手势数据驱动的头部运动合成方法

非手部手势是手语表达中不可缺少的一部分,头部运动的实现并与手势进行协同表达是其重要研究内容。对真人手语表演数据中的手势与头部动作之间的关系进行了深入研究,提取二者的动作特征,利用核典型相关分析方法(kernel canonical correlation analysis,KCCA)建立起手势与头部动作之间的预测关系模型。动画合成结果以及评价实验表明,KCCA方法能更好地刻画手势与头部动作的协调性,实现虚拟人行为动作合成的逼真性。     

无线传感器网络中d-Hop 2-连通容错支配集的分布式构造算法

无线传感器网络随节点移动组成自我维持的自组织系统,采用连通支配集的虚拟骨干技术可使平面网络系统层次化而简化节点路由、管理和维护。但大规模无线传感器网络的连通支配集节点数目依然庞大,d-hop连通支配集可以大大减小支配集节点数目。另外,由于存在节点失效、链路断裂等无线特性,虚拟骨干网需要具备一定的容错性。在单位圆盘图网络模型中为构建精简且具有容错能力的虚拟骨干网,提出d-hop 2-连通支配集的分布式构造算法,先构造d-hop独立支配集后再连通形成d-hop 2-连通支配集。并从理论和仿真上对算法的复杂度、近似比和算法性能作了进一步探讨和验证。     

基于Gabor小波与LBP直方图序列的人脸年龄估计

提出了一种基于Gabor小波和局域二值模式(Local binary pattern,LBP)直方图序列的人脸年龄估计方法。首先对人脸图像提取多方向与多尺度的Gabor幅值域图谱(Gabor magnitude maps,GMMs);然后采用基于局部特征的LBP算子对GMMs编码,并对之分块,由各子块的直方图序列来描述人脸;为进一步降低人脸特征维数,再对人脸直方图序列特征应用主成分分析(PCA);最后使用支持向量机回归(SVR)的LOPO策略对人脸年龄库进行训练和测试。实验结果表明,该方法可以较为快速有效地对人脸图像进行年龄估计。     

BP网络模型对人脸朝向的识别

研究BP神经网络模型,通过计算机模拟人脑建立神经元网络,使用一部分人脸朝向信息作为训练的实例集,训练稳健后,可以推广应用判断其他人脸的朝向信息,以实现计算机自动识别人脸朝向。先对图片进行归一化等预处理,再应用主成分分析提取特征信息,每幅提取出的特征信息都是8个数据的列向量,构建一个8个输入、17个隐含、3个输出的三层BP网络模型。将训练实例集的特征向量代入训练,调整参数后保证其性能和收敛速度。最后通过大量实验验证,计算机识别的误判率仅为6.7%,模型可靠。     

基于中值滤波和梯度锐化的边缘检测

实现一种基于中值滤波和梯度锐化的边缘检测方法。首先采用既能过滤噪声又能保护边缘信息的中值滤波对图像进行平滑处理。然后采用梯度锐化加强边缘像素强度,通过简单的二值化获得图像的初始边缘,系统采用连通区域标记的方法去除位于图像封闭边界内的残留黑块。最后通过实验结果与人工提取的结果比较,进行误差分析,找出本文算法的不足之处,以便对该算法进行改进。实践证明,本文的边缘检测方法对含有噪声点且灰度分布比较均匀的图像有很好的效果。     

ExtJS框架下表格组件的应用与改进

在油田措施效果评价系统开发中,使用了ASP.NET技术并结合ExtJS框架,设计并实现了一个基于B/S模式的Web应用系统,解决开发中的技术问题,着重对ExtJS中的表格组件进行了改进和扩展,实现了同时显示锁定部分表格列与支持多行表头的复杂表格,对系统中常用的几种表格形态及深入应用作了介绍与分析。     

基于软件复用技术的电子地图应用系统研究

介绍了软件复用技术,提出了实施基于构件的软件复用技术的关键技术,进而结合信息系统的特点进一步研究了基于领域的软件构件技术。利用面向对象分析方法和面向对象建模语言（UML）,对电子地图应用软件系统进行了分析和建模,进而提取构件,并按照COM构件规范实现构件。     

结构正则化多视图非负矩阵分解

现存非负矩阵分解（non-negative matrix factorization,NMF）研究多考虑单一视图分解数据,忽略了数据信息的全面性。此外,NMF限制其获取数据的内在几何结构。针对以上问题,提出一个结构正则化多视图非负矩阵分解算法（structure regularized multi-view nonnegative matrix factorization,SRMNMF）。首先,通过主成分分析来对数据进行全局结构的判别式学习;其次,利用流形学习来捕获数据的局部结构;然后,通过利用多视图数据的多样性和差异性来学习表征。模型提升了算法聚类的整体性能,更加有效地挖掘数据的结构信息。此外,采用高效的交替迭代算法优化目标函数得到最优的因子矩阵。在六个数据集上与现存的代表性方法比较,所提出的SRMNMF的准确率、NMI和Purity分别最大提高4.4%、6.1%和4.05%。     

小水电站生态流量对电能损失率的影响分析

小水电站多以追求最大发电效益为目的,电站下游河道生态流量往往处于"无"或"少"的不良状况,对生态环境影响日益凸显.为研究电站下泄生态流量对电站电能损失的影响及影响因子的作用,本文选取江西省遂川县为研究区域,采用主成分分析法分析小水电站生态流量对电站电能损失率的影响.结果表明:(1)河道生态流量对小水电站目前运行实际发电量的损失率的影响阈值一般控制在[10％,20％].(2)电站效能属性第一主成分包括年利用小时数(M4)、设计流量与多年平均流量比(M5)和水量利用率(M6);电站出力属性第二主成分包括设计水头(M2)和设计流量(M3);装机规模(M1)为第三主成分装机属性单一主要指标;其中,M2和M4对电能损失率呈负作用,表明参数越大,相应电能损率失越大;M1、M3、M5和M6对电能损失率起积极正向作用,参数越大,相应电能损失越小.建议在小水电整改评估工作过程中,以考证M4、M5和M6的真实性和可靠性为先,后以电站铭牌特征值M2、M3和M1收集为辅,便于整改评估工作的顺利开展.本研究可为小水电站的评价认定和电能损失补偿提供一定的技术支撑和参考.     

基于改进结构保持数据降维方法的故障诊断研究

传统基于核主成分分析(Kernel principal component analysis, KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题, 本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection, KLPP)的思想融入核主成分分析的目标函数中, 使样本投影后的特征空间不仅保持原始样本空间的整体结构, 还保持样本空间相似的局部近邻结构, 包含更丰富的特征信息.上述方法通过同时进行的正交化处理可避免局部子空间结构发生失真, 并能够直观显示出低维结果, 将低维数据输入最近邻分类器, 以识别率和聚类分析结果作为衡量指标, 同时将所提方法应用于故障诊断中.使用AVL Boost软件模拟的柴油机故障数据和田纳西(Tennessee Eastman, TE)化工数据仿真, 验证了所提方法的有效性.