結合本征分解和抽樣學習的快速SVM分類器

為了提高經典支持向量機（SVM）分類器的運算效率，提出一種改進的快速SVM分類器。針對低維空間向高維空間變換時核矩陣運算效率低的問題，采用本征分解方法對核矩陣進行降維處理，得到核矩陣的近似表示；同時，對訓練子集進行劃分，隨機抽樣訓練樣本進行學習，進一步提高SVM分類器的運算效率。圖像分類實驗結果表明，改進的SVM分類器不僅分類正確率高于經典SVM、隨機森林和神經網絡分類器，而且訓練耗時最少，平均分類耗時也低于經典SVM分類器。

發(fā)表于：10/23/2017

人工智能下棋已不新鮮，未來還要當一名優(yōu)秀“寫手”？

現(xiàn)在人工智能的寫作也在快速發(fā)展，一些簡單的新聞以及文稿如今已經不弱于一般人的寫作。

發(fā)表于：10/23/2017

拳打AlphaLee，腳踢AlphaMaster，全新AlphaZero實現(xiàn)自我學習

柯潔稱：“一個純凈、純粹自我學習的alphago是最強的...對于alphago的自我進步來講...人類太多余了?！?/a>

基于MapReduce的并行抽樣路徑K-匿名隱私保護算法

K-匿名算法及現(xiàn)存K-匿名改進算法大多使用犧牲時間效率降低發(fā)布數(shù)據(jù)信息損失量的方法實現(xiàn)數(shù)據(jù)的匿名化，但隨著數(shù)據(jù)量的急劇增長，傳統(tǒng)的數(shù)據(jù)匿名化方法已不適用于對較大數(shù)據(jù)的處理。針對K-匿名算法在單機執(zhí)行過程中產生大量頻繁項集和重復搜索數(shù)據(jù)表的缺點，將MapReduce模型引入到抽樣泛化路徑K-匿名算法中對其進行優(yōu)化。該方法兼具MapReduce及抽樣泛化算法的優(yōu)點，高效分布式匿名化數(shù)據(jù)集，降低發(fā)布數(shù)據(jù)集信息損失量，提高數(shù)據(jù)的可用性。實驗結果表明：當數(shù)據(jù)量較大時，該優(yōu)化算法在時間效率及數(shù)據(jù)精度方面有顯著提高。

發(fā)表于：10/20/2017

基于FPGA的LMS自適應濾波器設計

提出一種基于LMS（Least Mean Square）自適應算法的濾波方法，介紹該方法在低頻信號濾波上的應用及在FPGA平臺上實現(xiàn)。傳統(tǒng)數(shù)字濾波器FIR、IIR濾波器針對不同的系統(tǒng)和干擾信號，其濾波參數(shù)不固定。因此，在窄帶信號的濾波處理中，傳統(tǒng)濾波器對信號濾波降噪的效果往往受到衰減增益限制。提出的方法先以CORDIC(Coordinate Rotation Digital Computer)算法產生的正弦信號來調制采樣信號，根據(jù)采樣信號與基準信號誤差使其權向量沿負梯度方向終止于維納解。該方法在類直流輸入及帶寬窄的情況下仍能有效過濾高頻噪聲，讀取低檢測信號幅值。理論分析和實驗結果表明,與傳統(tǒng)濾波方法對比，該濾波方法在處理窄帶信號的濾波上更具有優(yōu)勢。

發(fā)表于：10/17/2017

基于跨平臺的實時數(shù)據(jù)處理系統(tǒng)的設計

設計實現(xiàn)了一款實時數(shù)據(jù)處理系統(tǒng)，是SCADA（數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)）的數(shù)據(jù)核心。在基于國產軟硬件平臺的基礎上，采用跨平臺的架構設計，介紹了實時數(shù)據(jù)處理系統(tǒng)的功能及設計實現(xiàn)。該實時數(shù)據(jù)處理系統(tǒng)采用在共享內存中創(chuàng)建多個隊列的方式存放輸入和輸出的數(shù)據(jù)，既方便多個進程同時存取數(shù)據(jù)，又保證了數(shù)據(jù)處理的實時性。

發(fā)表于：10/16/2017

結合改進編輯距離與SVM的圖像分類方法

提出了一種圖像分類方法，結合圖像的多尺度字符串表示以及改進的編輯距離和SVM分類器進行圖像分類。首先，對圖像進行多尺度分塊，提取各個歸一化圖像子塊上的方向梯度直方圖特征，并將生成的多尺度特征向量用多個字符串進行表示；然后，提出融合編輯操作，改進字符串的編輯距離，通過計算兩幅圖像對應的兩組字符串之間的改進編輯距離來測量兩幅圖像的相似度；最后，采用改進的編輯距離計算徑向基函數(shù)，進行改進的SVM分類。實驗結果表明，該方法的分類正確率高，且平均分類耗時少。

