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。     

基于加权法的砾类土含水率检测

砾类土在工程建设中有着广泛的应用,其含水率是一项非常重要的指标,但现有测试方法耗时较长。以砂砾石料的砾类土为试验对象,基于加权法思想,将饱和面干含水率替代法和虚拟比重法进行结合,开展砾类土含水率快速检测方法的研究,并对现有的饱和面干含水率测定操作进行一定的改进和优化。采用多种数学方法(绝对误差、均方偏差平方和,相关曲线的相关系数和F显著性检验分析法)对加权法和烘干法的结果进行对比分析。通过试验统计数据分析,证实加权法与烘干法的测定结果基本一致。该分析结果为现场土料含水率快速测定提供了一种新的思路和手段。     

基于多目标优化的创意平板折叠桌设计

在任意给定折叠桌高度和圆形桌面直径时，为满足产品稳固性好、加工方便、节省用料的设计要求，通过建立多目标优化模型对创意平板折叠桌进行优化设计，利用线性加权法确定折叠桌的平板尺寸、钢筋位置、开槽长度等最优设计参数。     

基于洛伦兹范数的医学图像超分辨率重建研究

在超分辨率图像重建(SR)模型中,为了达到良好的重建效果,选择一个合适的代价函数是研究的重点。采用SR重建模型中的差错项选择了洛伦兹范数,正则化项选择了吉洪诺夫正则化,重建过程采用了迭代方法。提出的算法可以有效地解决医学图像SR重建过程中的去异值点和图像边缘保持的两大关键问题,达到良好的重建效果。为了验证上述算法的有效性,就一系列添加了运动模糊和不同噪声的低分辨率MRI医学图像进行了SR重建,并且与基于L2范数的重建算法的重建效果进行了比较分析。实验结果显示,所提算法具有良好的实用性和有效性。     

大型塑料检查井注射模多目标参数优化研究

以塑料检查井注射模型腔板为研究对象,针对影响塑料检查井注射模型腔板应力应变的3项可控因素:型腔周围壁厚、底部壁厚和注射压力,采用质量特性均值和标准差的双目标稳健设计方法,并应用综合加权评分方法,获得了塑料检查井注射模型腔结构最优设计参数:底部壁厚20 mm、注射压力60 MPa、周围壁厚80 mm,为检查井注射模型腔结构优化设计提供了参考。     

高斯混合模型结合加权似然的目标跟踪算法

鉴于高斯混合模型对背景变化快时无法精确检测出目标和目标跟踪的适应性差等瑕疵，提出了基于加权似然跟踪器来改进高斯混合模型实现运动目标跟踪算法。主要引入了自适应高斯混合模型来实时检测运动目标，然后空间加权似然来进行视频中的目标定位，引入加权似然期望值来改进高斯混合模型处理视频中的多尺度、多角度变化的目标跟踪不精准问题。通过VOT 2014 dataset对比实验结果表明提出的基于加权似然跟踪（Weighted Likelihood Tracking，WLT）和改进高斯混合模型（Improved Gaussian Mixture Model，IGMM）的目标跟踪算法较传统高斯混合模型跟踪算法在跟踪的精度有较大提高。在应对多尺度、多角度变化的目标跟踪表现出了较大的优势。