基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

基于H运算的动态网络重要节点识别方法

传统K-shell网络重要节点识别方法迭代时需网络全局拓扑信息,而且难以应用于动态网络。为解决该问题,提出基于邻域优先异步H运算的动态网络重要节点识别方法。首先,证明该算法收敛于Ks值,其次以各节点的度作为h指数初始值;然后,通过节点h指数排序和邻居节点h指数变化选择更新节点,同时针对动态网络节点的增减数目和最大度,修改h指数适应拓扑变化,直至算法收敛并找到重要节点。仿真实验结果表明,该方法通过邻居节点局部信息且以更高效率找到动态网络的重要节点,收敛时间在静态网络中较随机选择更新节点法与变化邻居选点法分别下降77.4%和28.3%,在网络拓扑变化后分别下降84.3%和38.8%。     

Co-Cr3C2-WC/Al2O3太阳能选择性吸收涂层制备与性能研究

目的研究不同比例的Co-Cr_3C_2-WC吸收层的光谱发射与吸收性能,并在吸收层表面制备Al_2O_3减反膜,进而得到一种新型中高温金属-陶瓷型太阳能选择性吸收涂层。方法采用超音速火焰喷涂法(HVOF)在不锈钢基底制备Co-Cr_3C_2-WC吸收层,并对其成分比例进行优化,再通过溶胶-凝胶法(Sol-Gel)在吸收层表面制备Al_2O_3减反膜。通过X射线衍射仪(XRD)、X射线光电子能谱(XPS)、扫描电子显微镜(SEM)等,对涂层的物相、元素价态、微观形貌进行表征分析。采用表面粗糙度仪测量涂层的表面均方根粗糙度。利用傅里叶红外光谱仪和紫外可见分光光度计分别测量涂层在远红外波段和紫外可见近红外波段的光谱反射率。结果90Co-5Cr_3C_2-5WC(wt.%)吸收层具有最高的品质因子(吸收率/发射率α次/ε=0.805/0.308),且表面增加Al_2O_3减反膜后的涂层吸收率增加至0.903,发射率降低至0.278。涂层表面均匀致密,表面粗糙度Ra降低到1.109μm。在750℃大气环境下热处理100 h后,涂层吸收率增大到0.910,发射率为0.315,选择吸收性能稳定。结论 90Co-5Cr_3C_2-5WC吸收层在保持较高的吸收性能下,有效地改善了热喷涂涂层的表面状态,降低了吸收层的发射率。Al_2O_3减反膜通过增大短波段光的透过作用以及封孔作用,进一步增大了复合涂层的吸收率,提高了涂层的选择吸收性能和高温服役性能。有望作为中高温太阳能集热系统中的选择吸收涂层材料。     

基于捷径的卷积神经网络在人脸识别中的应用研究

人脸识别的特征要求具有区分性和识别性,传统的卷积神经网络(CNN)无法将低层次特征与高层次特征进行融合,识别准确率难以进一步提高。提出了一种基于附加惩罚函数和捷径连接的卷积神经网络模型,算法通过将第一层的卷积特征与原有网络模型最后一层的全连接层直接连接,增加了深层次特征的识别能力,减少了浅层主要特征的损失;为了提高已学习到的深度特征的识别能力,算法在原有的softmax损失函数项添加一个惩罚项,使已学习到的同类特征到该类特征中心之间的距离最小化。在CASIA-web、Facescrub数据集上的实验结果表明,改进算法分类准确率优于深度卷积神经网络(DCNN)、GRCC等算法。