多模态融合的家庭音乐相册自动生成

随着大数据以及社交网络的发展,电子相册与在线服务成为如今人们使用计算机与互联网的基础应用.尤其是近年社交网络的流行,电子相册的数量得到了爆炸增长,而如何增强相册的用户体验变得尤为重要.具有某种主题的相册一般都带有一定的情感信息,因此,本文研究了基于多模态融合的家庭音乐相册自动生成问题,旨在使用户能够在享受音乐的同时配以与音乐情感相同的相册图片.针对音乐与图片中所蕴含的情感,本文在音乐和图像中分别选取能够表达其情感的句子级别的音频特征和图像特征,然后在图像与音乐之间异构和跨模态的特征融合问题上,采用局部保持投影（LPP）方法,将图像特征与音乐特征映射到更具情感分类能力的隐式特征空间中,实现了音乐相册的自动生成.在实验中,客观评测结果表明,采用LPP方法在查准率方面高于纯CCA方法;在主观评测中LPP获得72.06%的满意度,与人工推荐的评价结果（78.09%）比较接近,明显高于随机推荐和CCA方法的满意度.     

基于属性关系深度挖掘的试题知识点标注模型

在各类在线学习系统中,为了给学生提供优质的学习资源,一个基础性的任务是对大量未标注的试题进行知识点标注.已有标注方法通常基于人工专家标注或者采用传统机器学习方法.在实际应用中,这些方法普遍存在成本过高、标注精准度不足等局限.为此,本文提出了一种基于属性关系深度挖掘的试题知识点标注模型.首先,利用句法语义模型和结构语义模型分别从试题文本和试题图形中抽取试题的显性属性关系.然后,利用蒙特卡罗树搜索构建问题求解框架,挖掘试题的隐含属性关系.最后,结合学科知识图谱,将属性关系映射到知识图谱空间,生成试题知识点.实验结果表明,所提出的方法能够有效地进行试题知识点标注,将对学生认知诊断、个性化试题推荐等具有一定的实际应用价值.     

基于实例的词性标注方法研究

汉语的词性自动标注工作是自然语言处理的基础性课题，在文本自动分类、全文自动检索和自动文摘等领域都有重要的实际应用价值，本文首先对传统的词性标注方法进行了介绍，然后提出了一种基于实例的词性标注方法，并对其进行了一些尝试性的研究。     

多普勒雷达图像逆风区的自动监测识别

在多普勒雷达降水回波径向速度场中及时准确地发现逆风区,对灾害天气预报预警具有重要意义.根据逆风区在雷达径向速度图中的物理图像特征,采用数字图像处理和分析方法实现了逆风区自动监测识别.首先,以雷达图像色标为依据,采用阈值法分别获取正、负速度区域二值图像,再对2幅图像分别进行形态学运算,然后将上述4幅图像做交叉逻辑运算,得到逆风区监测识别结果和相关参数.通过在2005-2011年长沙雷达站47幅根据实况进行人工标注后的多普勒雷达径向速度图像上进行实验,表明该方法对逆风区可以进行快速准确识别,与人工标注结果比较准确率可达89%,满足实际应用需要.     

图像多标签学习的研究概述

随着图像大数据的爆发,特别是用户贡献数据的飞速增长,图像样本的语义内容越来越丰富,标签信息也随之越来越复杂.因此图像多标签学习的研究是近年来学术圈和产业界的研究热点之一,涌现了大量表现优异的方法和技术.基于此,本文将对近年来图像多标签学习上的研究成果进行总结.首先,对多标签学习进行简单介绍,并详述其主流方法的分类;随后,针对目前大数据时代的数据特性,总结了多标签学习面临的新的技术难点及其对应的解决方案;最后,在应用层面上介绍了多标签学习在医学、计算机科学等领域的应用实例.     

强降雨监测预警产品原理和应用

通过对强降雨监测预警产品原理和方法的阐述,介绍了根据强降雨规律性特征和概念模型原理,利用卫星与自动站资料生成的强降雨监测预警产品制作流程,指出了产品特点、应用方式和注意事项,为强降雨监测预警产品的合理使用提供参考.     

Micaps原始数据的自动备份与处理系统

根据天气预报业务、气象服务实际情况和发展需要,基于局域网和省—地气象光纤通信网,实现各类Micaps原始数据的自动备份与压缩、完整性检测与补调、备份数据的自动处理、要素检索与报表输出,并提供缺失数据记录、网络测试、自动定时启停、补调进程显示等功能.对备份的各类Micaps原始数据,分时分段地进行自动处理,建立历史天气图分析处理与显示平台,通过人机交互方式生成各类Micaps系统数据格式的天气图表.提供灵活便捷的要素检索接口和输出方式,并具备图表输出功能.     

