基于卷积神经网络的人脸图像质量评价

针对人脸识别过程中人脸图像质量较低造成的低识别率问题,提出了一种基于卷积神经网络的人脸图像质量评价模型。首先建立一个8层的卷积神经网络模型,提取人脸图像质量的深层语义信息;然后在无约束环境下收集人脸图像,并通过传统的图像处理方法以及人工筛选进行过滤,得到的数据集用以进行模型参数的训练;其次通过在图形处理器（GPU）上加速训练,得到用于拟合人脸图像到类别的映射关系;最后将输入在高质量图像类别的概率作为图像的质量得分,建立人脸图像的质量打分机制。实验结果表明,与VGG-16网络相比,所提模型准确率降低了0.21个百分点,但是参数规模减小了98%,极大地提高了模型运算效率;同时所提模型在人脸模糊、光照、姿态和遮挡方面都具有较强的判别能力。因此,可将该模型应用在实时人脸识别系统中,在不影响系统运行效率的前提下提高系统的准确性。     

基于垃圾回收的三维引擎内存管理系统

本文面向三维引擎的上层内存管理,提出了一种基于垃圾回收算法的管理系统,辅助三维引擎使用者回收循环引用的内存.该系统基于由库的形式提供,并且不需要用户修改现有代码.用户只需要使用系统提供的接口创建对象,系统就能够在必要时自动回收内存.测试表明,本系统在可接受的开销下实现了循环引用内存的回收.     

基于自学习算法的BCG信号处理方法

针对心冲击描记(BCG)信号中心跳波形缺乏确定模型且受多种因素影响的特点,提出了基于自学习的心跳识别算法.使用聚类分析的方法,有效提取了BCG信号中具有高度相关性的一组曲线,并将其作为心跳模型.将心跳模型与BCG信号进行匹配,捕捉到心跳信号进而得到心跳周期.经实验验证:算法得出的心跳周期误差在±2%以内,并在Android平台上进一步验证了其准确性和实用性.     

优化AUC两遍学习算法

ROC曲线下的面积（简称AUC）是机器学习中一种重要的性能评价准则,广泛应用于类别不平衡学习、代价敏感学习、排序学习等诸多学习任务。由于AUC定义于正负样本之间,传统方法需存储整个数据而不能适用于大数据。为解决大规模问题,前人已提出优化AUC的单遍学习算法,该算法仅需遍历数据一次,通过存储一阶与二阶统计量来进行优化AUC学习。然而在实际应用中,处理二阶统计量依然需要很高的存储与计算开销。为此,本文提出了一种新的优化AUC两遍学习算法TPAUC （two-pass AUC optimization）。该算法的基本思想是遍历数据两遍,第一遍扫描数据获得正、负样本的均值,第二遍采用随机梯度下降方法优化AUC。算法的优点在于通过遍历数据两遍来避免存储和计算二阶统计量,从而提高算法的效率,最后本文通过实验说明方法的有效性。     

多支路加热炉分布式平衡与跟踪控制

针对加热炉多个支路出口温度的平衡及跟踪控制问题,提出具有分布式特点的支路平衡跟踪控制方案,给出了基于分布式偏差的控制器设计方法.该方法利用相邻支路的温度信息,将各支路与相邻支路的温度偏差作为控制输入,在加热炉所有支路的温度达到一致的同时,也确保其跟踪同一设定值.由于仅利用了相邻支路的温度信息,使得所提分布式偏差控制方案在支路数目较多情形下更显优势.最后仿真实例表明了该分布式控制方案的有效性与可行性.     

A decomposition technique of generalized degrees of freedom for mixedmode crack problems

The numerical manifold method (NMM) builds up a unified framework that is used to describe continuous and discontinuous problems; it is an attractive method for simulating a cracking phenomenon. Taking into account the differences between the generalized degrees of freedom of the physical patch and nodal displacement of the element in the NMM, a decomposition technique of generalized degrees of freedom is deduced for mixed mode crack problems. An analytic expression of the energy release rate, which is caused by a virtual crack extension technique, is proposed. The necessity of using a symmetric mesh is demonstrated in detail by analysing an additional error that had previously been overlooked. Because of this necessity, the local mathematical cover refinement is further applied. Finally, four comparison tests are given to illustrate the validity and practicality of the proposed method. The aforementioned aspects are all implemented in the high‐order NMM, so this study can be regarded as the development of the virtual crack extension technique and can also be seen as a prelude to an h‐version high‐order NMM. Copyright © 2017 John Wiley & Sons, Ltd.     

