简介：

简介：近年来随着深度学习技术的引入,基于深度学习的人脸识别算法的性能得到了极大的提升.基于深度学习的人脸识别算法通常需要大规模的人脸数据作为训练集,但是制作一个大规模的人脸识别数据集,需要耗费大量的人力物力.为了在训练数据有限的条件下进一步提高人脸识别算法识别性能,特提出两种训练样本增强的方法：一是基于三维可形变人脸模型,根据单张人脸图像生成其对应的多姿态人脸图像;二是基于人脸关键点检测技术,根据单张人脸图像生成其对应＂戴眼镜＂人脸图像.通过这两种样本增强方法,对有限的训练样本进行扩充,从而有效提升了人脸识别算法的性能.

简介：目前安全气囊已在汽车上得到普遍应用，但其点火算法却没有统一的设计标准。详细论述了设计安全气囊点火算法的理论依据，包括乘员损伤准则、气囊点火条件和点火时刻确定法则。介绍了几种传统的安全气囊点火算法，并对其优缺点进行了对比。着重阐述了几种智能安全气囊点火算法的研究成果和发展前景，指出了安全气囊点火算法未来的发展方向。

简介：采用帝国竞争算法研究某轻型货车车架质量最优化问题。以某轻型货车弯曲和扭转工况为基础，进行有限元静态分析，得到车架最危险工况为扭转工况。以最小化车架质量为目标函数，引入扭转工况中的最大位移和最大应力为约束条件，建立数学模型，运用帝国竞争算法及罚函数法求解车架优化问题。将帝国竞争算法的求解结果与ANSYS零阶优化算法的结果进行比较，帝国竞争算法得到的车架质量更小，体现了较好的全局收敛能力，具有较好的实用价值和适用性。

简介：在目标模型的建立过程中,将积分直方图引入到粒子滤波跟踪框架中,提出了一种快速的颜色直方图计算方法,极大地提高了粒子滤波跟踪算法的实时性。为了进一步提高算法的鲁棒性,引入了一种基于邻域颜色特征的匹配搜索机制,当跟踪精度下降时,能够对跟踪结果进行优化,减小跟踪误差。实验结果表明了该算法的有效性。

简介：降维与分类一直是机器学习的研究热点，在很多领域有着成功的应用．针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题，现提出一种基于ReliefF和自适应粒子群（APSO）优化的混合降维算法．即先通过ReliefF和APSO算法选择特征子集，然后使用超限学习机作为评价函数对基因数据进行分类，最后通过循环迭代得到最优的分类精度．实验证明，混合降维算法与已有的算法相比分类精度更高、更稳定，它适用于基因表达数据降维．

简介：为了避免成像物体在核磁共振成像（magneticresonanceimaging,MRI）系统实际操作中的旋转难题,现提出一种基于径向基函数（radialbasisfunction,RBF）神经网络和微分进化（differentialevolution,DE）思想的磁共振电阻抗成像（magneticresonanceelectricalimpedancetomography,MREIT）算法.该算法只利用单方向磁感应强度,首先RBF神经网络对肺部仿真模型可行域电阻值和仿真计算磁场强度与真实电磁场强度之间的不匹配目标函数建立非线性模型,其次用微分进化算法寻找最优解.通过在二维、三维肺部仿真模型的仿真实验研究.结果表明,该算法在允许的误差范围内可以有效地对病变的肺部组织进行阻抗图像重构,统计结果与基于微分进化思想的MREIT算法相比,明显缩短了计算复杂度与计算时间.

简介：基于Flink平台对并行Apriori算法进行设计和实现.采用MapReduce计算框架对并行Apirori算法的迭代过程进行设计,并将Flink的流处理和内存缓存应用于算法的实现,从而了Apriori算法在并行计算下的挖掘速度.实验结果表明,基于Flink平台实现的并行Apriori算法对大数据处理有着良好的适应能力,并且在算法迭代次数和迭代产生的频繁项集较多的情况下,拥有较快的挖掘速度.

