联合听觉掩蔽效应的子空间语音增强算法

在经典子空间语音增强算法中,因语音特征值估计偏差会造成语音失真和音乐噪声。针对该问题,提出一种联合听觉掩蔽效应的语音增强算法。该算法联合掩蔽阈值自适应调节噪声特征值的抑制系数,并利用维纳滤波对音乐噪声的抑制性,对该特征值并行修正,最终还原出纯净的语音。实验结果证明,该算法在白噪声和有色噪声的背景下,与经典子空间的语音增强算法相比,能提高信噪比,减少语音失真和音乐噪声。     

基于空间局部偏离因子的离群点检测算法

针对空间数据集的特性,提出一种基于空间局部偏离因子(SLDF)的离群点检测算法。利用SLDF度量空间点对象的离群程度,计算空间数据集中点对象的SLDF值并对其进行排序,将取值较大的前M个点对象作为空间离群点。实验结果表明,该算法能较好地检测空间局部离群点,其有效性与准确性均优于SLZ算法,适用于高维大数据集的空间离群点检测。     

基于过滤驱动的键盘鼠标插入授权系统

为保证ATM的信息安全,分析Windows上键盘和鼠标设备驱动的工作原理,设计并实现基于过滤驱动的键盘鼠标插入事件授权系统。该授权系统能准确捕捉USB和PS/2接口的键盘鼠标设备的插拔事件,保证新插入的设备在系统授权前处于禁用状态。测试结果表明,系统能在Windows XP和Windows 7操作系统上高效稳定地运行。     

基于三参数Chirplet变换的ARM检测

根据反辐射导弹(ARM)回波信号的特征,选择Chirplet变换5个参数中的3个,得到三参数Chirplet变换,并结合自适应线性预测滤波算法,提出一种基于三参数Chirplet变换的ARM检测方法。该方法可有效缩小搜索范围和降低输入信噪比要求,且可借助FFT实现。仿真结果表明其可在大载机回波干扰和低信噪比环境下快速准确地检测出ARM回波,实现实时告警。     

基于双向需求的电子就业服务模型研究

针对电子就业市场垃圾信息泛滥的现状,提出基于双向需求的服务模型。根据招聘者和应聘者的实际需求,给出该模型的体系结构、数据结构与运行流程,研究招聘双方需求匹配、海量候选者筛选的方法以及代理间通信的实现问题。实验结果表明,该模型能实现高效的双方信息匹配与管理,提高简历筛选速度。     

多指标融合的指纹图像质量评测方法

提出一种将分级排除和综合评测相结合的多指标融合的指纹图像质量评测方法。该方法综合考虑指纹图像的局部特征和全局特征,通过从空域和频域上提取质量评测指标,采用非线性加权平均的数学模型计算指纹图像的质量得分,得到对指纹图像质量的客观评测结果。在FVC2004标准指纹库中进行实验,结果证明该方法可以准确、客观地评测指纹图像质量,评测结果与专家的视觉评测结果接近。     

基于多级滤波器的蛋白质热点区域预测

针对数字滤波技术用于蛋白质热点区域预测时预测结果精度低的问题,提出一种基于多级滤波器的预测方法。依据共振识别模型从一组蛋白质中提取出特征频率,设计一个选通特性良好的多级滤波器对蛋白质序列进行滤波,根据滤波器输出序列的能量谱定位蛋白质的热点区域。实验表明,多级滤波器能提高预测结果的精度。     

基于自回归模型的汽车姿态角在线预测系统

针对汽车姿态角在线预测问题,利用微惯性测量单元以捷联方式测量汽车6自由度运动参数,通过四元数法解算汽车的姿态角,应用卡尔曼滤波器对姿态角进行最优估计处理,在此基础上建立自回归模型对未来1 s~3 s的姿态角进行实时预测,使用Visual Basic 2005、NI Measurement Studio开发汽车姿态角在线预测软件,并对其进行实车道路试验,结果证明该软件具有较高的预测准确性。     

基于K-近邻法的局部加权朴素贝叶斯分类算法

分类算法一直以来都是数据挖掘领域的研究重点,朴素贝叶斯分类算法是众多优秀分类算法之一,但由于其条件属性必需独立,使得该算法也存在着一定的局限性。为了从另外一种角度来改进该算法,提高分类性能,提出了一种基于K-近邻法的局部加权朴素贝叶斯分类算法。使用K-近邻法对属性加权,找到最合适的加权值,运用加权后的朴素贝叶斯分类算法去分类,实验表明该算法提高了分类的可靠性与准确率。     

Variable neighborhood search approaches for scheduling jobs on parallel machines with sequence-dependent setup times, precedence constraints, and ready times

In this paper, we discuss a scheduling problem for jobs on identical parallel machines. Ready times of the jobs, precedence constraints, and sequence-dependent setup times are considered. We are interested in minimizing the performance measure total weighted tardiness that is important for achieving good on-time delivery performance. Scheduling problems of this type appear as subproblems in decomposition approaches for large scale job shops with automated transport of the jobs as, for example, in semiconductor manufacturing. We suggest several variants of variable neighborhood search (VNS) schemes for this scheduling problem and compare their performance with the performance of a list based scheduling approach based on the Apparent Tardiness Cost with Setups and Ready Times (ATCSR) dispatching rule. Based on extensive computational experiments with randomly generated test instances we are able to show that the VNS approach clearly outperforms heuristics based on the ATCSR dispatching rule in many situations with respect to solution quality. When using the schedule obtained by ATCSR as an initial solution for VNS, then the entire scheme is also fast and can be used as a subproblem solution procedure for complex job shop decomposition approaches.