检索结果-内蒙古大学图书馆

信号处理 2018年第3期34卷 357-367页

作者：胡涛张超程炳吴小培安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

卷积神经网络(CNNs)已广泛应用于语音识别领域中以改善传统声学模型存在的鲁棒性弱、实时性差、识别性能低等缺点。本文对卷积神经网络在异常声音识别任务中的适用性及其识别性能进行了研究,针对日常常见的6种不同异常声音样本,分析了... 详细信息

卷积神经网络(CNNs)已广泛应用于语音识别领域中以改善传统声学模型存在的鲁棒性弱、实时性差、识别性能低等缺点。本文对卷积神经网络在异常声音识别任务中的适用性及其识别性能进行了研究,针对日常常见的6种不同异常声音样本,分析了不同声音特征的维度对卷积神经网络识别性能的影响,还将卷积神经网络分别与高斯混合模型、BP神经网络进行比较。实验结果表明,无噪声条件下,一维特征在卷积神经网络中的平均识别率比二维特征相对提升了2.91%,且误差收敛速度更快,但在有噪声条件下,二维特征的平均识别率比一维特征相对提升了3.41%。同时卷积神经网络比其他两种识别模型在对噪声的鲁棒性和误差收敛速度等方面均有明显的优势。

关键词：卷积神经网络异常声音识别鲁棒性声音特征维度

来源：评论

学校读者我要写书评

暂无评论

一种新型小型化十一频段手机天线设计

引用

西安电子科技大学学报 2018年第2期45卷 116-121页

作者：杨明孙玉发安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 亳州学院电子与信息工程系安徽亳州236800

现有手机天线结构复杂、剖面高和尺寸大,为了缩小手机天线的尺寸,研究了小型化低剖面双层微带天线频带展宽的方法,提出了一款紧凑耦合的小型化十一频段手机天线,尺寸仅为37.0mm×7.2mm.该天线通过馈电单极子和地枝节耦合技术,激发... 详细信息

现有手机天线结构复杂、剖面高和尺寸大,为了缩小手机天线的尺寸,研究了小型化低剖面双层微带天线频带展宽的方法,提出了一款紧凑耦合的小型化十一频段手机天线,尺寸仅为37.0mm×7.2mm.该天线通过馈电单极子和地枝节耦合技术,激发多个谐振模,拓宽高频带宽,再利用加载电感方法,使低频谐振点偏移,拓宽低频带宽.实测结果表明,该方法可以有效展宽天线频带,能够覆盖长期演进、无线广域网8个频段,并且满足全球定位系统、无线保真以及蓝牙频段内S11小于-10dB的要求,与传统微带天线相比,该天线具有尺寸更小、结构简单、频带宽等优点,具有良好的辐射增益和辐射效率.

关键词：长期演进小型化多频段手机天线

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集的影响大学生心理健康的研究

引用

计算机技术与发展 2020年第5期30卷 121-124页

作者：徐怡余浩刘刚倪治伟安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学计算机科学与技术学院安徽合肥230601 安徽大学互联网学院安徽合肥230039

大学生心理健康是影响大学生未来发展的最主要因素之一。由于影响大学生心理健康的因素复杂而且难以预估,导致高校在改善大学生心理健康的过程中存在盲目性。为了及时准确地帮助心理健康存在隐患的学生,首先通过向本校本科生分发调查问... 详细信息

大学生心理健康是影响大学生未来发展的最主要因素之一。由于影响大学生心理健康的因素复杂而且难以预估,导致高校在改善大学生心理健康的过程中存在盲目性。为了及时准确地帮助心理健康存在隐患的学生,首先通过向本校本科生分发调查问卷,然后利用粗糙集理论中基于信息熵的属性约简算法找出影响因子,利用粗糙集理论中基于决策树的规则提取算法提取出具有支持度、置信度高的规则集,最后利用评估规则集准确度的一般方法验证了规则集的有效性。该研究成果可以指导高校制定出具有针对性的改善大学生心理健康的政策,从而及时准确地帮助存在心理健康隐患的大学生。

关键词：粗糙集信息熵决策树属性约简规则提取

来源：评论

学校读者我要写书评

暂无评论

双频带电磁超材料单元设计及仿真

引用

压电与声光 2018年第6期40卷 927-930页

作者：刘艳阳李民权沈纯纯汪善栋李玄玄安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601

该文基于谐振型左手理论,提出一种将2种不同的多开口谐振环左手结构单元分别印刷在介质板的正、反面,这种复合结构实现了双频带左手特性。在微波频率范围内采用等效参数(NRW)提取算法,验证了该多开口谐振环的复合结构能实现负的介电常... 详细信息

