永磁同步电机单神经元自适应PID控制

通过对永磁同步电机数学模型的分析及常规控制方式的研究，利用单神经元自适应PID(Proportional Integral Differential)控制器对永磁同步电动机的转速及转矩进行调节，并进行了大量的仿真分析。研究结果表明，该控制方式具有更好的动态调节特性和自适应能力，而且控制器设计更简单，参数调整方便，易于工程应用。     

基于分段组合特征降维的交叉视角目标定位研究

为提高交叉视角目标定位的精度，提出了一种基于分段组合特征降维的交叉视角目标定位方法。首先使用ResNet-50作为主干网络，并选取实例损失函数，提高了目标定位的性能。其次，为去除所提取特征的冗余信息，提出了一种分段组合降维方案对图像全局特征进行降维，保留了特征的主要信息并降低了特征维度，从而提高了目标定位的效率。在University-1652数据集上进行验证，实验表明所提方法与降维之前特征匹配相比，AP和Recall@1分别提升了1.08倍和1.1倍，能有效提高定位精度。     

基于Faster RCNN算法的阿尔兹海默症分类研究

针对阿尔兹海默症通常会导致海马体区域萎缩的现象，提出一种应用于磁共振图像海马体区域的Faster RCNN目标分类框架。该框架首先使用密集连接的特征金字塔网络提取多尺度特征，然后通过CURE聚类算法优化锚框尺寸，最后调整非极大值抑制算法阈值提高模型的分类精度。测试数据来自ADNI数据库中210位阿尔兹海默症患者和208位正常受试者的脑部磁共振图像。实验结果表明，利用Faster RCNN算法在阿尔兹海默症患者和正常受试者数据集上获得的分类准确率为96.90%，与现有的算法相比，提出的Faster RCNN算法的分类准确率得到显著提升。