出一种加权K最近邻法(KNN)结合随机森林(RF)的表情识别方法。首先通过监督下降方法(SDM)提取人脸特征点,然后计算样本间的平均距离,并借此划分测试样本,结合加权KNN与随机森林的特点,对不同样本采用不同的分类器,最后采用JAFFE表情数据库进行实验。结果表明,改进后的方法不仅识别率更高,而且简化了计算复杂度。     

基于最大熵与Bootstrapping的关联三元组识别方法

基于〈产品特征,情感词〉关联对的缺点,讨论了情感词与否定性副词搭配的必要性,提出了〈Pfeature,FIag,sword〉关联三元组,能够更准确地表达文本中相关评论句对产品特征的情感倾向。采用两个步骤来提取关联三元组：首先,利用已训练好的最大熵模型作为分类器,结合Bootstrapping方法完成了产品特征与情感词语关联对的抽取;其次,将情感词前的否定性副词抽取出来,合成关联三元组。     

基于改进LBP的虹膜识别方法

为有效提取虹膜的局部和全局特征以提高虹膜识别能力,提出了一种基于改进LBP(CS-LBP)的虹膜识别方法。首先通过虹膜预处理分割出虹膜图像并归一化;然后采用CS-LBP算子提取虹膜图像的CS-LBP特征谱;最后对CS-LBP特征谱进行分块直方图统计,并连接各块直方图作为虹膜图像的特征矢量进行识别。该方法在CASIA(v1.0)虹膜图像数据上取得了较高的识别率,计算速度快。     

基于语音的人机交互界面的研究与实现

通过对人机界面设计中的人因素及其设计原则进行研究,提出了一个语音界面的交互模型。根据这个交互模型,开发了一个学生在线语音练习系统原型,并对这个系统进行可用性测试,提出相应的改进方案。     

基于ABAQUS的钻具煤岩非线性动力学仿真分析

本文以煤层瓦斯抽放钻进系统作为研究对象,综合考虑钻头的受力情况,钻杆的结构特点、边界条件及钻压、钻速、自重、摩擦力、浮力等载荷作用的影响,应用有限元软件ABAQUS建立了包含钻杆、孔壁、钻头、煤岩的钻进系统有限元模型,对煤层瓦斯抽采作业中的煤岩内部在受到切削破坏后的渐进变化及钻头、钻杆的运动、受力情况进行仿真分析。仿真结果阐明了煤岩的破坏规律和钻头受力情况及运动规律,对实际工况下的钻具—煤岩系统优化具有一定指导意义。     

基于BP神经网络的人体行为识别方法研究与实现

针对人体行为识别问题,本文设计实现了基于BP神经网络的人体行为识别方法。该方法在对原始三维加速度信号预处理后提取出特征值,并将向量空间划分为训练样本集和测试样本集。通过不断修正网络参数优化学习效果。经过学习后的BP神经网络达到了较高的人体行为识别正确率,并对所研究的7种日常行为都较好识别。     

基于CRF与规则的工程领域命名实体识别方法

在分析工程文本中命名实体实际特征的基础上,提出一种基于CRF与规则相结合的工程领域命名实体识别方法。在完善用户词典并对文本进行分词后,以短语级的粒度为原则从中确定特征,将文本交由CRF算法进行处理;分析CRF的处理结果,根据语言学规律及工程文本特点编写规则,对CRF处理结果进行优化。实验表明,该方法的全局F1值能够达到93.45。     

基于BP神经网络的手写体识别方法研究

基于一种改进结构的BP神经网络,探讨了神经网络应用于手写体文字识别的方法。除了对网络结构的改进外,还对网络的学习算法进行了改进,并应用进化计算理论,遗传算法与BP算法,提高了网络的训练速度和识别效果。     

一种基于OpenCV的车牌识别方法

研究了一种基于OpenCV的车牌识别方法。在车牌定位阶段,提出一种综合边缘信息和颜色信息,并结合车牌几何特征定位方法,通过SVM机器学习实现车牌精确定位。在车牌字符分割阶段,通过设定像素跳变阈值去除边框,提出一种结合垂直投影法和字符特征的字符分割算法。在字符识别阶段,提出结合投影和网格的字符特征提取方法,并利用4个BP神经网络进行字符识别。实验表明,该方法定位率高,字符识别快速准确,具有较强的鲁棒性和实用性。     

基于深度学习的荔枝虫害识别方法

提出一种基于多特征融合的荔枝虫害识别方法,目的是利用计算机视觉技术对荔枝的田间害虫进行全天候、实时的监测.采用基于OpenCV的中值滤波法对害虫的颜色、纹理和轮廓进行特征提取,并根据皮尔逊相关系数剔除冗余特征,从而建立了害虫特征库.根据特征库中的大量样本,采用BP神经网络算法经多次迭代训练了害虫识别模型,通过对模型进行...     

基于结构形状的印刷体数字识别方法

从数字的结构形状着手,通过分析印刷体数字的形状,提出了一种基于结构形状的印刷体数字识别方法。该方法不用对字符图像进行复杂的细化处理,减少了因细化带来的误差问题,因而识别速度非常快,实验证明了该方法的有效性。     

基于投影特征的简谱数字识别方法

简谱数字识别是光学乐谱识别中的一个重要分支,传统的识别方法是模板匹配,该方法计算量大,且对模板的依赖性很强,导致其鲁棒性较弱,对图像的噪声和位移敏感。考虑到简谱数字识别规模较小,通过分析数字对噪声较为稳定的几何特征,提出一种改进的投影特征匹配法对简谱数字进行快速识别匹配。理论分析和实验结果表明,改进的投影特征匹配法与传统的模板匹配法相比,识别精度和速度有所提高,鲁棒性也更强。     

基于结构形状的印刷体数字识别方法

从数字的结构形状着手,通过分析印刷体数字的形状,提出了一种基于结构形状的印刷体数字识别方法。该方法不用对字符图像进行复杂的细化处理,减少了因细化带来的误差问题,因而识别速度非常快,实验证明了该方法的有效性。     

基于卷积神经网络的人体行为识别方法

为提高基于智能手机三轴加速度传感器的人体行为分类模型准确率,提出了一种卷积神经网络人体行为识别方法,通过固定时间窗口对连续样本数据进行切割分片,构造多层神经元网络结构,优化调整关键核心参数,使用新方法训练出的人体行为识别模型平均交叉准确率可达91.7%,较其他传统机器学习算法有较大提升.