一种“绝对型”电容薄膜真空计的研制

介绍用磁控溅射制作的从大气往真空约覆盖5个量程的“绝对型”电容薄膜真空规，以及与该真空规配套的真空计的电路。该真空计测量范围为1．3～105Pd，真空规与电容信号检测电路置于同一金属壳内，以避免外界干扰。规的恒温胜温度波动小于±0．1℃，有效地降低了温度的影响。电路的非线性小于0．4％，高真空下北输出漂移小于0．1％，在13～105Pa各量程内，最大校准误差小于读数的4％。     

基于多权重相似度的随机漫步推荐算法

在传统个性化推荐算法的基础上,提出了一种基于多权重相似度的随机漫步推荐算法。为了解决传统协同过滤算法中忽略了社交网络、热门项目以及共同评分项目之间影响等问题,通过引入万有引力公式计算社交网络中的用户相似度,并对传统协同过滤算法中的相似度进行改进,采用权重因子结合这两者相似度,最后开拓性地结合随机漫步算法进行商品推荐。实验结果表明,提出的算法具有比其他推荐算法更好的推荐性能。     

改进填补法和多权重相似度相结合的推荐算法

针对传统推荐算法中存在的数据稀疏性问题,国内外许多研究人员都提出了相应的推荐算法。然而,在个性化推荐方面,其中大多数并没有取得很好的推荐效果。因此,提出改进填补法和多权重相似度相结合的推荐算法,该算法首先采用改进填补法填充缺失值并对数据降维,接着分别计算社交网络用户信任度和改进的二部图用户关联度,最后采用多权重因子将这两者相似度进行结合。基于此,该算法根据相似度高低获取邻居用户并对目标用户进行商品推荐。实验结果表明,在数据稀疏性以及个性化推荐情况下,该算法的平均绝对误差（MAE）优于其他推荐方法。     

基于USB接口的指纹检测模块设计实现

文章主要介绍了利用FPS200指纹芯片设计指纹检测模块,该指纹检测模块可以通过USB、SPI或并行接口与相应的主机相连,重点介绍了该模块利用USB接口与计算机相连,并且利用相应的软件控制该指纹检测模块采集指纹图像,最后介绍了在使用USB接口时,该模块驱动程序编写方法、设备初始化方法和指纹图像的读取方法.经实验证明,通过该指纹检测模块性能稳定,可以采集高质量的指纹图像.     

基于遗传算法的指纹图像二值化算法研究

将遗传算法用于计算指纹图像二值化阈值，首先说明了染色体编码方法，其次利用赌轮法产生初始化种群，说明了有关适应函数表达形式,最后说明有关选择算子、交叉算子和变异算子的实现方法，通过算法实现表明，利用遗传算法所得到的阈值进行二值化处理，效果非常好。     

基于嵌入式应用的指纹处理模块板设计与实现

阐述了利用数字信号处理器（DSP）实现指纹检测和处理模块板的实现方祛，在处理板中，利用FPS200指纹检测芯片进行指纹检测，TMS320VC5402作为处理器完成指纹图像采集、提取指纹特征和特征匹配等工作，利用外扩的Flash存储全部程序和需要保存的指纹特征，并且模块板中扩展了外部RAM，作为数据存储器和程序存储器，系统中还提供了小键盘输入功能，该板通过扩展的串口可以与PC机进行通信，文中还说明了存储器映射方法、CPLD译码功能实现和Flash中的程序实现并行引导的方法等。     

基于多特征融合卷积神经网络的显著性检测

随着深度学习技术的发展以及卷积神经网络在众多计算机视觉任务中的突出表现,基于卷积神经网络的深度显著性检测方法成为显著性检测领域的主流方法。但是,卷积神经网络受卷积核尺寸的限制,在网络底层只能在较小范围内提取特征,不能很好地检测区域内不显著但全局显著的对象;其次,卷积神经网络通过堆叠卷积层的方式可获得图像的全局信息,但在信息由浅向深传递时,会导致信息遗失,同时堆叠太深也会导致网络难以优化。基于此,提出一种基于多特征融合卷积神经网络的显著性检测方法。使用多个局部特征增强模块和全局上下文建模模块对卷积神经网络进行增强,利用局部特征增强模块增大特征提取范围的同时,采用全局上下文建模获得特征图的全局信息,有效地抑制了区域内显著而全局不显著的物体对显著性检测的干扰; 能够同时提取多尺度局部特征和全局特征进行显著性检测,有效地提升了检测结果的准确性。最后,通过实验对所提方法的有效性进行验证并和其它11种显著性检测方法进行对比,结果表明所提方法能提升显著性检测结果的准确性且优于参与比较的11种方法。     

基于SVM的酒店客户评论情感分析

通过增加情感词典种类提高系统对网络词汇、表情符号进行分词和情感分析的准确性;以某酒店的客户评论为原始数据,提取正负向情感词的数量、否定词、程度副词以及特殊符号数量等文本特征后进行不同的特征组合,通过K重交叉验证和网格搜索算法找到SVM（支持向量机）算法的最优参数组合C和g。采用SVM对不同的特征组合进行训练测试并对每个组合的正确率进行分析,然后找出最适合用户评论情感分析的文本特征及特征组合。结果表明：在每个特征组合获取其最优的C和g参数组合的前提下,选用正负向情感词、否定词、情感分值、程度副词的特征组合测试正确率最高,达到93.4%。     

多尺度高分辨率保持特征融合的手势检测

手势交互是人机交互系统的一个重要组成部分。针对现有SSD(Single Shot MultiBox Detector)网络中不同尺度特征间的独立性，无法充分利用各特征间的关联信息，导致对遮挡和不完整手的检测精度偏低等问题，提出一种改进的SSD算法，通过引进多尺度高分辨率保持特征融合模块，将来自不同层的不同分辨率的特征图进行融合形成新的特征图，其不仅保留了原有特征图的特征信息，还结合了不同层的细节信息和上下文较强的语义信息。利用原有SSD检测方法，生成候选预测框，利用非极大抑制(Non-maximum Suppression)得到最终检测结果。实验结果表明，该方法在EgoHands手势数据集上优于原始SSD方法和其他三种先进方法。