基于有序加权算子赋权的基坑工程项目管理绩效可拓评价研究

构建基坑工程项目管理绩效评价指标体系,采用有序加权方法赋权评价指标,通过物元分析法计算各评价指标关于评价等级的评价等级特征值和关联度,由单目标评价取代多目标评价,从定量角度评价管理绩效。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

集装箱箱号字符识别关键技术的研究

文中主要以集装箱箱号识别为研究对象,在对现有的集装箱照片进行预处理以及定位的基础上,实现箱号的准确识别。主要论述影响字符识别各种关键因素,并且在传统模板匹配的基础上,提出全新的加权模板匹配法和字符结构相结合的识别方法。该方法并不是将36个字符用统一的模板进行匹配识别,而是根据字符结构进行分类,每类都会予以不同的权值分配模板。字符结构是一种二级识别,两种方法相结合很好地实现了对断裂、粘连以及倾斜字符的识别。最后通过理论分析和实验证明了该方法的有效性,并给出了需要进一步研究的问题。     

加权特征融合的密集连接网络人脸识别算法

在非约束条件下人脸识别常受到表情变化、视角偏差、不同程度的遮挡和曝光等各种综合因素的影响;并且深度卷积神经网络几乎都存在参数过多,训练时梯度扩散或消失等问题。针对上述问题,提出了FuseNet网络模型。该模型有效地利用了人的眼睛、鼻子、嘴巴等局部特征信息,同时又包含面部轮廓等全局特征信息,并提出了多损失函数进一步缩小类内特征差距和扩大类间特征距离,有效地增强了非约束条件下人脸识别的鲁棒性。通过使用加权密集连接卷积神经网络来提取人脸的全局特征,密集连接模块可有效地解决深层网络所引起的参数冗余以及梯度扩散等问题。不同的连接权值使得网络能够充分地利用各部分特征。实验结果表明,无论是在闭集的CASIA-WebFace数据集上,还是开集的FLW数据集、MegaFace数据集上,提出的FuseNet网络都具有较好的识别率和泛化能力。     

结构化加权稀疏低秩恢复算法在人脸识别中的应用

针对训练样本或测试样本存在污损的情况，提出一种结构化加权稀疏低秩恢复算法（structured and weighted-sparse low rank representation，SWLRR）。SWLRR对低秩表示进行加权稀疏约束和结构化约束，使得低秩表示系数更加趋近于块对角结构，进而可获得具有判别性的低秩表示。SWLRR将训练样本恢复成干净训练样本后，再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵，把测试样本投影到相应的低秩子空间，即可有效地去除测试样本中的污损部分。在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性。