發(fā)表于：9/14/2017

基于KELM決策融合的語音情感識別

針對語音情感信號的復雜性和單一分類器識別的局限性，提出一種核函數(shù)極限學習機（KELM）決策融合的方法用于語音情感識別。首先對語音信號提取不同的特征，并訓練相應的基分類器，同時將輸出轉化為概率型輸出；然后利用測試集在基分類器的輸出概率值計算自適應動態(tài)權值；最后對各基分類器的輸出進行線性加權融合得到最終的分類結果。利用該方法對柏林語音庫中4種情感進行識別，實驗結果表明，提出的融合KELM方法優(yōu)于常用的單分類器以及多分類器融合方法，有效地提高了語音情感識別系統(tǒng)的性能。

發(fā)表于：9/14/2017

基于基元自相關圖和結構元直方圖的圖像檢索

針對目前的基元自相關圖在表達圖像顏色特征時空間相關性不強、基于單一特征檢索時精度低的問題，提出了一種改進的基元自相關圖和結構元直方圖的圖像檢索方法。首先，將彩色圖像非均勻的量化為63種顏色，并且對圖像進行均勻分塊，同時采用子塊顏色代表值代替子塊內每個像素點的顏色值；然后用定義的基元和結構元分別統(tǒng)計每個子塊信息并提取圖像基元自相關圖和結構元直方圖；最后綜合提取的兩個特征進行相似性度量。實驗結果表明，相較于以顏色自相關圖、基元自相關圖及基于結構元的圖像檢索方法，該方法有效地提高了檢索的精準率，改善了檢索結果的排序值，并具有很好的穩(wěn)定性。

發(fā)表于：9/13/2017

AMD拉著百度一起搞ROCm軟件平臺優(yōu)化，英偉達這下要肝顫了

AMD與百度合作優(yōu)化百度數(shù)據(jù)中心上的軟件，這將會縮小和英偉達的差距；AMD的這一舉措是積極的，因為它將加強AMD的開源ROC1.6軟件平臺；AMD已經與百度聯(lián)手在百度的數(shù)據(jù)中心上針對其Radeon Instinct GPU優(yōu)化軟件。最終，AMD的開源ROC1.6軟件平臺將會更好地與英偉達的CUDA GPU計算軟件平臺競爭。

發(fā)表于：9/13/2017

機器人解決法律糾紛，人工智能怎么做到的？

“小崇”機器人，是由經驗豐富的一線法官和專業(yè)信息技術公司共同參與，經過半年多時間，以2800萬案例數(shù)據(jù)構建的法律大數(shù)據(jù)平臺。

發(fā)表于：9/11/2017

語音助手成了黑客助手，設備能夠聽到超聲波？

設備安全問題確實不讓人省心，近日研究人員又發(fā)現(xiàn)了新漏洞，他們居然利用人耳聽不到的音頻劫持了語音助手?？磥?，Siri和Alexa等產品可不只是聽你的命令。

發(fā)表于：9/11/2017

華為全聯(lián)接大會正在召開，引入賽靈思FPGA的云服務器亮相

All Programmable 技術和器件的全球領先企業(yè)賽靈思公司今天在華為全聯(lián)接大會（HUAWEI CONNECT 2017）上宣布，華為首發(fā)的FP1實例選擇賽靈思高性能Virtex®UltraScale+? FPGA為其最新加速云服務提供強大動力。華為 FPGA 加速云服務器（FACS）平臺可支持其用戶在華為公有云上開發(fā)、部署和發(fā)布基于 FPGA 的新型服務和應用。

發(fā)表于：9/10/2017

數(shù)字代幣驚魂24小時：超半數(shù)ICO平臺進入清退流程

央行等部門聯(lián)合發(fā)布的一份公告，讓數(shù)字代幣們經歷了驚魂24小時。24小時過去了，90%的數(shù)字代幣們仍處于下跌狀態(tài)。

發(fā)表于：9/7/2017

DFT插值算法在鼓風機故障模式識別中的應用

提出一種離散頻譜估計新方法，該方法在傳統(tǒng)插值方法基礎上運用加零技術，能較快確定頻譜的小數(shù)部分。新方法提高了離散頻譜估計的速度與精度，并能被應用于煤氣鼓風機等旋轉機械的故障模式識別。實驗結果表明，新算法有效提高了煤氣鼓風機故障模式識別的準確度。此外，仿真研究顯示，該方法不僅在噪聲條件下的估計誤差較傳統(tǒng)算法低，而且能適用于除漢寧窗以外的其他經典窗函數(shù)，具有較強的兼容性與魯棒性。

發(fā)表于：8/16/2017