一种基于噪声分类的语音增强方法

为了提高噪声估计的准确性,改进语音增强方法性能,在改进的最小控制递归平均算法（Improved Minima Controlled Recursive Averaging, IMCRA）的基础上提出了一种基于噪声分类的语音增强方法。该方法首先对含噪语音进行噪声类型的判断,然后根据判定的噪声类型选取相应的最优参数进行噪声估计,最后采用最优修正的对数谱幅度语音估计计算增强后的语音。该方法相对于传统IMCRA算法,在语音信号的还原和背景噪声的抑制两方面都有较好的性能。     

基于梯度方向直方图特征的医学图像分类方法

医学图像分类是医学图像处理中的研究热点,可应用在医疗信息化、辅助诊断和远程医学等方面。采用梯度方向的直方图特征来描述图片的边缘特征,利用支持向量机对多类别的图片进行分类,并比较了几种不同的核函数对分类效果的影响。     

重尾分布的网络流量SVM分类

网络流量表现出突发和自相似等动态特性,使得网络应用很难进行准确分类。本文分析了流量动态特性产生的不平衡性及其重尾分布,提出了基于重尾分布的流量分类定量分析模型。基于该分析模型,研究分类算法中训练集采集位置和规模大小的选取。考虑到混合流量中的次要数据流通常是小样本,选用支持向量机(SVM)算法进行流量分类。实验结果表明：重尾分布的流量分类训练集可以选择最佳采集位置和规模,以获得较好的分类模型,该定量分析模型对流量分类及提高分类精度有指导意义。     

一种用于噪声估计的改进最小值搜索方法

含噪语音短时功率谱的最小值搜索是噪声估计的基础。为了提高非平稳噪声估计的准确性,减小噪声水平上升时的噪声估计延时,提出了一种同时使用大、小两个搜索窗进行并行搜索的方法,最小值搜索的最终结果由两个并行搜索结果和基于噪声分类的语音存在二值判决共同决定。实验结果表明：对于高度非平稳的噪声,该方法能够有效地减小噪声估计的延时问题,显著提高增强后语音的质量。     

基于广义加权支持向量机的焊接缺陷分类方法

提出了一种广义加权支持向量机（GWSVM）的焊接缺陷分类算法。首先为克服由于样本数量不平衡性引起的小样本类别精度差的问题，引入由于样本差异的权重；然后为解决不同类别的重要性要求，根据经验人工确定不同类别重要性的权重。针对样本重要性的影响，采用有监督模糊聚类方法来确定样本重要性权重。测试结果表明：广义加权支持向量机在噪声影响较大及样本类别相差较大时，能够提高重要的、数量少的缺陷检测精度。     

面向深度自动问答的糖尿病饮食问题分类

以糖尿病患者饮食问题为例,从用户视角出发,提出基于功能的问题分类体系,利用支持向量机算法对患者提出的问题进行分类,为深度自动问答系统的构建提供重要支持。     

一种简单准确的贫血分类方法

目的：用RDW／MCV参数对临床贫血惠者进行分类并使之得到广泛有效的临床应用。方法：用自动血细胞分析仪测得的参数对我院就诊的221例患者用RDW／MCV和经典的平均红细胞参数两种方法进行分类。结果：两种分类方法符合率为94．87％～100％。结论：RDW／WCV贫血分类方法简单准确，值得临床推广应用。     

强噪声条件下基于小波包能量的语音增强新算法

目的：研究在强噪声背景条件下增强语音质量的方法,为在复杂条件下获取语音信号奠定基础.方法：在应用小波包分析技术对语音信号进行分解与重构的基础上,对分解后的小波包系数进行尺度,时间2个方面的阈值自适应调节,再对此系数进行重构以实现语音信号的噪声自适应消除.结果：在信噪比为0dB的强噪声条件下,在0～3000Hz较宽的频率段上,增强后的语音频谱明显清晰,且各频谱成份更加丰富.结论：本方法能够在强背景噪声条件下对语音信号中的噪声成分进行有效去除.     

一种新的支持向量机增量算法

分析了增量学习过程中支持向量和非支持向量的转化情况。在此基础上提出一种误分点回溯SVM增量算法,该算法先找出新增样本中被误分的样本,然后在原样本集寻找距误分点最近的样本作为训练集的一部分,重新构建分类器,这样能有效保留样本的分类信息。实验结果表明:该算法比传统的支持向量机增量算法有更高的分类精度。     

基于支持向量机的故障诊断方法

提出了基于支持向量机的故障诊断方法和步骤。诊断实例表明，与神经网络故障诊断方法相比，诊断小样本分析的支持向量机故障诊断方法具有分类能力强、推广能力好的特点。     

基于CLSTM的步态分类方法

步态分类在人体运动能量消耗评估等应用中具有重要意义,提高分类精度和降低对统计特征的依赖是步态分类的研究热点。采用传统的步态分类方法提取的步态特征用于细分化步态时不能得到较好的效果。考虑到步态的连续性和不同轴之间信号的相关性,本文提出了基于CLSTM的步态分类方法：采用卷积神经网络（CNN）操作,通过计算多轴步态数据提取步态特征;基于长短期记忆（LSTM）构建步态时间序列模型,学习步态特征图时间维度上的长期依赖性。基于USC-HAD数据集的实验结果表明,用此方法提取了步态序列特征,很好地利用了步态时间序列特点,提升了11种步态的分类精度。     

