基于特征自学习的交通模式识别研究

针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型基于微软Geo Life数据,针对不同特征组合与分类方法设计实验,实验结果表明模型能学习到高区分度深度特征、有效提高交通模式识别准确率。     

基于特征自学习的交通模式识别研究

针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型首先利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型基于微软GeoLife数据,针对不同特征组合与分类方法设计实验,实验结果表明模型能学习到高区分度深度特征、有效提高交通模式识别准确率。     

二维人体姿态估计研究进展

人体姿态估计是人体动作行为识别与分析的基础,在计算机视觉领域有着广阔的应用前景。二维人体姿态估计算法可分为基于整体特征的、基于模型的和基于深度学习的3种:基于整体特征的人体姿态估计算法的研究集中在图像特征的提取和实现图像特征到部位定位的非线性映射函数上;基于模型的人体姿态估计算法的研究集中在人体模型、部位外观模型、搜索空间和推理算法四个方面;基于深度学习的人体姿态估计算法的研究集中在如何利用深度学习模型提取抽象图像特征和实现从图像到人体姿态的非线性映射两个方面。人体姿态估计研究虽已取得较好效果,但在估计准确度、收敛速度、鲁棒性和通用性等方面仍需进一步研究提高。     

基于改进深度学习模型C-NTM的脑电鲁棒特征学习

为了在脑电信号鲁棒特征学习中提取更多脑电抽象和深层特征,本文在卷积长短时记忆网络的基础上提出一种深度学习混合网络。采用快速傅里叶变换将多通道的脑电信号转换为一系列具有空域、时域、频域相关信息的频谱图;将改进的卷积神经网络和神经图灵机组合搭建完成深度学习混合模型卷积神经图灵机C-NTM;通过认知工作负载脑电的分类任务对改进的模型进行评估。实验结果表明:本文所提模型在相应的数据库上取得了94. 5%的准确率,优于目前在脑电分类任务中效果最好的模型。该模型能够有效地学习不同受试者之间和同一受试者不同状态时的脑电特征,实现更好的脑电鲁棒特征学习。     

深度卷积神经网络嵌套fine-tune的图像美感品质评价

针对使用卷积神经网络对图像美感品质研究中图像数据库过小的问题,使用fine-tune的迁移学习方法,分析卷积神经网络结构和图像内容对图像美感品质评价的影响。在按图像内容进行美感品质评价研究时,针对图像数据再次减小的问题,提出连续两次fine-tune的嵌套fine-tune方法,并在数据库Photo Quality上进行试验。试验结果表明,嵌套fine-tune方法得到的美感品质评价正确率比传统提取人工设计特征方法平均高出5.36%,比两种深度学习方法分别平均高出3.35%和2.33%,有效解决了卷积神经网络在图像美感品质研究中因图像数据库过小而带来的训练问题。     

基于CNN的三维人体姿态估计方法

针对传统三维人体姿态估计受遮挡限制的问题,提出一种基于卷积神经网络(CNN)的三维人体姿态估计方法。首先,实验模型系统采用了几段单目视频为输入源进行人体姿态识别。相对于传统的人体姿态估计方法,改进了一种顺序化的卷积神经网络用于提取人体空间信息和纹理信息。并通过对视频中人体的二维姿态估计,找出了人体头部和四肢关节点的精确位置。最后,通过投影关节点到三维空间,估计出每个人的三维姿态。实验结果表明,本文方法相比传统的姿态估计算法在人体行为上的测试平均误差从98.53 mm降低至92.88 mm,对于视频中的人体三维姿态估计有更优的精度。     

基于单模型集成的年龄估计框架

随着模式识别和计算机视觉的发展,根据人脸图像自动进行年龄估计在人机交互、安全监控和娱乐等领域已经成为一个非常热门的话题。针对特征冗余及对所提取特征不能充分利用的问题,构建一种基于单模型集成的神经网络框架(Age Estimation Framework Based on Single-Model Integration,AEF-SMI)。首先使用5×5、3×3和2×2的级联卷积核提取丰富的空间结构信息,连接不同卷积核组成不同通道,通过集成不同通道获取不同深度卷积激活特征,使网络框架获取高层的语义信息的同时也获取低层边缘纹理信息,最后利用提取到的特征对图片进行年龄估计。实验结果表明,在IMDB-WIKI与Group数据库上,与主流的年龄分类算法相比,AEF-SMI框架得到的准确率更高。     

基于时间距离像的人体动作深度学习分类

在人体目标的雷达自动识别中,常用提取到的人体微多普勒特征对人体运动状态或动作姿态进行识别。受人体多变姿态和躯干强回波的影响,人体微多普勒特征有时是微弱和模糊的,难以稳定提取并用于分类。本文使用超宽带雷达录取了人体动作的高分辨率距离像,由连续多帧距离像构建了覆盖整个动作的时间－距离像,采用深度卷积神经网络自动学习时间－距离像的分层特征并进行了分类,对９种动作的平均分类精度达到了９６.６７％。实验结果验证了深度卷积神经网络对基于时间－距离像的人体动作分类是可行和有效的。     

基于FCN的图像语义分割算法研究

图像语义分割的传统方法是依靠人工设计提取特征,用机器学习的方法进行分类,来达到分割的效果,但是过程比较复杂,且最终的分割效果也不理想.为解决该问题,提出运用深度学习的方法自动提取图像中物体特征,实现端到端训练,并提升分割精度.采用的基础网络是ResNet-50,同时采用空洞空间金字塔池化模块进行有效的特征融合,并在最后...     

