基于偏最小二乘分析的双模粒子滤波目标跟踪

针对在复杂背景下,基于主成分分析(PCA)的目标跟踪方法准确率较低的问题,使用偏最小二乘分析,提出一种双模粒子滤波的跟踪算法.首先采用偏最小二乘分析对目标区域建模,作为观测模型;然后利用仿射变换描述目标的形变过程,分别在李群及其切向量空间上建立双模的动态模型;最后结合特征空间更新策略,使用粒子滤波实现目标跟踪.实验表明,所提出的算法能够有效滤除背景噪声,跟踪结果稳定且准确.     

白鹤滩水电站柱状节理玄武岩卸荷损伤数值试验研究

白鹤滩水电站坝基的柱状节理玄武岩具有明显的卸荷损伤特性。为研究这类特殊岩体的卸荷损伤规律,通过变形试验和强度试验获取卸荷过程中柱状节理刚度和强度的定量表达式,并结合离散元方法提出了一种考虑岩体卸荷损伤的数值算法。在此基础上,建立了柱状节理玄武岩的离散元数值模型,开展开挖卸荷过程中柱状节理玄武岩力学特性的损伤规律研究。数值结果表明:岩体卸荷参量从6.0 MPa卸载到1.0 MPa的过程中,柱状节理玄武岩竖直向和水平向的弹性模量分别降低64.8%和86.3%;黏聚力分别降低18.3%和46.1%;内摩擦角分别降低8.4%和64.7%;柱状节理玄武岩具有显著的卸荷损伤特性,在开挖卸荷过程中变形参数和强度参数均有较大幅度的降低,且水平方向的降低程度大于竖直方向。研究成果可为工程开挖方式和支护形式的选取提供有益参考。     

基于DEM的碎屑流运动特性数值模拟

采用颗粒离散元法建立了碎屑流三维数值模型,分别从整体和局部对碎屑流运动特性进行深入分析。结果表明:碎屑流的运动过程可分为启动加速、高速滑动和减速堆积3个阶段;边坡底面平整时,堆积体中大颗粒堆积在表面,而细小颗粒位于中下部位;碎屑流运动速度和能量损失受颗粒间的接触碰撞影响大;碎屑流不同部位运动速度最大值相同,达到速度峰值的时间与颗粒的初始水平位置有关,与深度无关;堆积体分区明显,堆积体中的颗粒按初始水平位置依次排布;坡脚位置堆积深度最大,往两侧逐渐减小;碎屑流在运动初期和末期横向运动明显,扩大了灾害影响范围。     

基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测

综合利用含错标签中的有用信息和数据结构中蕴含的鉴别信息,提出一种基于稀疏流形聚类嵌入模型和L1范数正则化的标签错误检测修正方法.首先,用稀疏流形聚类嵌入模型将数据投影到易分类的空间,利用标注正确的极少量样本和最近邻分类器获得新标签;然后,构造标签错误检测模型,获得仅含0、1元素的检测向量,正确、错误的标签分别对应着1、0的位置;最后,给出了相应的优化算法及收敛证明,并在相关实验上验证了算法的有效性.     

基于比例边界问断谱元法的无穷域亚音速圆柱绕流数值模拟

将比例边界坐标插值方法引入谱元法,构成比例边界谱单元;为了增加计算的稳定性,将节点布置在单元内部;用若干无限谱元离散计算域,用间断有限元方法对无穷域Euler方程亚音速圆柱绕流问题进行了数值模拟;计算结果的误差很小,显示了计算方法的可行性.     

求解多维半透明介质内辐射传递的谱元法

直角坐标系下的辐射传递方程可以看作一类特殊的对流扩散方程，且具有强对流特性。采用数值方法求解该问题需要特别的稳定技术，否则计算结果往往会出现非物理振荡现象。本文发展了基于流向迎风彼得罗夫-伽辽金（SUPG）格式的谱元法来求解多维半透明介质内的辐射传递。采用3个算例对SUPG谱元法求解多维半透明介质内辐射传递的性能进行了检验。结果表明，与伽辽金谱元法相比，SUPG谱元法有效地消除了解的非物理振荡现象，同时与解析解及文献中的结果相比较，SUPG谱元法对于求解多维半透明介质内的辐射传递有着很好的精度。     

一种新的基于最大边缘准则的监督流形学习方法

在深入研究局部样条嵌入算法(LSE)的基础上,引入明确的线性映射关系,构建平移缩放模型和正交化特征子空间,提出了一种正交局部样条判别投影算法(O-LSDP),有效解决了原始LSE算法存在的两个主要问题:样本外点学习问题和无监督模式学习问题。该算法能够应用于模式分类问题并显著改善算法的分类识别能力。在标准人脸数据库上进行的实验比较分析验证了该算法的有效性与可行性。     

基于流形正则化的非光滑非负矩阵分解

经典的非光滑非负矩阵分解方法只能发现数据中的全局统计信息,对于非线性分布数据无能为力,而流形学习方法在探索高维非线性数据集真实几何结构方面具有明显优势。鉴于此,基于流形正则化思想,提出了一种新颖的基于流形正则化的非光滑非负矩阵分解方法。该方法不仅考虑了数据的几何结构,而且对编码系数矩阵和基矩阵同时进行稀疏约束,并将它们整合于单个目标函数中。构造了一个有效的乘积更新算法,并在理论上证明了算法的收敛性。标准数据集上的实验表明了MRnsNMF的有效性。     

基于链接关系的半监督特征选择算法

社会媒体网络产生的海量、高维无标记数据给数据处理工作带来巨大挑战,同时数据样本间构成的链接图信息在现有模式识别算法中难以有效利用.基于此,文中充分挖掘社会媒体网络数据链接关系图,结合部分监督信息提出一种基于链接关系的半监督特征选择算法(SSLFS).该算法利用谱分析和稀疏约束,使得选出的特征子集保持原数据的局部流形和稀疏特性.在社会媒体数据集Flickr上的实验结果表明,SSLFS相比其他特征选择方法得到的特征子集在分类性能上有较显著提高.     

A Normalization Method of Moment Invariants for 3D Objects on Different Manifolds

3D objects can be stored in computer of different describing ways, such as point set, polyline, polygonal surface and Euclidean distance map. Moment invariants of different orders may have the different magnitude. A method for normalizing moments of 3D objects is proposed, which can set the values of moments of different orders roughly in the same range and be applied to different 3D data formats universally. Then accurate computation of moments for several objects is presented and experiments show that this kind of normalization is very useful for moment invariants in 3D objects analysis and recognition.