基于图像分块和RBF神经网络的人脸识别方法

目的 提出一种基于图像分块和径向基函数(RBF)神经网络的人脸特征提取与识别方法,解决人脸识别中的高维、小样本问题.方法 采用人脸图像的分块处理、奇异值分解压缩算法,降低特征维数,有效地解决了存储和传输中的数据压缩问题,运用基于聚类方法的RBF神经网络分类器进行人脸分类识别.结果 通过实验和数据分析表明,该方法在人脸骨骼特征明显时具有较高的识别率,与基于整体人脸图像的识别效果相比,识别率提高了3%.结论 笔者提出的识别方法具有良好的学习效率和识别精度品质指标.     

炭黑/环氧树脂复合材料的导电阈值现象

目的 研究炭黑/二氧化硅/环氧树脂复合材料中的导电阈值现象,寻找材料形成导电通路时炭黑的用量.方法 通过溶剂化过程,制备了炭黑/二氧化硅/环氧树脂复合材料,并测试了复合材料表面涂层的导电性能.结果 复合材料的导电特性可以用渗透理论来解释,其导电组分的阈值约为13.2%(体积分数).结论 复合材料的导电性受炭黑用量的影响.当炭黑用量低于阈值时,孤立的炭黑颗粒被绝缘的聚合物所包缚,材料中没有形成导电通路网,电导率较低:当炭黑用量高于阈值时,炭黑颗粒数量增加,间距变小,电子隧道效应增强,材料中形成了导电通路网,因而电导率增加.     

空间群Fd 3 m(∪) Fd 3(∪) F 23母分系数的计算

利用陈金全教授的本征函数法计算了Fd3 m(∪) Fd 3(∪) F 23空间群的母分系数,给出了求母分系数的计算步骤,并以实例来阐述求解过程.最后的计算结果表明,用陈金全教授的本征函数法所求得的母分系数确实满足幺正、归一性,同时也证明了本征函数法对于求母分系数同样适用.     

智能建筑中人脸识别仿真应用研究

为研究智能建筑中人脸识别的仿真应用系统,利用相应的算法解决人脸图像的预处理、人脸图像数据的压缩与传输、RBF神经网络参数的选取等关键环节的技术问题。在人脸识别的仿真系统中进行应用测试。仿真试验为人脸识别仿真系统中算法的选择、应用参数的选取提供了数据支持,对提高智能建筑门禁中人脸识别系统的准确、快速、防伪性能提供了有效帮助。     

蓝牙接入BACnet的智能家居技术设计与实现

本文介绍了蓝牙技术、BACnet协议和蓝牙智能家居局域网的概念.提出了一种将基于蓝牙技术的个人区域网(PAN)与基于BACnet的小区内部局域网相连接的解决方案,讨论了算法实现步骤、协议软件连接和系统硬件构成.     

基于nRF240I智能小区无线抄表系统集中器设计

采用无线网络技术,构建了一种无线抄表系统,设计了基于nRF2401的无线通信的集中器.该集中器避免了长距离布线和复杂的线路干扰,具有结构简单、工作可靠、经济实用等特点.     

单片机控制里程转速表的设计

针对自行车、摩托车里程转速表及其它转速、计程检测控制存在体积大、精度低等问题，给出了采用单片机组成的系统结构及设计方法，论述了信号检测、数据保护、时间读取、参数选择和以AT89C2051单片机为核心实现里程、转速、日历时钟等电路的组成原理及程序设计分析，该系统可通过功能扩展广泛应用到其他领域。     

基于无线传感器网络的智能家居网络技术研究

目的 研究基于无线传感器网络技术的智能家居网络并构建其网络模型．方法 根据无线传惑器网络的特点，利用无线传惑器网络技术，构建基于无线传感器网络的智能家居网络模型。在无线传感器节点的无线收发电路部分采用基于IEEE802．15．4技术的无线收发芯片来降低功耗，并采用许可证技术来保证该局域网络的可靠运行．结果 利用无线传感器网络技术构建的智能家居网络保证了信息在家居内部和外部的安全有效传输。对家居网络进行及时有效的控制．结论 基于无线传感器网络技术组建的智能家居网络能够对家居环境进行很好地监控，组网方便，将嵌有无线传感器的家具、家电和其他日常用品同互联网相连，可实现远距离控制，提供舒适、方便和人性化的智能家居环境．     

智能小区网络通信控制终端系统研究

目的针对智能家居的特点，研究基于无线射频技术的智能小区无线通信与控制问题．方法通过多种智能化检验模块对采样数据与发送数据进行分析处理，并应用嵌入式实时多任务操作系统．结果通过软硬件结合，研究开发系统软件，给出相应系统硬件电路的设计方法，有效地提高了系统控制与数据传输的准确度．结论试验结果证明系统通信和控制工作过程稳定可靠，具有良好的品质指标，所提方案有效．     

基于RBF网络和贝叶斯分类器融合的人脸识别方法

提出一种基于径向基函数(RBF)网络和贝叶斯分类器的人脸特征分类与识别算法,以提高小样本人脸识别精度.通过基于聚类方法的RBF神经网络和贝叶斯分类器融合设计实现人脸图像的分类识别.实验数据分析表明,该方法在人脸骨骼特征突出情况下具有较高的识别率.文中提出的分类器融合的识别方法具有良好的学习效率和识别精度品质指标.