基于目标跟踪的变电站隔离开关状态图像识别方法

为解决变电站中隔离开关状态的自动识别问题，提出了基于目标跟踪的开关分合状态图像识别方法。首先，基于隔离开关开合过程的动态视频，通过 Ｌａｓｓｏ正则化稀疏表示的目标跟踪模型对隔离开关运动轨迹进行识别；其次，利用隔离开关２个闸刀之间的距离自动识别算法获得开关的分合状态。实测结果表明，该方法可快速跟踪开关运行轨迹，实时对变电站中隔离开关状态进行准确识别。     

GCAT-U-Net嵌入全局坐标注意力机制的遥感地块分割网络

遥感影像的地块背景特征复杂,当前地块分割方法不能较好地处理模糊的边缘信息,导致分割精度不理想;文章利用注意力机制处理地块特征,提出了一种基于全局坐标注意力机制的遥感地块分割网络:GCAT-U-Net;该方法在U-Net网络基础上嵌入了全局坐标注意力机制,加强了深度神经网络对于遥感影像数据中重要特征的关注度;在公开的GID数据集上的实验结果表明,文章提出的模型将准确率从0.9041提升到了0.9227,比传统U-Net网络提高了2百分点;结合特征自身重要性和特征位置信息的全局坐标注意力机制有助于更精确的目标定位,其输出相较于嵌入单一注意力机制,地块边界更为清晰,提升效果更为显著。     

Chemical-Shift Perturbations Reflect Bile Acid Binding to Norovirus Coat Protein: Recognition Comes in Different Flavors

Bile acids have been reported as important cofactors promoting human and murine norovirus (NoV) infections in cell culture. The underlying mechanisms are not resolved. Through the use of chemical shift perturbation (CSP) NMR experiments, we identified a low-affinity bile acid binding site of a human GII.4 NoV strain. Long-timescale MD simulations reveal the formation of a ligand-accessible binding pocket of flexible shape, allowing the formation of stable viral coat protein–bile acid complexes in agreement with experimental CSP data. CSP NMR experiments also show that this mode of bile acid binding has a minor influence on the binding of histo-blood group antigens and vice versa. STD NMR experiments probing the binding of bile acids to virus-like particles of seven different strains suggest that low-affinity bile acid binding is a common feature of human NoV and should therefore be important for understanding the role of bile acids as cofactors in NoV infection.     

基于混合特征LLE融合与SVM的质量异常模式识别

针对生产过程中存在的异常模式识别的问题,提出基于LLE融合与支持向量机的质量异常模式识别方法。首先从动态数据流中提取其原始特征、统计特征、几何特征并将其进行混合,形成动态数据流的混合特征,然后利用LLE算法对混合特征进行降维,将降维后的特征集作为MSVM分类器的输入进行训练,同时采用粒子群算法对MSVM分类器进行参数寻优。最后用训练好的模型对动态数据流进行异常模式的识别。并将所提方法与单一类型特征方法、混合特征方法的识别模型进行比较,仿真结果和应用实例表明,所提方法的识别精度较高,可用于生产过程的质量异常模式识别中。     

金属有机框架化合物在荧光识别方面的研究进展

通过荧光识别化合物是一种简单可靠、方便快捷的一种分析手段。金属有机框架(metalorganic frameworks, MOFs)通过框架和客体分子之间的相互作用,在荧光识别和传感等领域有着广阔的应用前景而成为一个热点研究领域。主要综述了金属有机框架在荧光识别溶剂小分子、离子、芳香有机分子以及气体分子等领域的研究工作。     

RV减速器装配机器人系统设计

在分析了RV减速器配件支撑盘和针齿壳的装配要求后,设计了由AGV和机械臂组成的移动装配机器人系统来代替人工实现工件的装配,以提高RV减速器工件的装配速度与精度,减少人为因素影响。提出了二次目标定位的机械臂定位控制策略,弥补了AGV的定位误差,提高了机器人的识别精度,减小了系统整体运行时间。利用HALCON软件实现对装配对象的识别与定位,加入了去除物体阴影的自适应阈值算法,提高了目标的识别速度和精度。大量实验测试表明,所设计的机器人能够完成RV减速器支撑盘和针齿壳的定位抓取和装配工作,最大定位误差为0.906mm,平均定位误差为0.4325mm,平均识别时间为0.695s。在现有软硬件条件下,该系统能够替代人工完成1mm内的间隙配合装配工作。     

一种Chirplet神经网络自动目标识别算法

针对飞机目标的自动识别问题,提出一种联合特征提取与分类的Chirplet神经网络方法,实现一维高分辨率距离像的识别。Chirplet神经网络将Chirplet原子变换用于多层前馈神经网络结构的输入层,替换传统的激励函数对距离像序列进行特征提取;网络的分类部分由隐层和输出层组成。在训练过程中调整神经网络权值的同时,完成对Chirplet原子时频参数的自动调整,协调优化特征参数和分类器参数,使Chirplet神经网络同时实现特征提取和目标分类。对4类飞机目标的仿真测试结果表明,相比时频变换和Gabor原子网络等方法,具有四特征参数的Chirplet神经网络方法具有较高的识别率和抗噪性能。     

基于多颜色分量CLBP提取的浮选泡沫状态识别

针对不同状态的浮选泡沫图像之间纹理结构相似、颜色差异不明显的问题，提出一种基于色调、饱和度和亮度（HSV）颜色空间的完全局部二进制模式（CLBP）纹理提取的浮选泡沫状态识别方法。首先使用双域去噪在保留纹理细节的同时滤除图像噪声，然后转换为HSV图像，在H、S和V颜色分量上分别提取三个尺度的CLBP纹理特征。将提取的纹理特征归一化后线性排列，建立高维度的纹理分类模型。最后通过一对一模式的支持向量机分类器对四类泡沫状态的样本集进行纹理提取后的分类训练与测试。结果表明，该方法对不同浮选泡沫状态的分类正确率较高，优于其他纹理描述方法，适用于浮选泡沫状态的识别。     

One size does not fit all: Rethinking recognition system design for behaviorally heterogeneous online communities

Online knowledge-sharing communities typically acknowledge their top contributors by implementing recognition systems. Extant recognition systems suffer from several limitations such as treatment of the entire community as homogeneous and inflexibility of customization. We propose a framework based on socio-technical design principles for designing a multi-criterion- and multi-segment-based recognition system that exploits multiple user characteristics for differential recognition according to community goals. We apply this framework on data gathered from Yelp.com and show how it can be used to recognize top members of different identified behavioral segments (amateurs, adepts, and enthusiasts) based on their performance on various relevant factors.     

基于动态行为学习的空中目标识别方法

针对空中移动目标识别问题,提出了一种基于动态行为学习的识别方法。首先,从数据源中提取目标要素,经过标注形成目标数据特征集;其次,基于应用场景进行特征组合,形成特征模型要素;然后,基于深度学习算法进行模型训练,得到评估最优的模型参数;最后,利用训练后的模型进行目标识别处理。通过数值仿真验证,该方法能够有效地识别无业务规则的目标身份。