DCNN深度特征与交替方向乘子的相关滤波跟踪

针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题：由于目标快速移动引起边界效应，使得相关滤波器在学习与更新过程中可能会引入错误，最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上，提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法，选择DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率，针对VOT2016标准测试视频的实验表明：当目标面临快速运动时，对比CN、SAMF、STC算法，所提DA-CFT跟踪算法将跟踪成功率分别由60.4%～73.4%、67.2%～82.9%、80.9%～88.1%提升至85.6%～91.0%。     

Pt-Sn/Poly(triazine imide)-碳纳米管复合材料的电催化性能

以不同质量比poly(triazine imide)(PTI)-碳纳米管(carbon nanotubes, CNTs)复合物为载体,通过乙二醇还原Pt/Sn前驱体制备了Pt-Sn/PTI-CNTs催化剂。通过X射线衍射(XRD)、透射电子显微镜(TEM)、X射线光电子能谱(XPS)对制备的催化剂结构、形貌和成分进行表征。结果表明,Pt-Sn纳米粒子在载体上高度分散,粒径分布在2.6～3.7 nm之间,其主要以金属Pt和SnO_x的形式存在。循环伏安(CV)测试表明,PTI的引入对Pt-Sn/PTI-CNTs复合物的催化活性具有明显提升作用,但是加入的量过多会导致电催化性能下降。当加入20%(质量分数)的PTI时,催化剂具有最大的电化学活性面积(ECSA)46.20 m~2/g,乙醇电催化性能最佳。     

基于波段选择改进的高光谱端元提取方法

为了解决传统N-FINDR算法降维时破坏像元光谱曲线的物理意义这个问题, 采用波段选择方法中的最佳指数法代替特征提取, 改进N-FINDR算法的降维方式; 利用模拟和真实高光谱数据进行实验, 分别用改进的N-FINDR算法与其它两种算法提取端元, 并用全约束最小二乘法解混。结果表明, 改进的N-FINDR算法的解混精度更高, 用时更少。用波段选择代替特征提取改进降维方式, 保留了光谱曲线的物理意义, 在N-FINDR算法中是可行的。