基于生成对抗网络和卫星数据的云图临近预报北大核心CSCD

利用风云四号气象卫星A星(FY-4A)红外云图,基于生成对抗网络方法,提出了红外云图外推预报模型,实现了华东区域未来3 h的云图预报,预报的时空分辨率分别为1 h和4 km。结果表明:该外推模型预报的云图可较好描述云团移动、发展和减弱趋势,对研究区域内云团的强度、位置和形态得到较为理想的预报效果。为了验证提出的云图外推模型的有效性,将其与光流法和轨迹门控循环单元模型进行比较。对比试验结果表明:该云图外推模型具有最优的预报效果,说明使用生成对抗网络进行云图外推具有较好的可行性,能有效应用于气象业务中监测云团的生消和移动并提前预警灾害性天气的发生,为天气预报提供重要的参考依据。     

基于多模态的音乐推荐系统

使用传统协同过滤的方式进行推荐往往会忽视音乐底层特征.通过将音乐的音频特征与歌词信息进行多模态融合,并将融合后的特征信息作为协同过滤推荐的补充,提出了一种基于多模态的音乐推荐系统.主要探讨了音频特征与歌词信息的提取,并在提取歌词信息时利用LDA主题模型进行特征降维.针对多模态融合问题,使用一种特征级联早融合法（EFFC）融合方式,并将多模态融合后的结果与单模态结果进行了比较.对于结果的推荐,以多模态特征信息为依据建立用户兴趣模型,并将该模型通过LSTM神经网络,以过滤与优化协同推荐的用户组.结果表明,基于多模态的音乐推荐系统将推荐结果的误差项平方和（SSE）由传统的2.009降至0.388 6,验证了该方法的有效性.     

基于深度语义分割的FY-2E遥感影像云检测方法

本文提出了一种基于深度语义分割技术的全自动云检测算法,可提高FY-2E遥感影像的云检测精度。首先,将FY-2EL1数据与精度较高的云检测结果进行匹配,获得用于训练和评估样本的数据集;其次,设计了深度语义分割网络,并针对训练集中正负样本严重失衡的问题,改进了损失函数,可以有效提取云的边界;最后,分别以FY-2E和MODIS数据作为训练和标签样本训练网络,得到了可用于FY-2EL1影像检测的四分类模型。试验结果表明,在四分类检测中,所提方法的准确率达到了75%,Kappa系数为0.53左右。与现有多通道阈值法相比,采用所提方法进行二分类检测可提高约90%样本的准确率,部分样本的准确率提升20%以上。此外,所提方法对云边缘、破碎云等细节识别能力较强,且具有一定的鲁棒性,受训练样本中的误判类别影响较小。未来通过扩充数据集并优化网络,可提高FY-2全圆盘影像的数据质量。     

面向智能驾驶视觉感知的对抗样本攻击与防御方法综述

现如今,深度学习已然成为机器学习领域最热门的研究方向之一,其在图像识别、目标检测、语音处理、问答系统等诸多领域都取得了巨大成功.然而通过附加经过特殊设计的细微扰动而构造出的对抗样本,能够破坏深度模型的原有性能,其存在使许多对安全性能指标具有极高要求的技术领域,特别是以视觉感知为主要技术优先的智能驾驶系统,面临新的威胁和挑战.因此,对对抗样本的生成攻击和主动防御研究,成为深度学习和计算机视觉领域极为重要的交叉性研究课题.本文首先简述了对抗样本的相关概念,在此基础上详细介绍了一系列典型的对抗样本攻击和防御算法.随后,列举了针对视觉感知系统的多个物理世界攻击实例,探讨了其对智能驾驶领域的潜在影响.最后,对对抗样本的攻击与防御研究进行了技术展望.     

基于生成对抗网络的异质人脸图像合成:进展与挑战

异质人脸图像合成旨在生成逼真、可识别的多种视觉形态的人脸肖像,包括画像、漫画等多种模态.异质人脸图像合成在公共安全和数字娱乐领域具有广泛的应用前景和重要的研究价值,已成为当前研究热点之一.近年来,随着生成对抗网络的发展以及其在多种图像风格转换任务中的成功,研究人员利用生成对抗网络构建了多种异质人脸图像合成的新方法.本文简要回顾了异质人脸图像合成的发展历史,并从异质人脸图像合成的应用进展、模型结构、性能评估、数据集和定性分析等方面综述了该领域最新的关键技术的发展情况,展望了异质人脸图像合成面临的挑战以及其关键技术的发展趋势.     

