基于改进LLE算法的手势特征提取研究

在人机交互领域中,基于视觉的手势特征提取成为研究的热点,但手势存在较大范围的变化,很难实现对手势的有效分类.研究了一种基于LLE改进算法的手势特征提取方法.先将手势特征数据中的某个数据点与邻近数据点组成局部线性关系,对重构误差进行拉格朗日乘子算法优化处理,求出新的局部重建权值矩阵,为了使局部线性关系能够满足低维度空间,通过求解映射矩阵的方法,将手势特征样本数据的目标特征空间映射到低维度空间中.采用稀疏观察手势描述法对手势特征进行提取,根据手势参数对手势轨迹数据进行归一化处理,为了提高手势特征提取的实时性,采用支持向量分类器的方法将手势从难以分类的空间映射到高维度的手势空间中.实验结果表明,所提方法对手势的查准率和召回率较高,泛化性较好,即使在样本数据很少的情况下,也具有较好的识别效果.     

基于图嵌入与拓扑结构信息的蛋白质复合物识别算法

蛋白质复合物是细胞结构和生化机制的研究基础,如何准确识别蛋白质复合物成为近年来的研究热点。针对传统算法根据结构信息对蛋白质复合物进行搜索存在敏感度和F-measure低的问题,以及现有监督学习算法根据人为构造特征进行蛋白质复合物识别存在特征构造不能较好地反映图的真实信息等不足,提出了graph2vec-SVM识别算法。将蛋白质复合物看作稠密子图并考虑子图模块度大小,利用graph2vec将图信息转换为向量,并进一步采用SVM分类器对蛋白质复合物进行识别,提高了蛋白质复合物识别的敏感度和F-measure。该算法分别与目前流行的4种非监督学习算法(ClusterOne、CMC、HC-PIN和COACH)和3种监督学习算法(SCI-BN、SCI-SVM和RM)进行比较,在精准度、敏感度和F-measure 3项指标上都显示出了良好的性能。     

基于FCN-LSTM的工业烟尘图像分割

工业生产中常根据林格曼烟气黑度判断工业烟尘的污染等级,一种有效的方式是应用计算机视觉系统对工业烟尘进行监测, 其中对烟尘目标进行准确分割是该系统的关键技术。因为工业烟尘具有形状不固定、和云相似度高等特点,现有算法在复杂场景下对烟尘进行分割时容易受到干扰,分割准确度有待提高。针对这一问题,提出一种基于FCN-LSTM的工业烟尘图像分割方法,在全卷积网络对图像空间特征提取的基础上,使用长短时记忆网络提取图像序列的时间信息,通过烟尘的动态特征对运动的烟尘和背景进行区分,增强复杂场景下的抗干扰能力。实验表明,本文模型相比于全卷积网络,在复杂场景下的抗干扰能力有显著提升,能够有效克服来自云的干扰,对全卷积网络分割结果中易出现干扰点的问题也有改善,IoU指标最高有8.04%的提升。     

一类连续的K-means 等价聚类模型及其优化算法

聚类作为一种非监督学习方法是数据科学中重要的研究内容.K-means是一种基于划分的聚类算法,一般是利用启发式算法求解一个离散的NP问题.为增强K-means在大数据问题中的应用性,从聚类矩阵的属性出发,设计了一类非凸连续的K-means等价聚类优化模型,并利用ADM M框架给出了该等价模型的快速优化算法.数值实验结果表明了该模型及其优化算法在大数据聚类中的准确性和高效性.此外,还讨论了该模型的性质及等价性问题.     

疫情下应用型高校程序竞赛培训的混合多元式教学改革

在新型冠状病毒爆发期间,为了响应教育部“停课不停学”要求,保障疫情防控期间的教学工作正常进行,针对疫情前期在线教学中存在的问题,提出混合多元式教学模式。该模式充分考虑了应用型人才培养要求以及程序竞赛培训特点,将流行的慕课教学、翻转课堂和在线判题系统进行结合,构建了完善立体的混合多元式程序竞赛在线教学体系。最终,通过该模式顺利地完成疫情期间程序竞赛的在线教学任务,并使学生在竞赛中获得优异成绩。     

非接触式里程表传感器检测工装的设计

里程表传感器是将车速表和里程计连接在一根驱动轴上,既能指示汽车的行驶速度又能记录汽车的行驶距离。非接触式里程表传感器检测工装,通过触摸屏输入不同的转速信息传送到PLC,伺服控制器接收PLC输出的脉冲信号后进行运算处理,来驱动伺服电机工作,此时测速元件就会测量出伺服电机的转速,将转速信息通过反馈元件传递给伺服控制器,这样构成了一个可以使转速稳定的闭环系统,完成里程表传感器质量的检测。     

新工科背景下的C语言程序设计模块化教学改革探讨

为了提高C语言程序设计课程中学生的实践动手能力和创新能力,根据教育部新工科建设的理念和要求,探索模块化教学在C语言程序设计理论教学、实践教学和考核管理中的应用。以学生为中心制定任务驱动的理论教学模块、层次化实践教学模块和综合考核管理模块,激发学生对C语言程序设计课程的学习兴趣以及提高学生的自主创新和实践能力,进而弥补传统教学的弊端,提高C语言课程的教学效果。     

一种配电网投资项目的综合评价与优选排序方法

配网投资项目具有项目众多、规模相对小、项目繁杂、时间紧迫等配电网建设和运维自身的特点,在投资需求远大于投资能力的情况,基于项目综合评价实现优选排序是实现配电网精准投资的关键手段.为此,提出了一种计及指标约束同时兼顾投资效益的中压配电网项目优选方法.以配电网投资效果为指标构建评价体系,并利用建设目标对项目属性进行分类,基于灰色关联度法深入挖掘项目属性与评价指标间的关联关系,探明指标改善所对应的投资概算.为了同时兼顾规划指标与投资成效,提出了计及指标约束的配网项目两阶段优选排序法,将优选过程分为针对关键规划指标的项目优选和针对普通指标的项目优选两个阶段.通过对某地市电力公司中压配电网项目进行优选评估,验证了所提方法的有效性与合理性.     

基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

基于IMU与激光雷达紧耦合的混合匹配算法

针对线、面特征匹配的激光雷达测距与地图构建算法(Lightweight and Ground-Optimized Lidar Odometry And Mapping,LeGO-LOAM)在自动导引运输车(Automated Guided Vehicle,AGV)室内室外实时建图与定位时,易出现激光里程计累积误差大和旋转估计不准确等问题,本工作采用惯性测量单元(Inertial Measurement Unit,IMU)与激光雷达紧耦合的LeGO-LOAM算法,通过IMU为激光雷达提供的初始位姿信息,构建IMU与激光雷达联合误差函数,实现位姿共同迭代优化.其中,对于室外结构化信息较少时,在点对点的迭代最近点算法(Iterative Closest Point,ICP)较高定位精度的基础上,结合LeGO-LOAM算法和ICP算法互补性,进一步提出基于IMU与激光雷达紧耦合的混合匹配算法:当环境中结构信息较多时,激光里程计采用LeGO-LOAM算法,而当环境中结构化信息较少时采用ICP算法.实验结果表明,基于IMU与激光雷达紧耦合的混合匹配算法可有效降低激光里程计相对位姿误差和累积误差,提高AGV小车定位精度以消除部分地图重影.