基于Smith预估模糊PID的电镀废水处理系统改进

为解决以pH值和ORP为期望的电镀废水处理系统存在的测量误差大和试剂投放精度低等问题,设计带基准校验的pH值和ORP测量模块,应用Smith预估补偿和模糊控制整定PID参数,优化控制试剂投放。模块采用升降电极间歇测量pH值和ORP,避免油污等黏附增大测量误差,带Smith预估补偿的模糊PID能优化电镀废水处理系统的动态性能,实现对电镀废水和所需试剂的精细化管理。仿真与应用效果表明,电镀废水处理系统的动态响应得到明显改善,试剂消耗降低,水污染物排放低于国家标准限值。     

基于LBP和级联XGBoost的驾驶员打电话行为检测算法

基于机器视觉检测手机位置是检测驾驶员打电话行为的重要方法和依据。为解决实际应用中光照、姿态等因素对检测效果的影响,笔者提出了一种基于LBP特征和级联XGBoost的打电话行为检测算法,用于筛选滑窗采集到的手持电话样本,同时其应用基于MLP(Multi-LayerPerceptron)神经网络进行回归校准,进而得到更准确的位置。LBP的特征提高了打电话行为的辨识度,级联XGBoost和MLP网络回归提高了检测效率和定位准确度。实验表明,LBP与XGBoost级联分类器组合分类效果良好,构建的MLP网络能够有效拟合滑窗采集样本的偏移值。     

基于动态参考依赖的消费者选择意向研究

预测在线消费者选择意向以便为其提供有效的推荐建议已成电子商务领域消费者决策支持系统的核心问题之一。选择意向是一个融合经济、心理等多重因素的行动反应,如何对其进行测量是学术界研究的热点。为此,构建一套消费者满意度指标,将影响的属性进行分类,进而提出基于动态参考依赖的消费者满意度分析法。在该方法中,首先建立不同类型属性的动态参考依赖函数;其次,建立对应类型属性的边际满意度惰性函数,同时给出属性权重及总体满意度的算法;最后,通过对去哪儿旅行网站2400条消费者实验样本数据进行分析,结果验证所建边际满意度惰性函数的预测准确性。此外,对单属性分析发现,目的地与酒店距离对消费者决策影响最大。     

生产定型可靠性鉴定试验检验下限研究

对应于设计定型可靠性鉴定试验中的检验下限取最低可接受值,生产定型可靠性鉴定试验的检验下限是否取规定值。针对这一疑问,首先阐述了产品生产定型的时机是在设计定型试生产后批量生产前。结合产品可靠性在寿命期内不断增长这一理论,说明了产品可靠性在生产定型时尚达不到规定值。对不同可靠性水平的产品通过可靠性鉴定试验的概率分析,指出检验下限取规定值时好产品通过可靠性鉴定试验的概率很低。分析认为,生产定型可靠性鉴定试验的检验下限应取最低可接受值。     

加权信息熵与增强局部二值模式结合的人脸识别

针对人脸识别因光照、姿态、表情、遮挡及噪声等多种因素的影响而导致的识别率不高的问题，提出一种加权信息熵（IEw）与自适应阈值环形局部二值模式（ATRLBP）算子相结合的人脸识别方法（IE （w） ATR-LBP）。首先，从原始人脸图像分块提取信息熵，得到每个子块的IEw；然后，利用ATRLBP算子分别对每个人脸子块提取特征从而得到概率直方图；最后，将各个块的IEw与概率直方图相乘，再串联成为原始人脸图像最后的特征直方图，并利用支持向量机（SVM）对人脸进行识别。在AR人脸库的表情、光照、遮挡A和遮挡B四个数据集上，IE （w） ATR-LBP方法分别取得了98.37%、94.17%、98.20%和99.34%的识别率。在ORL人脸库上，IE （w） ATR-LBP方法的最大识别率为99.85%；而且在ORL人脸库5次不同训练样本的实验中，与无噪声时相比，加入高斯和椒盐噪声后的平均识别率分别下降了14.04和2.95个百分点。实验结果表明，IE （w） ATR-LBP方法能够有效提高人脸在受光照、姿态、遮挡等影响时的识别率，尤其是存在表情变化及脉冲类噪声干扰时的识别率。     

融合信任和基于概率矩阵分解的推荐算法

针对推荐精度不准确、数据稀疏、恶意推荐的问题，提出融合信任基于概率矩阵分解（PMF）的新推荐模型。首先，通过建立基于信任的协同过滤模型（CFMTS）将改进的信任机制融入到协同过滤推荐算法中。信任值通过全局信任及局部信任计算获得，其中局部信任利用了信任传播机制计算用户的直接信任值和间接信任值得到，全局信任采用信任有向图的方式计算得到。然后，将信任值与评分相似度融合以解决数据稀疏、恶意推荐的问题。同时，将CFMTS融入到PMF模型中以建立新的推荐模型——融合信任基于概率矩阵分解模型（MPMFFT），通过梯度下降算法对用户特征向量和项目特征向量进行计算以产生预测评分值，进一步提高推荐系统的精准度。通过实验将提出的MPMFFT与经典的PMF、社交信息的矩阵分解（SocialMF）、社交信息的推荐（SoRec）、加权社交信息的推荐（RSTE）等模型进行了结果的对比和分析，在公开的真实数据集Epinions上MPMFFT的平均绝对误差（MAE）和均方根误差（RMSE）比最优的RSTE模型分别降低2.9%和1.5%，同时在公开的真实数据集Ciao上MPMFFT的MAE和RMSE比最优的SocialMF模型分别降低1.1%和1.8%，结果证实了模型能在一定程度上解决数据稀疏、恶意推荐问题，有效提高推荐质量。