谱聚类在图像检索中的应用

为了进一步提高图像检索系统的效率,提出了一种由谱聚类算法预处理的基于内容的图像检索方法.主要思想是在用户提出检索请求之前,利用谱聚类算法将初始图像库划分为若干子库;用户给出示例图片后,首先搜索与示例图片相似度最大的子库,再将搜索范围锁定在该子库内检索出与示例图片最相似的图片.实验表明,该方法在保持了较高查准率的同时,明显缩短了检索时间,提高了检索效率.     

基于数据融合与智能分析算法的电网抢修管控技术研究

首先针对数据融合背景下,配电网故障抢修的分类以及影响因素进行了分析。针对配电网络中的优化策略、调度资源、抢修资源分配、抢修策略数据等方面的数据融合提出了体系架构。针对含分布式电源配电网多故障抢修建立了以负荷损失最小和抢修故障用时最小为目标的数学模型,以期望缺电量为原则计算故障损失,并考虑了多组抢修小队对不同配电网故障的抢修时间。利用智能分析算法求解该模型,提出了基于云模型的改进共生生物搜索算法。最后利用IEEE33节点模型进行了仿真分析,说明了抢修策略和算法有效性。     

嵌入式控制系统在汽车自动化生产线的研究与应用

随着汽车自动化生产线的大型化、复杂化和智能化发展,传统模式下通过PLC等控制设备进行生产线的集中式控制几乎难以胜任大型复杂的控制体系,集中式控制逐步向分布式控制体系发展。嵌入式控制系统是支撑分布式控制体系的重要组成部分,本文以底板线为案例探究嵌入式控制系统在汽车自动化生产线分布式体系中的应用,为汽车制造行业的控制体系提供一种满足控制实时性、运行高效性、部署模块化和可产业化应用的嵌入式控制系统软硬件解决方案。     

轻量级(2+1)D卷积结构的动态手势识别研究

目前,基于卷积神经网络的动态手势识别方法取得了巨大的进展,但神经网络模型具有很大的参数量,计算成本和内存占用较大,很难应用在设备资源有限的场合.以减少计算量和参数量为出发点,提出了一种轻量级(2+1)D卷积结构.该结构在(2+1)D卷积结构的基础上,将其中的3D卷积替换为3D深度可分离卷积,在输出向量维度不变的前提下,进一步减少了(2+1)D卷积结构的计算量和参数量.为了弥补时空特征在表征动态手势上的不足,融合注意力机制模块,专注于对运动特征的提取,结合轻量级(2+1)D卷积结构提取的时空特征,可以更好地表征手势动作.实验结果表明,注意力机制模块的插入,在不增加太多额外计算和空间成本的前提下,进一步提高了模型的识别精度.基于以上结构构建的模型,在20BN-jester、EgoGesture和IsoGD数据集上分别取得了96.62%、91.83%和60.1%的识别精度,模型参数量和浮点计算量分别为5.05M和12.81GFLOPs,相比于其他手势识别模型,计算成本和内存占用大大减少,实时手势识别速度达到每秒70帧.     

新型薄壁方钢管管桁结构的分析与快速设计

本文介绍了无比钢结构的组成及特点,对其进行了结构分析,提出无比钢结构设计要以单个构件作为设计基础,并同时介绍了实际工程中快速设计方法,可为其他薄壁方钢管管桁结构的设计提供参考。     

基于本体的语义查询优化

Web信息检索技术已经在全世界广泛应用,然而,搜索引擎的查全率和查准率却不能够令用户满意,因此提出了一种基于通用本体WordNet的语义层次结构.通过计算和分析查询关键字与本体库的映射达到查询优化的目的.该方法通过建立一个简单的语法树并且索引WordNet,对查询关键字词法特性和本体实例之间语义关联强弱进行扩展和分析,提高了查询关键字到本体概念映射的完整性和准确率,进而帮助搜索引擎对用户的意图作出有效推测.实验表明,该方法可以有效地优化查询.     

高输出频率GPS接收机FPGA优化设计

为使DSP芯片有充裕的资源和时间用于复杂的导航计算、输出高频率的解算结果,通过资源优化,只采用FPGA逻辑电路实现了GPS信号的捕获、跟踪、帧同步、卫星自动搜索、伪距信息生成等基带处理功能,并整理了电文、历书、伪距信息、多普勒频移的格式,以方便传输.实验表明,本方案可行有效,定位频率可达100Hz.     

多分辨率图像的分式层次处理

讨论了对多分辨率图像进行连滑平滑处理的方法,用二维Haar小波变换生成的多分辨率图像可表示成离散的四叉树,为实现图像在不同层次间的平滑变换,在离散的整数倍缩放的基础上提出的线性插值算法可实现图像的分式层次的缩放与编辑,实验结果表明,文中提出的算法可用于大规模图像空间的显示漫游。     

粮食行业数据仓库构建*

在充分考虑粮食企业业务运行系统的现有状况和深入分析用户决策需求的前提下,借鉴数据仓库技术的基本组成,研发了一个ETL（Extract,Transform and Load）程序,与Businessobjects,Sybase等产品共同构建了粮食行业数据仓库。     

基于潜在语义分析的中文文本层次分类技术*

从网络文本自动分类的需求出发,针对基于VSM模型的分类处理中词条无关假设和词条维度过高等问题,对基于类中心向量的分类方法进行了改进。利用LSA分析中的SVD分解获得Web文档的语义特征向量,并在此基础上进行分类处理,在不损害分类精度的同时提高了分类及其后处理速度,并设计实现了一个原型系统。