基于激光雷达数据SVM分类的室内环境识别研究

语义地图构建对移动机器人导航与规划具有重要意义,而环境分类是语义地图构建的核心问题。目前所采用的环境分类方法匹配率较低,已成为语义地图构建所面临的主要问题。对此笔者提出了一种基于支持向量机的分类方法,该方法利用激光雷达数据提取环境几何特征,训练SVM分类器对机器人工作空间模式进行识别,并将所提算法用于室内环境的语义分类。实验结果表明,该分类方法具有较高的识别率,可有效地实现语义地图构建。     

基于粗糙集模型的霾与气象要素相关性分析

针对霾与气象要素存在怎样的相关性这一研究问题,本文致力于探讨和挖掘出霾与哪些气象要素存在多大的相关性,提出一种基于决策属性重要度不一致多粒度粗糙集的霾与气象要素相关性分析模型。在真实气象观测数据集上对该模型进行对比测试和结果分析,测试结果验证了所提出模型的有效性。     

汉字识别的加工模型

通过文献分析,概述了认知心理学关于汉字识别过程及其加工机制研究的几种主要的加工模型,即经成分识别模型、多层次交互激活模型、连接主义模型、合体汉字字形识别模型和汉字识别的多层次格式塔双向加工模型.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

AW模式对梅雨暴雨的预报试验

利用引进的中尺度10层湿模式——AW模式,对长江流域梅雨期大暴雨进行了模拟试验,检验了模式的预报能力,比较了不同精度初始场对梅雨预报的影响,探讨了梅雨暴雨形成和发展的某些机理。主要结果如下: 1.AW模式可报出梅雨暴雨过程,对暴雨的落区、强度、天气尺度环境场和中尺度动力、热力条件都具有相当的预报能力; 2.对流层低层的切变线和沿切变线活动的中尺度扰动是梅雨暴雨的主要影响系统。雨带位于900百帕切变线附近,暴雨中心位于900百帕切变线上的中尺度扰动中心附近。900百帕中尺度涡度的加强,与暴雨中心的形成相对应; 3.梅雨暴雨的发展与高空天气尺度和低空中尺度涡度中心的耦合关系密切,当低层中尺度涡度中心移近高层天气尺度负涡度中心之下时,降水增强; 4.在雨区上空的边界层附近,存在一个湿暖盖,产生了对流性降水叠加在稳定降水之上的独特的梅雨暴雨结构; 5.对流加热对雨区的环境流场和温湿场影响很大,对流加热通过Ekman-CISK、热成风调整过程以及激发重力惯性波不稳定等方式来加强暴雨系统。     

基于模糊识别的三维模型检索

提出了基于2D图像模糊识别的3D模型检索的方法。该方法根据人识别习惯模式,从6个方向采集3D模型的2D图像。考虑到人眼对色差的敏感的特点,采用适当的均匀色空间,建立各2D图像的纹理特征。然后对这些纹理特征采用模糊C-均值算法建立模糊集,这些模糊集用于模拟人对图像模糊认识,模糊集对图像变形具有鲁棒性,故提高了提取特征的稳定性和灵活性,同时改善了检索效果与人识别效果的一致性。     

基于AM-BiLSTM模型的情绪原因识别

文本情绪原因识别是情感分析中一个新的研究方向,旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题,本文提出了一种基于注意力机制和双向长短时记忆(attention model and bi-directional long short-term memory,AM-BiLSTM)神经网络模型的情绪原因识别方法。该方法采用字符向量表示文本语义信息,使用BiLSTM模型提取文本特征,该过程结合了人工提取的子句特征,在训练模型时,引入了注意力机制来优化模型性能,使用softmax对子句进行分类。实验结果表明本文方法对情绪原因的识别是有效的。     

基于因素分析和SVM模型的江海联运运量预测方法

鉴于江海联运运量受众多因素的影响, 为了解决江海联运运量预测问题, 先对江海联运运量影响因素进行分析, 再用灰色关联度分析筛选出其中的典型因素. 在此基础上应用粒子群算法优化的支持向量机建立江海联运运量预测模型, 应用于宁波港域江海联运量的预测. 结果表明, 该模型与传统时间序列预测方法相比具有较高的拟合度和预测精度, 为解决江海联运运量等多因素非线性系统预测提供了一条新的途径.     

L1/2范数正则化模型修正方法在结构损伤识别中的应用

利用结构损伤时损伤参数所具有的稀疏性,基于灵敏度分析的有限元模型修正方法,提出一种结合L1/2范数正则化过程的结构损伤识别方法。与以Tikhonov正则化为代表的二次型正则化过程相比,L1/2范数正则化可以有效改善识别结果过度光滑的缺陷;与以L1范数正则化为代表的一次型正则化过程相比较,L1/2范数正则化识别结果更准确。二维框架模型为例的损伤识别数值模拟表明,L1/2范数正则化方法与模型修正方法相结合可以有效抑制实测模态参数中噪声的影响,对于结构局部损伤有更好的识别效果。 更多还原     

基于决策树和粗糙集的高分辨率短时临近雷电预报模型

雷暴天气造成众多人员伤亡及巨大经济损失,给人类社会带来极大危害,目前对高分辨率短时临近的雷暴天气的预报研究比较少。决策树有描述简单、分类速度快、易于理解、精度较高等优点,特别适合大规模的数据处理。根据气象数据的超高维而实际样本数又是有限的,并且很多属性是线性相关的特点,本文提出运用粗糙集进行属性约简,降低问题的复杂度,然后用决策树对约简后的样本进行模式识别。本文基于江西省的雷电活动设计出高分辨率雷电临近预报方案。通过实验表明本文所提出的预报模型比原有的SVM预报模型有更高的预报准确度。     

