基于依赖最大化和稀疏回归的多标签特征选择

针对基于稀疏回归的多标签特征选择方法中数据的特征和标签之间线性关系假设不成立的问题,提出一种基于依赖最大化和稀疏回归的多标签特征选择方法 (multi-label feature selection with dependence maximization and sparse regression,DMSR)。构建数据的低维子空间,最大化低维空间与数据的标签空间之间的依赖性,使用希尔伯特-施密特独立性准则作为依赖性的计算依据,将数据从特征空间映射到该低维空间,设计一种交替优化的算法对稀疏回归模型进行求解,得到用于特征选择的投影矩阵。在多个不同类型的多标签数据集上的实验结果表明,所提算法的性能优于其它对比算法。     

基于条件信息卷积生成对抗网络的图像识别

传统的图像识别方法需要大量有标签样本进行训练，且模型训练难以达到稳定。针对这些问题，结合条件生成网络和信息最大化生成网络的结构优势建立了条件信息卷积生成网络（C-Info-DCGAN）。模型增加图像的类别信息和潜在信息作为输入数据，然后利用Q网络去更好地发挥类别信息和潜在信息对训练的引导作用，并且利用深度卷积网络来加强对图像特征的提取能力。实验结果表明，该方法能够加快模型训练收敛速度，并有效提高图像识别的准确率。     

基于贪婪局部路径重连的随机并行社区检测

为提高社区检测的效率与精度,提出一种随机并行的局部搜索算法。用图模型结构表示复杂系统,将顶点划分成簇。构建贪婪随机自适应搜索过程与路径重连过程,以解决加权图的模块最大化问题。引入一种{0,1}矩阵类特征并定义聚类的距离函数,从而进行顶点的邻域搜索,实现社区的高精度检测识别。实验结果表明,该算法的F_1值与NMI指标值均较高。     

基于实时可靠度评估的航空产品序贯检测模型

针对航空产品相关部件性能退化不确定性强的特点,为了较为科学合理地确定产品检测维修的时刻,提出一类基于实时可靠度评估的序贯检测模型。采用Wiener过程描述产品的性能退化规律,然后基于随机过程首达时理论给出产品实时可靠度的解析表达式,并综合利用强跟踪滤波算法、最优平滑算法和期望最大化算法对模型未知参数进行自适应估计。当获得新的退化数据信息时,根据贝叶斯规则重新迭代对模型参数进行实时更新。在更新过程中,融合同类型产品的历史信息选取初始化参数,实现了更新算法的快速收敛。接着根据对产品的实时可靠度要求确定出了优化的序贯检测间隔期。通过某航空铝合金材料的疲劳裂纹增长的实例验证了模型与算法的有效性。研究结果表明:实时可靠度评估模型能够最大限度利用运行期的实时数据,有效提高不确定条件下产品可靠度估计的准确性,从而保证相应序贯检测策略的效率和实用性。     

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。     

微园林

<正>设计是创造性地解决问题的一种能力,设计包含艺术,却不能等同于艺术,其本质区别在于设计需要解决功能问题。那么该采用什么手法去解决问题呢?这就涉及到设计师价值观的导向。"无设计"理念有三种状态——无为、无界、无我。无为——设计的最终成果不仅是一个加法的过程还是减法的过程。无界——各个学科之间的界限没有那么分明,从人类广义的审美观来说,或是从解决社会性问题的角度来看,景观、建筑、规划等专业实际上是相通的东西。在一个场所里     

柔和之美

为了保持房间高度的最大化,行政酒廊的天花板上装饰的巨大叶片吊顶和屋顶之间的距离非常接近。在这里使用的照明装置是安装在吊顶之上的。这种照明装置经过特别的设计,避免了在吊顶之上出现的荧光灯管的条状光斑。整个设计感觉柔和,而又有效的避免了眩光的产生。我们在大堂的照