撼地王者--京商MAD FORCE 1/8油动大脚车体验记

不同于一般家用车,越野车生来就是为了挑战的。面对泥泞的路况和恶劣的天气,经过改装的专业越野车即是通往坦途的利器。而在众多越野车中,大脚车又属于特殊的一类车型。其底盘很高、车架较大,拥有巨型尺寸的轮胎和与环保相背的大排量发动机,即使不启动也能给人强烈的视觉震撼。这种车型的越野能力堪称众车之最。     

地铁建设安全风险识别与评估研究综述

为促进地铁施工风险管理的进一步研究和实践,以我国国情为基准,从风险人工识别和自动识别两个方面分析目前地铁建设风险识别现状,从评估方法和评估成果两个方面分析地铁风险评估现状,探讨目前地铁建设安全管理存在的问题和挑战。结果表明,地铁建设安全管理研究具有重大理论和实践价值,但目前存在风险管理不完备的问题,在数据获取、综合模型建立、风险因素融合和管理方式转变等方面需要开展深入研究。     

高校家庭经济困难学生精准识别的实证分析

高校资助工作是确保家庭经济困难学生顺利完成学业的重要举措,而家庭经济困难学生的精准识别是开展高校资助工作的必要前提,结合高校资助工作实际开展情况,构建了家庭经济困难学生精准识别指标体系,运用层次分析法对指标赋予权重,并通过问卷调研进行实证分析,以求推进高校家庭经济困难学生精准资助工作。     

基于VC的太阳光斑图像识别跟踪系统设计与实现

塔式太阳能聚光发电系统,在实际运用中由于天气、温度和镜子的执行传动结构等因素产生误差,太阳光不一定能够按照理想的情况反射到聚光位置。为使定日镜能够准确跟踪太阳和反射太阳热能,提出一种基于VC的太阳光斑图像识别跟踪系统,使用视频捕捉和图像处理技术,获取太阳光斑的误差偏移距离,并将这个修正数据通过串口发送给控制系统。根据定日镜自动跟踪太阳轨迹、反射光斑并进行图像修正的试验,结果显示能够计算确定图像中光斑的位置,获取实际偏差,并且在监视器上清晰看见每面定日镜的轮廓及其反射的光斑。系统采用图像匹配算法,具有精度高等特点,能够有效实现太阳光斑的识别与跟踪。     

基于卷积神经网络的人脸表情识别研究

随着人机交互技术和机器学习技术的发展,人脸表情识别技术逐渐成为研究热点。针对传统人脸表情识别算法鲁棒性差、表情特征提取能力不足的问题,提出一种改进的基于卷积神经网络的人脸表情识别算法。首先对人脸图像进行预处理,检测并分割出人脸关键点的部分图像,然后输入到包含卷积神经网络通道和卷积稀疏自编码(CSAE)预训练通道的双通道模型中。其中卷积神经网络通道部分使用了批量正则化(Batch Normalization)和ReLU激活函数,加快了模型训练速度,解决了梯度消失问题,同时增加了模型的非线性表达能力。通过引入Dropout技术,解决了网络的过拟合问题。在另一个通道,对输入的人脸表情图像增加了卷积稀疏自编码进行无监督预处理。实验结果表明,该算法在JAFFE、CK+人脸表情数据集上均获得了较好的识别效果。     

语音识别在旅游领域问句识别中的应用

根据领域术语的音节关联特点,提出一种基于术语音节关联特性的领域术语声学模型建模方法。该方法首先根据领域术语字间发音的特点,以声韵母作为识别基元,构建融合零声母音节的扩展声韵母集合（Extended Initial Final-EIF）,然后根据术语发音的声韵母组合情况制定出识别单元的组合规则,并构建上下文相关的三音子模型（Triphone-Tri）,最后通过Tri-EIF模型实现领域术语识别。对比实验结果表明,Tri-EIF模型具有较好的识别效果,术语识别正确率与上下文无关模型相比提高了28%。     

基于Xgboost算法的Shadowsocks流量识别研究

匿名通信技术的滥用给网络安全带来了前所未有的挑战,Shadowsocks作为新兴的匿名通信软件,因为出色的通信效率以及稳定性逐渐流行。为了有效解决匿名通信的滥用问题,研究并分析了Shadowsocks的通信原理,总结出部分bitflow特征,并采用Xgboost算法学习bitflow特征以识别其流量。使用同样的特征通过随机森林算法与支持向量机算法分别对Shadowsocks流量进行识别。测试结果表明,Xgboost算法在识别Shadowsocks流量时的准确率和召回率均有一定提高。     

基于改进EMD的滚动轴承故障特征提取方法

针对滚动轴承早期故障信号微弱、背景噪声强、故障特征难以提取的特点,提出一种基于包络谱灰色关联度改进的经验模态分解（Empirical Mode Decomposition,EMD）特征提取方法。首先,用EMD将原始振动信号分解成若干本征模函数（intrinsic mode function,IMF）分量,计算原始信号及分解后各阶IMF分量的包络谱;然后,用灰色关联度分析计算原始信号包络谱与IMF分量包络谱之间的关联度,以包络谱关联度大小筛选IMF分量进行加权;最后,对加权的IMF分量计算能量、峭度、偏度形成特征集,通过主元分析(Principal Component Analysis,PCA)降维后输入概率神经网络（Probabilistic Neural Network,PNN）进行故障状态识别。该方法利用包络谱灰色关联度有针对性地筛选出对故障特征敏感的IMF分量,相比于单纯利用线性关系大小筛选IMF分量的相关性分析更具针对性。对滚动轴承4种故障状态早期故障信号进行识别,准确率为97.5%,表明该方法是有效的。     

基于LSTM的生物医学核心实体提取模型研究

识别一篇生物医学文献中的核心实体是准确提取该文献信息的前提。针对目前生物医学文献实体识别和筛选方法的局限性,提出了基于LSTM的生物医学核心实体提取模型。该模型以LSTM为核心,通过更为优秀的词向量和输入生成规则改良模型输入,使用双向LSTM模型改进处理过程,将结果保存为树形结构并对该树进行合理剪枝获取标注链,实现输出结果处理,最终使实体识别的F1值达到了89.35%。此外,在核心实体筛选过程中,基于TF/IDF算法规则,充分考虑了词频、位置、逆文档频率等因素,使核心实体筛选的F1值达到了76.85%。     

海量食品安全事件下的命名实体识别研究

对食品安全事件当中的实体进行分析和识别,不仅有助于人们加深对食品安全事件的了解,而且有利于管理者应对食品安全事件。以食品安全事件的新闻报道文本为语料,通过系统地统计和分析人名和机构名的内部与外部特征,在制定的含有多个特征的识别模板的基础上,基于条件随机场模型,本文完成了对食品安全事件当中的机构名和人名这两个命名实体进行识别的任务。通过与最大熵模型的测试结果进行比较,实验表明条件随机场模型的整体性能比较突出,取得了较好的准确率和召回率。