标架型RKHS中的SVM的半参数估计

在基于标架型的再生核希尔伯特空间中，研究了SVM算法下，解的对偶形式和原形式之间的关系，进而将SVM算法与最小二乘法相结合，讨论了支持向量机的半参数估计．     

绍兴霾天气特征及其对气候变化的响应

利用绍兴市1961~2013年5个气象站的霾观测资料和近年来自动气象站能见度、相对湿度资料,采用线性趋势、Morlet小波分析以及M K突变检验等方法,分析了绍兴市霾天气的时空分布特征以及对气候变化的响应.结果表明：绍兴霾天气总体上呈西多东少分布,诸暨、柯桥和嵊州是霾天气高频区;霾天气呈冬多夏少的季节分布,11月至次年1月最多;近53年霾天气的频率总体不断增加,其中柯桥站气候变化倾向率为2.23 d·a-1,特别是进入21世纪后显著增多,2003年是柯桥站的重大转折点;在霾天气日变化上,7:00起霾出现频率激增,16:00～17:00霾出现频率小幅上升,2个时段分别对应城市早晚高峰,表明汽车尾气排放对霾天气有显著的影响;在霾强度等级上,“轻微”和“轻度”2个等级占87.6%,中度及以上占12.4%;霾天气与风力条件具有很好的反相关性,柯桥站f≥5 m·s-1和f≥10 m·s-1日数与霾日数的相关系数分别为-0.529和-0.396,表明风力条件的变化对霾天气增减趋势有明显影响,降水日数与年霾日之间总体上也呈负相关.     

宁波市连续3次降雪过程的对比分析

利用NCEP/NCAR 4 times daily格点资料、探空和人工测站实况观测等资料,分别从大尺度形势场、水汽、温度特征等方面,对2012年12月中下旬到2013年1月初宁波市连续3次降雪过程进行了对比分析.结果表明：（1）3次降雪过程的大范围形势场在中高纬度上基本相同,但第1次过程南支槽强度明显偏弱.3次过程的冷空气影响路径分别是西北路、西路和东路.（2）中低层的水汽输送为第3次过程的持续性降雪提供了充足的水汽.（3）后2次过程都满足了降雪的基本温度条件,且有明显的逆温层.2012年12月29日降雪过程的雨雪相变临界温度为2 ℃.     

1963~2013年金华市霾日气候特征及其气象影响因子分析

利用1963～2013年金华市气象观测资料及NCEP/NCAR 2.5°×2.5°格点资料对金华市霾日的气候特征及其气象影响因子进行了统计分析.结果表明：近51 a来金华市霾日数总体呈现上升趋势.2004年以后,空气污染日趋严重,霾日数显著上升,城市热岛效应和干岛效应、霾日持续时间也日趋显著;冬季霾日最多,秋季次之,夏季最少;日平均温度和温度日较差在5.1～15.0 ℃,是出现霾天气最为有利的温度条件; 2 m·s-1以下风速不利于大气污染物的扩散和传输, 弱风速、地面主导风为偏东风是利于霾形成和维持的风要素条件;日平均气压和日平均气温的变化值小于等于2的条件下易产生霾;日均相对湿度在80%以下时,随着相对湿度的增加,霾发生几率增加,反之则下降.     

基于二叉树的多类SVM在Web文本分类中的应用研究

针对现有多分类支持向量机算法所存在的训练时间长、判别速度慢等问题,提出了一种二叉树多类支持向量机算法,该算法能够有效减少支持向量的个数,从而减少训练时间.为了验证算法的有效性,将该算法分别同l-v-r算法和l-v-1算法进行了比较,实验结果表明,提出的算法是有效可行的.     

基于支持向量机的核磁共振左心室图像自动检测与分割

提出了用基于支持向量机的方法来实现核磁共振左心室图像的自动分割方法。首先用经过训练的支持向量机(SVM)在二维图像中进行识别和定位左心室目标区域并进一步找出边缘区域，采用一种改进的训练方法来提高SVM识别率，然后在足够准确的区域中利用梯度方法找出边缘点，并把他们连接起来，找出目标的边缘，达到分割的目的。实验表明，这种分割方法降低了SVM对背景图像的敏感度，提高了SVM识别率。     

在线社交网络控制实验的现状与展望

在线社交网络已发展成为一个独特的电子生态系统,其应用深刻影响着人们生活的方方面面。由于在线社交网络特性复杂,分析在线社交网络形成和变化中的规律成为当前计算机科学、社会学和物理学的一项挑战。传统上,在线社交网络实证研究主要采用计算机辅助的被动数据获取和分析方式。近年来,在真实大规模在线社交网络上直接进行控制实验从而主动获取数据并开展分析研究的方式广受关注。评述了这一领域的研究进展,包括：社交网络控制实验的主要研究模式;控制实验方法在社交网络结构、信息传播、行为和心理学等领域取得的主要成果以及主要实验工具的适用条件和局限性。最后,展望了人工智能技术在社交网络控制实验中的应用潜力,分析了智能算法对降低实验成本和提高实验效率的作用。     

基于多分辨率奇异谱熵和支持向量机的轴系故障诊断及其应用

运用Mallat小波算法将被测信号分解为不同频带,并进行信号重构,然后利用奇异值分解,提取不同尺度下的信号奇异谱熵作为特征向量．以特征向量为基础,运用多类支持向量机识别故障类型．以渔船轴系故障诊断为例,设计了轴系故障模拟实验台,研究表明：该方法能有效地进行特征提取和故障分类．