基于Gabor融合特征与深度自动编码器的笑脸识别方法

Gabor特征的人脸表情识别具有良好的识别性能,但同样存在特征维数大的缺点,该文提出用Gabor融合特征的方法来进行降维以解决维数大的缺点。深度自动编码器具有对人脸自学习的能力,能精确提取有用的信息,也有非线性降维的作用。考虑到Gabor融合特征降维幅度不大,便加入自动编码器进行二次降维,将经过二次降维的特征输入深度自动编码器进行笑脸识别。该文在实验过程中采用两个数据库(公开的GENKI数据库,实验采集的数据库)进行实验。实验结果表明经过Gabor融合特征的实部作为深度自动编码器的输入的识别率比传统方法和未经降维Gabor特征识别率高。     

面向“专升本”学生的《数据结构》课程教学改革的探讨

本文结合笔者在针对专升本学生讲授《数据结构》课程的一些心得体会,根据专升本学生的特点,从教材选取、先修课程巩固、学生学习兴趣激发、问题驱动教学法、实践环节设计与考核方法等方面对数据结构课程教学改革提出了一些个人的建议和意见,希望能对该课程的教学改革起到积极的参考和促进意义。     

超细纤维合成革基布的制备及其性能

为提高聚酯/聚酰胺6(PET/PA6)中空超细纤维合成革基布的透湿性、柔软性,将聚丙烯腈(PAN)纳米纤维与PET/PA6超细纤维混合,通过水刺固网的方法制备出PAN-PET/PA6微/纳米超细纤维合成革基布并进行碱处理,分析了PAN纳米纤维质量分数对革基布透气性、透湿性、吸湿性、柔软度及力学性能的影响。结果表明:当革基布面密度一定时,随着PAN纳米纤维质量分数的增加,革基布的透湿性、吸湿性、柔软度、撕裂性能提升,而透气性能和断裂强力有所下降;当PAN纳米纤维质量分数为20%时,革基布的透湿率提升了15.19%,吸水量提高了23.53%,柔软度增加了38.17%;经碱处理后,革基布的亲水性有了明显改善,透湿率提升了23.81%,吸水量提高了42.26%,柔软度提高了23.20%。     

基于视觉导向的《纺织材料学》课程教学研究

在分析《纺织材料学》教学中存在问题的基础上,论述以纺织材料实物、视频、图片等视觉材料作为主导组织《纺织材料学》课程的教学方法,实践表明视觉材料不仅更能吸引学生的注意力,还有助于学生对知识的理解和掌握,因此在提高教学质量的同时还可加快教学进度。     

侨乡元素的表现形式及内容探析

侨乡是一个重要的研究领域,文章首先从侨乡元素内涵入手,通过传统工艺、造型、图案、妆发等详细阐述侨乡元素在服饰领域的表现。同时对侨乡元素在建筑、家纺及文创等方面的表现也进行初步分析,进一步强调侨乡元素在推广地域文化方面的重要性。     

基于IAP15F2K61S2单片机的多传感器新型智能窗控制系统

以STC IAP15F2K61S2单片机为主控芯片,实现一种多传感器新型智能窗控制系统。系统通过多传感器监测室内、外环境并自动开、关窗,实现了防雨、防盗、防火、无线遥控、定时关窗和基于IAP技术的SD卡软件升级等功能。该设计采用多传感器,具有机电一体化程度高、系统鲁棒性强、成本低、使用方便、便于维护等特点。     

CRH3列车车头曲面气动压力稳态数值模拟

针对列车提速所引起的铁路噪声问题,尤其是在高速运行情况下占主导的气动噪声问题。通过对列车模型的气动噪声进行稳态数值模拟分析,探究列车不同速度运行时的表面压力分布情况,从而为列车的车身设计提供参考。在Lighthill声学理论的基础上,采用常用的k-ε模型以及SIMPLE算法进行计算,分别对CRH3列车在300km/h和350 km/h的运行速度下的稳态模拟结果进行分析,研究不同速度下列车头部各部分的流场特征。     

基于LOD-FDTD的微带线边缘奇异性处理技术研究

为解决现有方法在处理微带线边缘电磁场的奇异性时,存在计算效率和精度之间的矛盾,该文提出一种在局部1维时域有限差分法(LOD-FDTD)基础上,结合微带线边缘电磁场分布函数,并通过坐标变换可处理导体嵌入网格面积大于1/2时的情况,因而适用性更广的微带线边缘奇异性处理技术。与现有奇异性处理技术对比证明,该算法在采用的时间步长小于等于Courant-Friedrichs-Lewy(CFL)稳定性条件所允许最大时间步长5倍的情况下,具有更高的计算精度。且与一般LOD-FDTD算法对比证明,引入的微带线边缘电磁场分布函数使得该算法在节省计算资源和提高计算效率的同时,保持了更高的计算精度。     

基于主成分分析法和极限学习机的尿沉渣图像识别算法研究

针对尿沉渣中的有形成分进行检测和分析,提出结合主成分分析(PCA)和极限学习机(ELM)的识别和统计方法。该方法通过PCA对样本进行特征提取和降维后输入到ELM进行训练,根据训练得出的模型与未经PCA处理的样本训练的模型进行检测效果对比。实验结果表明,使用PCA处理后的样本训练得出的模型具有更高的识别准确度和稳定性,同时训练时间大幅减少。     

基于K-奇异值分解和层次化分块正交匹配算法的滚动轴承故障诊断

利用层次化分块正交匹配算法（HBW-OOMP）的高稀疏性和运算速度快等优点，提出了一种基于K-奇异值分解（K-SVD）字典和HBW-OOMP算法的故障轴承诊断方法。首先利用K-SVD自学习训练方法得到包含冲击成分的冗余字典，克服了固定结构字典适应性不强的缺点。然后采用基于分块思想的HBW-OOMP算法进行原子的选取和稀疏系数的求解，以重构信号包络谱峭度最大为终止条件，自适应确定分解次数。最后应用所提方法对仿真信号和故障轴承实验信号进行故障特征提取，结果表明该方法能够有效提取强背景噪声下故障特征成分，具有一定的应用前景。