气凝胶在气体吸附净化中的应用研究进展

气凝胶(Aerogels)是一种以空气为介质的轻质多孔性凝聚态物质,由胶体粒子或高聚物分子相互聚集构成独特的纳米多孔三维网络结构。气凝胶的颗粒相和孔隙尺寸均为纳米量级,具有相当高的比表面积和孔隙率、可调控的开放孔隙结构、易于化学修饰的表面以及多样化的种类和形态,其气体吸附量可比同等条件下活性炭吸附量高两个数量级,因此在气体吸附净化领域逐渐受到人们的广泛关注。目前,气体吸附净化领域研究较多的气凝胶主要是SiO_2气凝胶和炭气凝胶。此外,近年来对金属氧化物气凝胶以及SiC气凝胶、石墨烯气凝胶、生物质基气凝胶等新型气凝胶的气体吸附应用也有相应的研究报道。吸附材料对目标气体需要同时具有较高的吸附容量和良好的选择性吸附能力。气凝胶的高比表面积和多孔性质提供了众多的吸附位点,但仅依靠自身物理吸附作用的吸附量有限,对目标气体的选择性不高,在实际吸附应用中,往往由于共存气体组分的竞争吸附影响对目标气体的吸附性能。因此,为了进一步提升气凝胶的吸附容量,提高对目标气体的选择性,研究人员围绕气凝胶修饰改性进行了大量的研究探索工作,并取得了一定的进展。目前,气凝胶吸附净化研究报道的目标气体主要是温室气体CO_2和大气中主要的污染物挥发性有机化合物(VOCs)。针对目标气体的不同可分别通过氨基功能化、氮掺杂等方法引入碱性位点或通过引入非极性官能团对气凝胶进行疏水改性,以提升气凝胶对CO_2或VOCs的吸附量和选择性。所采用的修饰改性方式主要有以下两种:一是在湿凝胶形成后或超临界干燥后通过嫁接、浸渍等手段对气凝胶表面进行功能化改性,通过引入特定的官能团或活性组分提升气凝胶对目标气体的吸附量和选择性;另一种是在溶胶-凝胶反应过程中引入功能化前驱体,在分子或纳米尺度上赋予气凝胶网络特定的性能,进而有效平衡活性组分稳定性和对目标气体的吸附性能。此外,对于炭气凝胶,还可通过活化进一步增大比表面积,改善孔隙结构和表面化学性质,从而实现对目标气体污染物吸附性能的优化。本文归纳了各类气凝胶在CO_2与VOCs吸附净化方面的研究进展,介绍了气凝胶的制备过程和结构特点,讨论并对比了不同气凝胶对目标气体的吸附性能与吸附机理,总结了当前气体吸附净化研究中对气凝胶进行修饰改性的主要方法,最后指出提高气凝胶的结构稳定性和吸附速率、设计可同时吸附多种目标气体的气凝胶、缩短制备周期并降低成本是未来研究工作的重点。     

面向视频数据的深度学习目标识别算法综述

目标识别是计算机视觉领域的一大挑战,随着深度学习的发展,目标识别算法被广泛应用于视频数据中目标的识别和监测。对现有目标识别算法进行归纳,根据是否采用锚点机制将主流算法分为Anchor-Based和Anchor-Free两大类。针对R-CNN、SPP-Net、SSD、YOLOv2等Anchor-Based类目标识别算法,从候选框创建、特征提取和结果生成角度分析基于区域和基于回归的目标识别算法的区别和各自优势。针对CornerNet、ExtremeNet、CenterNet、FCOS等Anchor-Free类目标识别算法,从特征提取、关键点选择/层次结构和结果生成角度分析基于关键点和基于特征金字塔的目标识别算法的区别和各自优势。在此基础上,以识别效率和识别精度为评价指标,对Faster R-CNN、Mask R-CNN、SSD等8种代表性目标识别算法进行对比总结。最后,针对目标识别算法中的数据预处理耗时长、多尺度特征同步识别精度低、结构繁杂等问题,对当前研究的不足和未来研究方向进行分析和展望。     

基于聚类的视频专题演化分析方法

视频专题演化分析有助于从海量的视频数据中发现有价值的模式。研究了基于聚类的视频专题演化分析方法,首先基于二部图对视频的视觉相似性进行分析;在此基础上,为增强同一专题视频之间的关联度以及不同专题视频之间的区分度,采用基于链路分析的方法对视频专题进行聚类,进而对视频专题的演化过程进行分析;最后通过实验证明了所提方法的有效性。