基于混合域注意力机制和残差网络的特纳综合征分类研究

目的:利用人脸图像,构建基于深度学习的特纳综合征(Turner syndrome,TS)分类模型,旨在提高TS诊断准确率,降低诊断开销.方法:首先,将通道域注意力机制和空间域注意力机制以及残差结构相结合,提出一种具有混合域注意力模块的残差网络,然后使用深度迁移学习技术完成模型的初始化,最后使用TS人脸数据集对网络模型进...     

位并行数据包分类算法研究

主要介绍了位并行包分类算法及两种改进算法，并对这几种算法进行了详细分析、对比，最后指出位并行算法需要进一步解决的问题，提出了这些问题的解决方案。     

基于ResNet深度网络的人类蛋白质图谱图像分类方法研究

将基于深度学习的图像分类方法引入人类蛋白质图谱图像分类中,利用ResNet深度网络构建面向人类蛋白质图谱图像分类的深度卷积神经网络,通过混合模式的蛋白质显微镜图像进行验证。结果表明该方法比其他自动分类法具有更高的准确率和精度,大大节约人力和时间。     

普列克底物蛋白同源结构域家族A成员1蛋白在肿瘤中的研究进展

普列克底物蛋白同源结构域家族A成员1蛋白(PHLDA1)又称TDAG51,其异常表达与肿瘤的发生、发展和转移密切相关。本文对PHLDA1的基因结构、生物学特性及其在乳腺癌、胃癌、肝癌、黑色素瘤和骨肉瘤等多种恶性肿瘤中的研究进展进行综述,以期更全面综合地了解PHLDA1基因及其对肿瘤诊断治疗的临床意义。     

改进型分层聚类方法对中药分类研究

传统分层聚类方法常难以处理高维数据或大样本数据.论文对算术平均、算术平均变化率等概念作了介绍,应用算术平均变化率对样本数据预处理,提出一种基于改进型的分层聚类方法对中药实验数据提取VIP并构建分类模式.实验证明,该方法是可行有效的.     

s域SISO系统概率鲁棒设计亲方法

通过引入随机向量截尾分布描述系统不确定性，并对优化性能指标进行概率加权，提出了一种新的鲁棒控制器设计方法。所得结果保守性低，兼顾了鲁棒稳定性和鲁棒性能，且控制器性能在标称情况和最坏情况之间得到概率折衷，实现了整个参数平面的一体化设计。仿真结果表明该方法的有效性。     

糖尿病周围神经病变患者血小板活化与中医证型分布的关系研究

[目的] 探讨糖尿病周围神经病变(diabetic peripheral neuropathy，DPN)患者血小板活化与中医证型分布的关系。[方法] 收集2020年2月至2022年12月于本院住院确诊的DPN患者188例。中医证型采用指标聚类分析，绘制聚类图。采用简单对应分析中医证型与病变程度的对应性，比较不同中医证型的一般临床资料、血小板参数及血小板活化物，从而探讨血小板活化与中医证型分布的关系。[结果] 截取聚类图的不同位置，证型分型不同，其中D点截取分为5个证型:阳虚证、气虚证、阴虚证、瘀血痹阻证及痰湿阻络证。188例DPN患者中，痰湿阻络证18例(9.57%)、瘀血痹阻证53例(28.19%)、阳虚证28例(14.89%)、阴虚证39例(20.74%)、气虚证50例(26.60%)。DPN病变程度分级为Ⅰ级56例(29.79%)、Ⅱ级76例(40.43%)、Ⅲ级56例(29.79%)。痰湿阻络证和瘀血痹阻证在二维投影图中间，并未偏向DPN病变程度某一分级；阳虚证偏向Ⅲ级，阴虚证偏向Ⅱ级，气虚证偏向Ⅰ级。与气虚证比较，阴虚证、阳虚证患者的血小板(blood platelet ，PLT)计数、平均血小板体积(mean platelet volume，MPV)、血小板分布宽度(platelet distribution width，PDW)、E26转录因子-1(E26 transformation specific-1，ETS-1)、血小板活化因子(platelet activating factor，PAF)及血小板颗粒膜蛋白-140(granular membrane protein-140，GMP-140)均明显升高(P<0.05)；与阴虚证比较，阳虚证患者的PLT、MPV、PDW、GMP-140、PAF、ETS-1均明显升高(P<0.05)。[结论] 临床可常规将DPN分为阳虚、气虚、瘀血痹阻、阴虚和痰湿阻络5个证型。随着DPN进展，中医证型也发生从气虚到阴虚到阳虚的转化，而瘀血痹阻和痰湿阻络伴随DPN患者各阶段。在DPN进展中，血小板活化可能参与中医证型转化过程。