深度学习方法预测阿克苏地区冰雹云雷达回波个例分析

利用2021—2022年4—9月阿克苏地区冰雹云的雷达回波资料，基于轨迹GRU模型和GAN模型共同构建一个深度学习的回波外推模型，应用于强对流（冰雹）天气监测预警。采用分阈值和预报时效的评估方法，对深度学习的回波外推模型预测回波的效果进行分析，结果表明：（1）在30 min预测时间内，随反射率阈值增加，临界成功指数（CSI）和命中率（POD）逐渐降低，虚警率（FAR）先降低后升高，FAR在反射率阈值为35dBZ时最低。（2）在反射率阈值为35 dBZ和相同外推时效的情况下，基于深度学习的回波外推模型和光流法相比，CSI提高0.05~0.15，POD提高0.05~0.15，FAR降低0.05~0.12。（3）在预测反射率阈值为35 dBZ的强对流单体移动路径方面，基于深度学习的回波外推模型与TITAN法相比，预测的单体移动路径会更接近实况单体移动路径。     

基于生成对抗网络GAN的人工智能临近预报方法研究

研究设计了基于生成对抗网络(Generative Adversarial Networks,GAN)的人工智能临近预报方法,并进行了业务试验。该方法利用广东12部S波段天气雷达2015—2017年海量雷达拼图资料进行人工智能学习来做临近预报。GAN方法从一系列雷达观测资料中,运用卷积法提取回波图像信息建立预报模型,并通过损失函数训练模型,得到基于人工智能技术的临近预报。对2018年发生在广东地区的4个天气过程的外推预报试验表明,GAN方法对对流天气过程的回波位置、形状及强度的临近预报多数情况下与实况基本一致,具有较好的预报效果。但是该方法预报的回波范围偏大,对层状云降水的预报效果较差。对西风带系统引起的降水,西南季风降水,东风系统引起的降水以及台风降水的18个个例1 h预报的3个级别的回波强度检验发现,GAN方法对中等强度回波的预报较好,但对强回波的预报效果仍有待提高。     

An improved method for determining the degree of snow crystal riming by vertical Doppler radar

An improved method is described to quantitatively determine the degree of snow crystal riming in stratiform precipitation using vertically pointing Doppler radar. Using this method, an automatic determination of the degree of riming at any height above the melting layer is possible. The quantitative statement of snow crystal riming with a limited uncertainty is obtained by a strict separation of stratiform and convective precipitation. For stratiform precipitation, the uncertainty of the degree of riming determined by this remote sensing technique typically remains below one unit on a six step riming scale with somewhat larger uncertainties for very weak riming. A criterion is given for when the situation is stratiform enough to use the proposed method for determining the degree of snow crystal riming. This method is usefull in all studies where direct crystal observation is not possible and the degree of riming is needed with good time resolution over a longer time period and in different altitudes.     

Signal simplification and cloud detection with an improved Douglas-Peucker algorithm for single-channel lidar

Single-channel lidar is a widely used system in atmospheric aerosol and cloud detection. However, many difficulties remain in the automatic and accurate identification of cloud from backscatter signals. Popular methods have been proposed, but there is still large uncertainty in cloud detection, especially when the signal-to-noise ratio is low. In this study, a signal simplification approach based on an improved Douglas-Peucker algorithm is proposed. The layer base and top are then selected using the simplified signal and the raw range-corrected signal. Finally, we use a peak-to-base ratio function to distinguish a cloud layer from a non-cloud layer. The detection results of our algorithm are remarkably better than those obtained using the differential zero-crossing method.     

基于ORACLE的陇东南区域自动气象站数据库设计及应用

区域气象自动站的建立,提高了防灾减灾及突发灾害性天气的监测预警能力。随着站点建设规模的快速扩展,数据处理量成倍增多,对数据库系统的存储处理提出了更高的要求。ORACLE数据库在处理海量数据方面,性能优异、可伸缩性强。以ORACLE 10G作为核心数据库,设计、建立了基于ORACLE的陇东南区域自动气象站数据库与应用系统。经过试用表明,该数据库能够很好地满足区域自动气象站数据实时访问和检索需求,提高了数据应用效率,实现了陇东南和周边部分地区近千个站点的资料自动入库、存储和查询检索。本文对数据库设计、SQL语句查询优化原则、ORACLE数据服务器和客户端的连接配置等方面做了重点介绍。