基于多类型传感数据的自动驾驶深度强化学习方法

提出了一种基于多类型传感数据训练自动驾驶策略的方法,采用不同卷积网络对高维图像数据和低维目标级传感数据进行特征提取,然后对提取特征进行组合,采用组合特征学习自动驾驶策略。在仿真测试软件TORCS中设计车道跟随任务对本文方法进行验证,结果表明:基于多类型传感信息进行深度强化训练可以取得较好的车速和车辆横向偏移控制效果。     

Banach代数中的行列式理论

探讨了 Banach 代数中的行列式理论.给出了具有单位元的迹 Banach 代数具有行列式的充要条件.     

FMS中加工质量故障预报的新方法

对引起加工质量故障的原因进行了研究,建立了用于加工中心加工质量故障分析的与/或故障树,提出了隐加工质量故障(FMQF)的概念和由·FMQF 找出制造系统故障的决策树方法.本文在模糊理论基础上,提出了隐加工质量故障识别的新方法,用这种方法可以根据控制图的变化进行设备状态估计.基于以上研究,建立了可用于柔性制造系统隐加工质量故障预测和预报的专家系统.     

立方准晶的反平面问题与Ⅲ型裂纹问题

发展了立方准晶材料的断裂理论 .通过应用Fourier分析和对偶积分方程理论 ,得到了立方准晶材料Ⅲ型裂纹问题的精确解析解 ,并由此确定了位移与应力场 ,应力强度因子和应变能释放率 .结果表明 ,应力强度因子与材料常数无关 ,而应变能释放率依赖于所有的材料常数 .这些为研究此新固体材料的变形和断裂提供了重要的信息 .     

非织造布滤料性能及过滤过程的研究进展

对近年来非织造布滤料的研究进展做了简要综述,介绍了内部结构的研究及表征、过滤性能及其影响因素、过滤过程的计算机模拟,指出进一步发展所需要解决的问题。     

高师物理专业人才培养与基础教育衔接问题的研究

分析了当前高师物理专业人才培养与基础教育人才需求存在的问题,结合调查情况,提出了高师物理专业在培养目标、课程设置、教学内容、教学方法及实践教学环节方面的改革措施。     

JOURNAL OF BEIJING INSTITUTE OF TECHNOLOGY TOTAL CONTENTS(Vol.23)

正~~     

鞋面织物染整过程节能减排技术方法

鞋面织物染整是纺织工业中一个特殊分支,公司通过采用先进染色技术和工艺,可以从源头上达到节能和减少废水产生量的效果,废水产生后经过处理达标排放,部分经深度处理后回用。公司经长期实践后已经达到吨织物染整用水125m~3/t_(产品),吨织物排放废水79.2 m~3/t_(产品),水回用率达37.8%,吨产品蒸汽耗量从9t/t_(产品)下降到7 t/t_(产品),均达到国内国际先进水平。     

一种面向对象的超媒体系统的设计与实现

介绍了一种面向对象的 NBO(node-block-object)超媒体数据模型.该模型利用面向对象的方法,将多媒体信息和链接功能封装于一体,成功地实现了交叉链接和双向链接,大大增强了系统的灵活性,并实现了超媒体系统中的前、后向双向查找功能.在链接关系上,还实现了条件约束,从而大大方便了时间相关媒体信息的处理和多种媒体对象相互协作的操作.     

一类摩擦非线性系统的PID控制和摩擦补偿控制的实验比较研究

研究一类高度非线性摩擦特性影响下的控制系统的定位控制问题 .针对负载扭矩变化而造成摩擦特性的变化 ,采用PID控制和摩擦补偿控制对阀控液压马达控制系统的定位控制进行实验对比分析 .实验结果表明 ,常规比例控制由于受摩擦的影响产生较大的稳态误差 ,而积分控制的引入可减小稳态误差 ,但却引起系统产生极限环振荡和较长的调节时间 ;简单的定摩擦补偿在恒定的负载扭矩下可以有效地减小稳态误差 ,但是当负载扭矩大范围变化时 ,稳态定位精度将大大降低 ;基于误差和误差变化的动态摩擦补偿 ,在负载扭矩大范围变化的条件下均获得了高精度的定位控制 .     

Genomics,metagenomics,and microbial oceanography—A sea of opportunities

Microbial oceanography is an emerging discipline resulted from the interaction,cross-fertilization and integration of life science and ocean science.Microbial oceanography integrates the principles of marine microbiology,microbial ecology and oceanography to study the role of microorganisms in the biogeochemical dynamics of natural marine ecosystems.The application of genomics tools to study marine microbes is resulting in rapid advancements in microbial oceanography that has important implications in globa...