基于APR—SVM的音频分类方法

音频分类在多媒体应用中十分广泛,主要有时域分析和频域分析方法。文中提出了一种基于自适应间距比（APR）算法和支持向量机（svrd）算法的音频分类方法,先用APR算法区分语音与非语音;对于非语音,再通过SVM进行音频分类。APR算法是比较PR参数和阈值来区分语音和非语音,它和信噪比密切相关;而将非语音分成四组：音乐,汽车,会议,雨声,提取特征因子。实验结果表明：文中设计的分类器的精度达到93．75％以上,能很好地把各类型音频分开。     

自适应类增量学习的物联网入侵检测系统

传统物联网入侵检测系统难以实时检测新类别攻击,为此,提出一种基于堆叠稀疏自编码器（SSAE）和自组织增量神经网络（SOINN）的物联网入侵检测方法。SSAE对已知类别的攻击样本进行稀疏编码和特征提取,所提取的特征输入SOINN,SOINN形成符合流量特征空间分布的拓扑结构。当出现新类别训练样本的特征时,SOINN自适应地生成新节点以建立新的局部拓扑结构。为了保留SSAE在旧类别样本上的知识,对SOINN已有的拓扑结构施加约束,通过误差反向传递间接约束SSAE权重的变化。针对SOINN在新类别上产生的新局部拓扑结构进行自适应聚合和优化,从而实现新类别样本学习。实验结果表明,该方法能基于新类别数据对模型进行增量训练而无需历史类别数据,在CIC-IDS2017数据集的动态数据流中能有效检测新类别攻击同时缓解旧类别数据中存在的灾难性遗忘问题,在初始已知数据集上的准确率达到98.15%,完成3个阶段的类别增量学习后整体准确率仍能达到57.34%,优于KNN-SVM、mCNN等增量学习方法。     

Bi和Nd共掺CsI晶体近红外宽带发光性能

采用坩埚下降法生长了Bi和Nd共掺的CsI晶体.X射线衍射分析表明,Bi和Nd共掺并不影响晶体结构,其空间群为Pm3m.通过测试晶体的实际掺杂浓度发现,共掺导致了Bi掺杂浓度的降低.对晶体进行退火处理,并测试了晶体的吸收光谱和发射光谱.结果表明:Bi和Nd共掺能够提高晶体中带电子色心V'Cs的浓度,经高温退火后能获得较多的低价态的Bi离子发光团簇,从而提高了晶体的近红外宽带发光性能.晶体的Raman 光谱显示,掺Bi的CsI晶体近红外宽带发光中心的2个特征Raman峰分别位于164和176 cm-1处.此外,还提出CsI晶体中发光中心Bi+和低价态团簇Bi2+的形成离不开高价态Bi离子的靠拢团聚作用.     

基于APR-SVM的音频分类方法

音频分类在多媒体应用中十分广泛,主要有时域分析和频域分析方法.文中提出了一种基于自适应间距比(APR)算法和支持向量机(SVM)算法的音频分类方法,先用APR算法区分语音与非语音;对于非语音,再通过SVM进行音频分类. APR算法是比较PR参数和阈值来区分语音和非语音,它和信噪比密切相关;而将非语音分成四组:音乐,汽车,会议,雨声,提取特征因子.实验结果表明:文中设计的分类器的精度达到93.75%以上,能很好地把各类型音频分开.     

基于高通平台的触摸屏和虚拟按键设计与实现

针对目前市场上对移动终端设备要求操作快捷、方便、体验性好、质量好等特点,文中介绍了一种基于Android系统和Qualcomm的MSM8X55平台上的输入子系统实现方法.讨论了触摸屏的“7点法”的校准原理,通过抓取数据,分析校准后的准确度.并提出一种新的无实键的虚拟按键设计方法及其实现方式.该产品在成功推广到市场后,给用户带来了极大的方便.结果表明,触摸屏缩小设备体积,操作方便,采用虚拟按键比实键节省了成本,设备使用寿命延长.可以预测触摸屏在未来终端产品中的利用具有巨大的前景.