该文基于谐振型左手理论,提出一种将2种不同的多开口谐振环左手结构单元分别印刷在介质板的正、反面,这种复合结构实现了双频带左手特性。在微波频率范围内采用等效参数(NRW)提取算法,验证了该多开口谐振环的复合结构能实现负的介电常数和磁导率,同时采用LC谐振电路进行分析并解释其产生的机理。数值和仿真结果表明,存在2个介电常数、磁导率和折射率的实部都为负的频带。其负频带频率范围分别为16.5～18.96GHz和22.8～24GHz,负双频带带宽为3.66GHz。由于其带宽性能良好的双负特性,可用于多频带或宽带微波器件的设计。

关键词：左手材料负介电常数负磁导率双频带复合结构

来源：评论

学校读者我要写书评

暂无评论

动态选择消息更新的SCMA多用户检测算法

引用

信号处理 2018年第7期34卷 811-817页

作者：谢欢胡艳军蒋芳安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039

稀疏码多址接入(SCMA)是上行链路(UP)无线空口技术之一,消息传递算法(MPA)是SCMA多用户检测的主要方法。MPA算法迭代更新所有码字消息,所有消息概率收敛后迭代结束。因此,MPA算法复杂度较高。针对这一问题,本文利用各消息概率收敛速度... 详细信息

稀疏码多址接入(SCMA)是上行链路(UP)无线空口技术之一,消息传递算法(MPA)是SCMA多用户检测的主要方法。MPA算法迭代更新所有码字消息,所有消息概率收敛后迭代结束。因此,MPA算法复杂度较高。针对这一问题,本文利用各消息概率收敛速度不同的特点,提出了一种动态选择消息更新的SCMA多用户检测算法。在每次迭代中找出收敛最快的码字消息,由于这些消息已接近收敛值,剩余迭代将不再更新这些消息,从而减少了复杂度。从仿真结果看,选择合适的比重因子,本文算法误比特率(BER)性能与MPA算法基本相同,算法复杂度明显降低。

关键词：稀疏码多址接入消息传递算法码字消息动态选择比重因子

来源：评论

学校读者我要写书评

暂无评论

基于自适应邻域空间粗糙集模型的直觉模糊熵特征选择

引用

计算机研究与发展 2018年第4期55卷 802-814页

作者：姚晟徐风赵鹏纪霞计算智能与信号处理教育部重点实验室(安徽大学) 合肥230601 安徽大学计算机科学与技术学院合肥230601

特征选择是数据预处理中一项很重要的技术,主要从原始数据集的特征中选出一些最有效的特征以降低数据集的维度,从而提高学习算法性能.目前基于邻域粗糙集模型的特征选择算法中,由于没有考虑数据分布不均的问题,对象的邻域存在一定的缺陷... 详细信息

特征选择是数据预处理中一项很重要的技术,主要从原始数据集的特征中选出一些最有效的特征以降低数据集的维度,从而提高学习算法性能.目前基于邻域粗糙集模型的特征选择算法中,由于没有考虑数据分布不均的问题,对象的邻域存在一定的缺陷.为了解决这个问题,采用方差来度量数据的分布情况,重新定义二元邻域空间,基于此提出自适应二元邻域空间的粗糙集模型,并将该模型与邻域直觉模糊熵结合作为特征评估的方式,进而构造相应的特征选择算法.UCI实验结果表明:所提出的算法能够选出更小且具有更高分类精度的特征子集,同时算法拥有更少的时间消耗.因此所提的特征选择算法具有更强的优越性.

