TMD减振结构的主结构模态参数识别研究，谢丽宇，陈依珂，调谐质量阻尼器(Tuned Mass Damper, TMD)是最常用的一种被动控制系统。由于TMD会对结构模态参数产生影响，通过传统的频域分析或模态识别方

本文在深度学习技术基础上对唇语进行识别研究，其具体流程及章节安排 如下： 1. 主要介绍了唇语识别技术的相关内容，给出了传统的唇语识别方法与基 于深度学习的唇语识别方法的区别与联系，并针对国内外研究状况进行了分析 介绍。 2. 对唇语识别技术的一些相关理论技术进行了介绍，并且利用唇语识别研 究中的人脸检测，唇部定位，视觉特征和时序特征的提取以及最后的唇动识别 这几个方面来展开介绍，同时也介绍了深度学习方面相关模型与算法。 3. 首先对唇语识别的实现过程做了简要叙述；其次，通过检测人脸与脸部 关键点来对唇部进行检测做了详细介绍；最后，介绍了通过手工设计特征 HOG 特征以及采用 LSTM 网络来对唇语进行识别，并在公开的 GRID 数据集上进行 验证。

近年来，深度学习中的卷积神经网络已经广泛运用于图像识别领域，它不仅显著提升了识别准确率，同时在特征提取速度方面也优于许多传统方法。针对高速公路环境下的车型识别问题，引入卷积神经网络（CNNs）理论，设计相应特征提取算法，并结合SVM分类器构建识别系统。通过对高速公路上主要三种车型（小车、客车、货车）的分类实验显示，该方法在识别精度及速度上均取得了较显著的提高。

基于PCA的人脸识别研究.rar

如何提高左右手运动想象脑电信号的分类率是脑机接口研究领域的一个热点话题。基于美国EGI64导脑电采集系统得到3名健康被试的脑电数据,首先,采用独立成分分析(Independent Component Analysis,ICA)对采集的数据进行去噪处理;然后,利用离散小波变换方法对分解C3/C4处的EEG平均功率信号,选用尺度6上逼近系数A6的重构信号作为脑电特征信号;最后,用Fisher线性判别分析法(Fisher Linear Discriminant Analysis,FLDA)、支持向量机方法 (Support Vector Machines,SVM)和极限学习机分类方法 (Extreme Learning Machine,ELM)分别对特征信号进行分类。分类结果表明:极限学习机分类方法得出的平均分类率要高于Fisher方法与SVM方法的平均分类率,可以达到92%,而且运行速度也高于另两种分类算法。

恶意网页识别研究综述

随着信息技术及互联网技术的飞速发展，网络信息成为一种人们熟知的便捷信息来源和休闲方式，但网络上大量的色情淫秽等不良信息已经严重干扰了正常的网络生活，严重毒害着青少年的身心健康，网络空间的色情传播已在全球引起了关注，如何净化网络环境，增加对网络活动的监控手段，提高信息识别的能力便成为一种强烈的需求，作为其技术支持，基于内容的不良信息识别技术日益引起人们的重视。基于内容的不良图像的识别和检测技术近来已引起人们的极大兴趣，同时它也是基于内容的网络过滤系统所面临的一个重要且亟待解决的研究课题。色情图像的识别问题实际上是一个图像分类问题，我们使用基于内容的方法对图像进行研究，采用统计分类方法实现对色情图像的识剐，采用的关键技术有：肤色检测、目标区域的提取、图像特征的提取、分类器的设计。

针对脑电信号的注意力识别精度问题，本文应用深度森林的算法进行仿真研究。首先对原始脑电信号通过小波分析进行预处理去噪，然后采用深度森林的方法进行分类识别。实验分别对6位受试者在注意和非注意两种状态下的脑电信号进行分析，结果表明，对注意力状态识别的准确率达到了95%以上，同时对通用数据库中清醒和睡眠两种状态下的脑电数据进行识别，也取得了较高的识别率，结果证明了该算法对脑电信号注意力识别的准确率是可靠的。

提出了一种在振荡波电压下高压电缆局部放电模式识别研究，试验制作了4种不同的电缆缺陷，对4种缺陷模型施加振荡波电压并测量局部放电信号及PRPD谱图、PRPS谱图，以谱图正负半轴提取模式识别输入特征量，采用BP神经网络算法对4种不同放电缺陷进行识别，并提出哈希图形算法，识别结果在原有基础上提高了10%。验证该方法的有效性，结果表明：采用BP神经网络和哈希算法结合分析，以谱图的正负半轴提取特征量，能够很好地识别出4种不同的放电缺陷，具有很好的实际应用和参考价值。

Web 2.0时代,消费者在在线购物、学习和娱乐时越来越多地依赖在线评论信息,而虚假的评论会误导消费者的决策,影响商家的真实信用,因此有效识别虚假评论具有重要意义。