邵东县水资源开发利用中存在的问题及相应节水方案

文章分析了邵东县水资源短缺现状及开发利用中存在的问题,针对这些问题,提出了邵东县农业、工业及城镇节水方案,并指出制定合理有效的综合节水方案是邵东县节水型社会建设中的重要任务,对该县节水型社会建设将具有积极的指导意义。     

高效液相色谱-示差折光检测器测定柴油中多环芳烃

本文开展了柴油中多环芳烃(PAHs)的高效液相色谱(HPLC)分析方法的研究。氨基柱做固定相,正庚烷为流动相,采用示差折光检测器进行定性和定量分析。优化了柱流量和反冲洗时间,当柴油样品中双环芳烃(DAHs)加标浓度水平分别为0.8、2.0、4.0g/100mL,三环(及三环以上)芳烃(T+AHs)加标浓度水平分别为0.08、0.20、0.40g/100mL时,加标回收率分别为94%～108%和92%～106%,相对标准偏差分别为0.72%～3.18%及1.14～5.46%。该分析方法已成功地应用于柴油中PAHs的分析,其结果令人满意。     

基于独立分量分析的图像去噪研究

独立分量分析(independent component analysis,ICA)是基于信号高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量。在分析独立分量分析的基本模型及方法的基础上,讨论了有噪声信号的独立分量分析,使用最大似然估计对有噪声的ICA模型进行去噪处理,并研究了基于ICA的软门限图像去噪方法。在仿真实验中与其他的图像去噪方法进行了比较,突出了该方法在噪声方差较小时对非高斯信号的去噪优势。     

采用支持向量机的说话者确认中的样本平衡

支持向量机在与文本无关的话者确认系统中已经取得了广泛的应用,但是在实际应用系统中获得的目标说话人样本与冒认者样本数量比一般在几千分之一,因此存在很严重的样本非平衡问题,冒认者样本选择的好坏直接影响到整个系统的性能。本文提出了两种挑选冒认者样本的方法。实验证明这些方法能有效地解决上述问题,性能比随机挑选冒认者样本的方法有了提升,经过在2004年NIST说话人识别数据库上进行测试,等错误率由9.3%降低到6.8%,错误率相对下降了26.9%。     

一种改进的FastICA算法及其应用

独立分量分析是基于信号高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已经广泛应用到语音信号处理、图像处理及信息通信等方面。目前应用较多的快速独立分量分析（FastICA）利用了牛顿迭代法原理,具有较快的收敛速度,但对初始值的选择比较敏感。为克服其缺点,改进其优化学习算法,在牛顿迭代方向增加一维搜索,使改进后的算法的收敛性不依赖于初始值的选择。将改进的FastICA算法应用到运动目标检测中,取得稳定性较强的结果。     

进口低阶煤内水的研究

针对进口低阶煤分析样品在恒温恒湿条件下进行空气干燥的状况,比较在不同湿度条件下煤样内水的变化及其对在空气干燥状态下各检测项目数值的影响。     

中深层无干扰地热能量交换装置优化研究

以西咸新区沣西新城无干扰地热能供暖项目(三期)一标段枫溪美郡工程为依托,在分析地热能交换原理的基础上,对中深层无干扰地热能能量交换装置从取热装置、换热管安装装置优化展开研究.采用优化后的门式支架换热管安装装置,与传统安装方式相较,提高了中深层无干扰地热能地热井内HDPE换热管安装质量、安装效率.具有显著的经济性和社会效...     

中深层无干扰地热能供暖节能环保施工技术研究

以陕西省西咸新区沣西新城无干扰地热能供暖项目(三期)一标段枫溪美郡工程为依托,结合工程实践,在分析环保施工要保证资源最优化、污染最小化、经济最大化原则的基础上,对中深层无干扰地热能供暖项目施工中的地热能提取技术、泥水分离技术两项环保技术手段及环保管理措施进行了总结分析.提出了中深层无干扰地热能节能环保施工技术,通过现场...     

基于模型距离和支持向量机的说话人确认

针对采用支持向量机的说话人的确认问题,提出采用背景模型、说话人模型、测试语句模型间距离和夹角作为支持向量机的特征矢量,同时将组特征矢量与广义线性判别式序列核函数的参数相拼接,能够取得相对于基线的混合高斯模型算法更高的识别率.在2004年NIST评测数据库上,采用推荐算法的系统等错误率比基线的混合高斯-背景模型系统低16%.对说话人识别取得一定进展.     

基于本征音因子分析的短时说话人识别

提出了一种基于本征音因子分析的文本无关的说话人识别方法.它解决了训练语音与测试语音均很短的情况下,传统的基于最大后验概率准则的混合高斯模型无法建立稳定的说话人模型问题.首先利用期望最大化算法在开发集上训练出说话人的本征音载荷矩阵,在说话人模型建模时通过将短时语音数据向本征音空间的降维映射来得到模型参数.实验结果表明,在NIST SRE 2006数据库中的10 s训练语音-10 s测试语音任务中,在传统的混合高斯模型的基线系统上,通过采用本征音因子分析的方法可以使系统等错误率降低18%.