基于计算机图形学教学实践的理工科课程思政建设研究

针对理工科课程在教学内容、方式上实施"润物细无声"式课程思政的难度,以计算机图形学为例,提出课程思政建设总体思路,在阐述具体课程思政建设过程及结果的基础上,凝练总体建设原则,给出一般化的理工科课程思政建设策略,为在理工科院校更广泛、更有效地开展课程思政建设提供思路.     

基于遗传算法和禁忌搜索算法的混合策略及其应用

为了提高遗传算法的局部搜索能力,根据遗传算法和禁忌搜索算法自身的特点,通过分析2者的优势和不足,提出了一种将2者混合使用的求解优化问题的方法．本算法用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,得到满意的计算结果．同时,为抑制早熟现象,避免收敛到局部最优点,提出了一种应对策略．实验结果表明,该算法在计算速度和计算结果方面都有改进．     

混合遗传算法在旅行商问题中的应用

为了更优地解决旅行商问题，改进单纯用遗传算法求解旅行商问题的结果，本文通过遗传算法和禁忌搜索算法自身的特点，分别对二者的优势和不足进行分析，提出一种将二者混合使用的求解旅行商问题的算法．该算法以遗传算法为基础，用遗传算法作全局搜索，用禁忌搜索算法作局部搜索．同时，通过计算实例分析，将这种混合遗传算法用于旅行商问题的求解中．试验表明，混合遗传算法比较单纯的遗传算法的计算结果有一定的改进．     

三维人脸的非均匀重采样对齐算法

为了用尽量少的网格点和面片数表示对齐后的三维人脸,基于分片的网格重采样思想,通过分析每片的曲率高低自动确定各片的网格稠密度,得到非均匀的网格结构,实现了不同三维人脸数据间点到点的一一对齐．实验结果表明:与以往的对齐算法相比,此方法不仅可以大大减少表示人脸的网格点数目,还可以较好地保持人脸的形状和外观特征;使用非均匀重采样做对齐后的三维人脸库建立的人脸模型进行人脸重建,比使用均匀重采样得到的人脸模型在重建速度上有了很大提高．     

智能复合材料宏细观力学性能的理论预测与数值分析

利用理论和数值方法研究了形状记忆合金增强复合材料的宏细观力学性; 能预测复合材料的宏观本构列式和弹性基体约束下的形状记忆合金的相变特性。建立了宏观性能参量与细观相变过程的联系。一维变形状态下的数值结果表明智能复合材料仍然具有形状记忆效应和拟弹性特性, 但受到组分材料的性能比、体分比和环境变量等参数的显著影响。      

人脸特征点跟踪及夸张人脸动画系统

为了研究视频中人脸特征点的跟踪问题,根据人脸特征点的不同特征,提出了不同的跟踪方法.对于眉都等特征点,利用光流跟踪方法,用拉普拉斯金字塔图代替了通常的灰度图作为光流输入图,减少了累积误差,提高了光流跟踪的准确性;对于嘴部特征点,将光流与弹性图匹配相结合,通过光流预先得到大致位置,减小了弹性图匹配时的搜索范围,提高了跟踪速度;对于眼部特征点,采用图像二值化方法进行跟踪.通过MPEG-4机制将跟踪到的运动数据克隆到系统根据真实人脸特点生成的夸张人脸上进行动画,具有很强的娱乐色彩.     

基于改进Fisher准则的深度卷积神经网络识别算法

为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果.     

基于组合特征判别分析的三维人脸识别算法

针对人脸识别中特征表示与提取问题,提出了一种新颖的基于组合特征判别分析的三维人脸识别算法.该算法首先使用基于非均匀网格重采样的方法对所有三维人脸做规格化处理,使三维人脸具有统一的点数和拓扑结构;其次,以先分段、再重叠的形式将原本一维向量表示组织为二维矩阵表示,然后使用二维线性判别分析方法(2DLDA)对获得的数据进行特征抽取.这种方法在避免图像信息的丢失、增加组合特征的同时,理论上也能避免单纯使用线性判别分析(LDA)进行特征抽取时容易出现的小样本问题.在BJUT-3D大规模三维人脸数据库上的实验表明,本方法取得了良好的识别效果.     

基于字典原子与类标签关系的字典学习

在稀疏表示理论中,如何构造字典和更新字典,而能得到一个辨别能力强的字典,始终是一个重要的开放问题,针对这一问题,提出了基于字典原子与类标签关系的字典学习方法.建立一个基于两者关系的矩阵,随着更新字典原子而更新关系矩阵,通过更新关系矩阵来构成字典自适应地确定原子与类标签的关系,提高字典的判别能力,为后续的分类识别提供必要的保证.该方法既避免了共享字典判别能力差的问题,又避免了因单独训练字典而占用大量时间和内存的缺点.在构建字典模型中,引用l21范数约束残差值来去除噪声,使之既能处理稀疏噪声,也能处理非稀疏噪声,提高了字典对噪声的鲁棒性.大量的实验结果证明,该方法较其他的字典学习方法鲁棒性强、识别率高.     

基于三维形变模型的多姿态人脸识别

针对多姿态人脸识别问题,提出了一种三维形变模型和部件技术相结合的人脸识别方法．该方法提取人脸三维部件作为识别特征,在一定程度上克服了人脸姿态变化对识别的影响．在识别过程中结合人脸的局部特征和全局特征,根据单个部件的识别率确定其在整体分类中的权值,基于整脸信息进行识别,进一步改善了识别效果．实验结果证明,该方法在训练库中只有1张正面照片时,对多姿态人脸识别具有很好的识别效果．