一种基于雷达图表示的数值型数据的CNN分类方法

卷积神经网络（convolutional neural networks， CNN）是一种广泛用于分析视觉图像的分类方法.由于数值数据存在着非线性、耦合性等复杂的空间关系，因此基于CNN的数值型数据的研究较少.本文的目的是找到一种可行的方法，将CNN的应用领域扩展到数值数据.于是提出了一种基于雷达图表示的数值型数据的CNN分类方法（Radar-CNN）.该算法首先将数值数据表示成雷达图形式，然后将其输入CNN中构建分类模型.为了进一步研究特征尺度和序列对性能的影响，提出了两种改进算法Rank Radar-CNN和SFS Radar-CNN.为了验证所提算法的有效性，引入TE化工过程数据集进行实验测试并比较，实验结果表明Radar-CNN及其改进算法具有优异的性能.     

基于深度概率图模型的鲁棒人脸画像合成

针对基于数据驱动的人脸画像合成算法像素特征缺乏对光照变化和复杂背景的鲁棒性,常合成低质量的画像的问题,文中提出基于深度概率图模型的鲁棒人脸画像合成算法.采用预处理方法调整测试照片的光照亮度和人脸姿态,使之与训练照片一致.采用深度特征代替像素特征进行近邻匹配,采用深度概率图模型对画像重建权重和深度特征权重联合建模,得到合成画像的最佳重构表示.为了提高画像合成速度,提出快速近邻搜索方法.实验验证文中算法的鲁棒性和快速性.     

基于显著图的红外弱小目标动态规划检测前跟踪算法

针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显著图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显著图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显著图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.     

基于边图的线性流重叠社区发现算法

重叠网络的社区发现是复杂网络研究中的重要问题。为了提高网络中重叠社区发现的时间效率，提出一种基于边图的线性流重叠社区发现算法LBSA。算法首先对于边图网络中的边进行随机的依次处理，完成节点的初步社区划分，再将其中重叠小社区合并到相似度最大的其他大社区中得到最终的社区。通过以上步骤，算法能够以接近线性的时间复杂度得到网络的重叠结构。从最终的实验结果来看，与其他算法相比，该算法能够在更短的时间有质量地发现网络中的重叠社区。     

多装配接口的三维装配模型检索方法

针对三维模型装配时存在的多接口连接方式,提出一种多装配接口的三维装配模型检索方法.首先对三维装配模型进行属性邻接图的表达,并根据装配体零件之间的接口配合关系定义共轭子图;然后针对装配模型构成的图集进行图顶点的序列化,降低顶点匹配过程中的遍历次数;在此基础上,将装配模型的检索转化成查找符合共轭子图的属性邻接图,通过装配模型属性邻接图的图集进行模型检索;最后对频繁子图挖掘方法进行改进,提取出满足多装配接口的三维装配模型.实验结果表明,该方法能够实现多装配接口的三维装配模型检索,可以提取出设计人员所需的三维模型,提高产品的设计效率.     

数字图像相关法散斑图质量评价方法

为了研究数字图像相关方法中散斑图质量的有效评价问题, 采用散斑图质量表征参量——平均灰度2阶导数对散斑图质量进行了有效评价。通过分析图像插值误差与图像灰度信息分布形式之间关系, 指出散斑图平均灰度2阶导数与散斑图灰度信息分布形式之间的关系; 为了验证该散斑图质量表征参量的有效性, 利用傅里叶变换对散斑图进行平移实验, 通过Newton-Raphson(N-R)方法对平移前后的散斑图进行亚像素位移计算, 由位移计算结果可知, 具有低的平均灰度2阶导数的散斑图对应小的位移测量误差。结果表明, 平均灰度2阶导数在散斑图质量评价中具有一定的有效性; 在实际应用中, 应结合散斑图平均灰度2阶导数和平均灰度梯度对散斑图质量进行综合有效的评价。该研究为高质量散斑图的制备与选取提供了参考。