简介：针对传统跟踪算法（如邻域法、传统的相关跟踪算法）只能跟踪海上或空中目标，不能跟踪复杂背景下目标的问题，提出了一种稳定快速跟踪复杂背景下目标的算法。该算法在传统相关跟踪算法的基础上进行改进，相关处理之前采用边缘检测、阈值分割等方法去除复杂背景，提取出具有特征的目标信息。在跟踪过程中，根据匹配的效果自动对模板进行刷新。给出了算法实现的硬件组成和程序流程图。实验证明对于传统算法无法稳定跟踪的目标，改进后的算法能够实现稳定跟踪。

简介：自由立体显示中的视频图像在合成过程中存在速度要求高,图像处理数据量大等特点,在显示过程中,一旦用户偏离有效观看视区则无法看到正确的立体图像,到目前为止这些问题仍然存在,并阻碍着立体显示行业的发展。针对这种情况,提出了一种结合人眼跟踪算法的立体视频合成系统。通过判断人眼在屏幕前的位置,实时调整立体图像融合算法,使人眼始终能看到正确的立体图像对。由于该系统对跟踪的实时性和精确度要求较高,之前已有的算法很难同时在这两方面表现出色,因此提出了一种改进的人眼跟踪算法。该算法核心是基于ASM模型的人脸检测,并充分考虑了现场噪声和人体姿态频繁调整的特点,对ASM模型建立时空缓冲模型,处理结果直接映射到实际光栅空间分布模型中。根据当前ASM缓冲模型和光栅空间分布对应的映射点,对显示的图像进行相应的立体合成处理。这种自动跟踪人眼位置的立体视频显示方法跟踪速度快,位置计算精确,有效地扩大了立体视图区域。实验结果表明,该方法使观看者可以自由移动,在适当的范围内都可以看到清晰的立体影像,同时视频合成与播放的速度流畅,大幅提高了用户观看的舒适感。

简介：在视频编码中,DCT系数分布模型是率失真理论模型的基础,视频量化一般可分别为硬判决量化（HDQ）以及软判决量化（SDQ）,SDQ算法能实现最优编码性能,但其中维特比算法会导致严重的系数间串行处理依赖.比较而言,基于死区（deadzone）的HDQ算法率失真性能略有损失,但是不考虑系数间的相关性.提出了一种基于分段逼近TCM模型（TransparentCompositeModel）的自适应硬判决量化算法,采用更精确的DCT分布估计模型,估算不同频率分量DCT系数的分布参数.根据模型参数及DCT系数分布参数,优化构造自适应的死区偏移量模型.实验表明,相对于固定偏移量HDQ算法,其编码性能非常接近于SDQ算法.

简介：紫外地球敏感器作为姿态测量装置具有广阔的应用前景,它与星敏感器配合可使航天器的指向精度和稳定度提高一个数量级。针对地球紫外中心指向高精度提取问题,提出了一种基于点Hough变换的紫外地平圆盘中心提取算法。首先,采用Sobel边缘算子、大津阈值分割、梯度锐化确定边缘快速提取算法,准确提取地球紫外临边特征。然后对临边边缘采用点Hough变换和除噪得到中心的精确位置。结果表明,该方法可实现高精度地球中心提取。

简介：针对BPR模型收敛速度慢的问题，RandleS提出一种非均匀采样非隐式反馈数据方法AOBPR模型来加快收敛速度，可是该算法只能利用隐式反馈数据.为了改进其算法的不足，我们提出了一种将AOBPR模型与经典的基于矩阵分解的SVD＋＋算法相结合的算法AOBPR_SVD＋＋.改进后的算法不仅能利用隐式反馈数据也能利用显式反馈数据.最后通过在两个真实数据集中进行实验验证，表明改进后的算法可以获得更好的推荐效果.