关键词：粗糙集邻域方差二元邻域空间邻域直觉模糊熵特征选择

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的基因剪接位点预测

引用

盐城工学院学报（自然科学版） 2020年第2期33卷 20-24页

作者：李国斌杜秀全李新路吴志泽合肥学院人工智能与大数据学院安徽合肥230601 安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601 安徽大学计算机科学与技术学院安徽合肥230601

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于... 详细信息

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。

关键词：深度学习卷积神经网络剪接位点预测 K-MER编码

来源：评论

学校读者我要写书评

暂无评论

差异容量平行批机器环境下基于弱选择约束的调度算法

引用

控制与决策 2018年第8期33卷 1363-1372页

作者：贾兆红杨洋张以文安徽大学计算智能与信号处理教育部重点实验室合肥230039 安徽大学计算机科学与技术学院合肥230601

研究动态到达的差异工件在容量不同的平行批处理机环境下,最小化制造跨度的调度问题,并提出一种有效的元启发式算法.给出一个下界以评价算法的性能,针对所构建批的第1个工件的选择提出弱约束标准及两个基于弱约束的首工件选择策略,并引... 详细信息

研究动态到达的差异工件在容量不同的平行批处理机环境下,最小化制造跨度的调度问题,并提出一种有效的元启发式算法.给出一个下界以评价算法的性能,针对所构建批的第1个工件的选择提出弱约束标准及两个基于弱约束的首工件选择策略,并引入到蚁群优化算法.最后通过仿真实验将所提出的改进蚁群算法与已有算法和使用传统选择策略的蚁群算法进行比较,实验结果表明,在建批过程中使用首工件弱约束策略和弱约束下工件尺寸大高概率选择策略是有效的,所提算法的搜索性能较其他算法具有明显优势.

关键词：批调度平行机差异机器容量弱约束蚁群算法

来源：评论

学校读者我要写书评

暂无评论

任务粒化的质量约束感知服务组合

引用

计算机研究与发展 2018年第6期55卷 1345-1355页

作者：张以文崔光明严远亭赵姝张燕平计算智能与信号处理教育部重点实验室(安徽大学) 合肥230031 安徽大学计算机科学与技术学院合肥230601

随着服务计算的发展,越来越多的资源以服务的形式发布与使用,服务提供商间的竞争日趋激烈,合作共赢成为必然趋势,但考虑质量约束关系服务组合优化问题复杂性大大增强.为解决这一问题,在充分考虑候选服务间质量约束的同时,对服务组合业... 详细信息

随着服务计算的发展,越来越多的资源以服务的形式发布与使用,服务提供商间的竞争日趋激烈,合作共赢成为必然趋势,但考虑质量约束关系服务组合优化问题复杂性大大增强.为解决这一问题,在充分考虑候选服务间质量约束的同时,对服务组合业务流程进行任务粒化,提出基于任务粒化的质量约束感知服务组合优化方法(Tg-QcA).首先,通过理论分析,验证每种QoS聚合方式均具有子模态性质以及多属性服务组合问题的效用函数仍具有子模态性质,保证了基于任务粒化优化方法的完备性;其次,通过质量约束建模,利用任务间的隶属度进行任务粒化划分,对原问题进行分解,有效降低了问题求解规模;最后,大量的仿真模拟实验结果表明:所提模型与算法具有很好的可行性、高效性和稳定性.

关键词：服务组合任务粒化质量约束子模服务质量

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积-递归神经网络的手绘草图识别方法

引用

计算机辅助设计与图形学学报 2018年第2期30卷 217-224页

作者：赵鹏刘杨刘慧婷姚晟安徽大学计算智能与信号处理教育部重点实验室合肥230039 安徽大学计算机科学与技术学院合肥230601

针对现有基于深度学习的手绘草图识别方法直接从整体上提取手绘草图的图像特征,而忽略了草图中笔画的顺序信息的问题,利用手绘草图的笔画顺序信息,将深度卷积神经网络与递归神经网络相结合,提出一种基于深度卷积-递归神经网络的手绘草... 详细信息

针对现有基于深度学习的手绘草图识别方法直接从整体上提取手绘草图的图像特征,而忽略了草图中笔画的顺序信息的问题,利用手绘草图的笔画顺序信息,将深度卷积神经网络与递归神经网络相结合,提出一种基于深度卷积-递归神经网络的手绘草图识别方法.首先按照绘画草图时的笔画顺序提取笔画,生成多幅子笔画草图,并形成一个笔画数依次递增的子笔画草图序列;然后采用深度卷积神经网络依次提取该序列中每一幅子笔画草图的图像特征,并将提取的图像特征按照原先子笔画草图排列的顺序进行排序,作为递归神经网络的输入;最后利用递归神经网络来构建不同图像特征间的时序关系,以提高手绘草图的识别准确率.在现有最大的手绘草图数据集TU-Berlin Sketch数据集上的实验结果表明,文中方法能有效地提升手绘草图的识别准确率.

关键词：手绘草图识别深度学习笔画顺序信息深度卷积神经网络递归神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：