简介：计步是惯性定位导航中重要环节之一,MEMS传感器在惯性定位导航中应用广泛,传统计步算法多采用基于加速度数据的峰值检算法.本算法融合了峰峰检测算法和穿越中间阈值算法,用户手持MEMS设备行走获取加速度计数据,进而算法推算行走的步数和轨迹.算法将从加速度采样数据中判断可能有效的计步点,算法判断这些点是否为有效计步点,进而得出行走的步数.最后结合步长、步数和航向信息推算行人的行走轨迹.实验结果显示,计步数据与实际步数误差为0.75%,推算的轨迹接近实际行走路径.该算法在不同人和不同环境中表现良好.

简介：在压缩感知、矩阵恢复等研究领域,弹性正则化方法引起了广泛的关注.由于该方法可以避免数据建模时（特别是解决复杂问题时）解出现大的波动,从而被视为解决相关问题的优秀方法之一.针对以上情况,提出基于Schattenp-norm最小化的矩阵恢复的弹性正则化模型,旨在加强解决复杂问题时的解的稳定性并改进矩阵恢复研究领域中基于核范数最小化逼近秩函数这一传统方法的缺陷.同时,为了解决提出的非凸模型,采用交替迭代算法和MM算法求解所提出的模型.实验结果表明,所提出的算法能够有效地恢复测量值较少的矩阵.

简介：针对目前缺少对LDPC码TDMP算法理论分析的问题,提出了TDMP算法的高斯近似.基于BP算法和对称条件,得到结果收敛的TDMP算法的高斯近似.利用高斯近似来分析TDMP算法的译码收敛性,为论证TDMP算法的优越性能提供了理论依据.基于Wimax标准,分别对BP算法和TDMP算法的高斯近似进行仿真.仿真结果表明,在相同情况下,TDMP算法译码收敛速度更快,需要的迭代次数更少.同时,给出了TDMP算法分别采用高斯近似和密度进化时的门限值,它们的差别仅为0.03～0.08dB.

简介：针对深层超限学习机算法在网络层数较浅时样本特征利用率低,和网络层数较深时样本特征经高层抽象后有效性降低的问题,本文提出了两种密集连接的多层超限学习机算法:Dense-HELM和Dense-KELM.这种密集连接的网络结构,使样本特征信息在层与层之间被充分利用,能够在不增加网络深度的情况下,显著提高算法的识别精度.最后,对文中提出的两种算法在20组基准数据集上进行实验,结果显示:本文提出的算法可以显著提高算法的识别精度,减少算法的训练时间,这表明所提出的算法具有有效性和实用性.

简介：提出了一种基于立体视觉的物体边缘检测的方法。先对立体图像对进行基于图割的立体匹配方法求取场景的视差图，然后再用Canny的边缘检测方法对视差图进行边缘检测。立体视觉方法有效解决了单目视觉检测方法中的一些难点，利用了物体在空间的深度信息，对复杂背景下的物体和具有复杂纹理物体的边缘检测有很高的鲁棒性。实验结果表明该边缘检测方法优于传统的单目视觉边缘检测方法。

简介：行人再识别是视频监控领域的关键问题之一，难点在于不同摄像机中同一行人的图像差异较大．基于行人图像的标识可由图像中的语义属性组合间接表示的假设，现提出使用一种基于深度哈希函数的行人再识别算法．通过卷积神经网络学习得到哈希函数，结合多目标损失函数保证分类的准确和哈希编码的有效，使得相似的图像能够获得相似的哈希编码，最后比较哈希特征间的汉明距离进行再识别．实验结果表明，深度哈希特征能够有效地进行行人再识别，提高了算法的执行效率．

简介：提出一种解决大规模非负矩阵分解的分布式算法.非负矩阵分解一直是矩阵分解领域中的热点问题之一,已有一些相关的算法.但是,对于大规模的非负矩阵,至今尚无高效的方法.本文采用近来解决大数据的分布式思想和并行式计算方法,并将它们与传统的矩阵分解算法相结合,提出一种基于并行式计算的分布式网络算法,以此实现大规模的非负矩阵分解问题.实验结果表明,所提出的算法较一般的分布式算法与集中式矩阵分解的算法更加有效和快速.