面向RGB-D场景解析的三维空间结构化编码深度网络

有效的RGB-D图像特征提取和准确的3D空间结构化学习是提升RGB-D场景解析结果的关键。目前,全卷积神经网络（FCNN）具有强大的特征提取能力,但是,该网络无法充分地学习3D空间结构化信息。为此,提出了一种新颖的三维空间结构化编码深度网络,内嵌的结构化学习层有机地结合了图模型网络和空间结构化编码算法。该算法能够比较准确地学习和描述物体所处3D空间的物体分布。通过该深度网络,不仅能够提取包含多层形状和深度信息的分层视觉特征（HVF）和分层深度特征（HDF）,而且可以生成包含3D结构化信息的空间关系特征,进而得到融合上述3类特征的混合特征,从而能够更准确地表达RGB-D图像的语义信息。实验结果表明,在NYUDv2和SUNRGBD标准RGB-D数据集上,该深度网络较现有先进的场景解析方法能够显著提升RGB-D场景解析的结果。     

一种基于非残差估计线性表示模型的人脸识别

Dantzig selector利用样本与残差之间的相关向量的L!范数来约束线性表示模型,为了克服传统的线性表示在处理表示残差时依赖于一个对残差特定的似然估计这一缺陷将这样一种处理残差的思路用于人脸识别,提出了一种基于Dantzig selector模型的人脸识别算法,并对Dantzig selector的一种有效的求解方法进行研究。在常用人脸库上实验表明,基于Dantzig selector人脸识别算法在不需要对残差进行估计的情况下也能取得了很好的识别效果。     

基于Lotus Notes的分布式信息商函系统的设计与实现

设计并实现了一种基于Ｌｏｔｕｓ Ｎｏｔｅｓ的分布式信息邮政商业信函系统,并研究了系统实现过程中的两个关键技术。     

电子商务安全审计系统的设计与实现

由于系统软件设计漏洞的无法预料,黑客攻击手段的不断变化,传统网络安全产品已不能满足黑客重点攻击的电子商务服务器系统的安全要求。该文在分析基于主机和基于网络的入侵检测系统的特点的基础上,提出了一种电子商务安全审计系统的设计。     

基于遗传算法优化SVM的嵌入式网络系统异常入侵检测

由于传统嵌入式网络系统入侵检测方法难以获得较高的检测精度,提出基于遗传算法优化的支持向量机(GA-SVM)的网络入侵检测技术.支持向量机分类器能够较好地解决少样本、高维、非线性分类问题.然而,支持向量机训练参数的选择对其分类精度有着很大影响,遗传算法能够同时优化支持向量机的训练参数,采用遗传算法进行支持向量机的训练参数同步优化.实验结果表明,这种遗传算法优化的支持向量机分类入侵检测模型有着很高的检测精度.     

边界不确定信息的处理—Fuzzy集和Vague集

Fuzzy集和Vague集都可用于边界不确定信息的处理。文章首先研究了这两种集合间的关系、性质,提出了Fuzzy集和Vague集的边界不确定性都可用犤0,1犦上的一个子区间来进行描述的思想。然后基于一些Vague集相似度量的思想,提出了一种求Fuzzy集和Vague集的相似性度量方法,并建立了基于Fuzzy集和Vague集度量方法的统一模型,该模型在这两种集合相似性度量上是等价的,并给出了该模型满足的性质。     

基于FEPG的多场耦合渗流数值模拟方法

针对泥页岩孔隙内多场耦合作用下的渗流问题进行了系统研究。在Biot理论的基础上,建立了泥页岩孔隙内流体流-固-化耦合作用下的渗流计算模型;介绍了多场耦合作用下泥页岩孔隙内流体渗流的实验室模拟方法,给出了实验结果;在建立渗流计算模型的基础上,探索了利用FEPG方法对泥页岩孔隙内多场耦合作用下的渗流规律进行有限元数值模拟的方法;通过实验模拟和数值模拟两种手段对模型进行了验证。通过数值模拟结果与实验结果的对比可知,数值模拟的准确性非常好,从而验证了模型的正确性。模型深化了对泥页岩孔隙内多场耦合作用下渗流规律的认识,模型简单实用,参数易获取,且具有一定的工程实用价值。     

硫化态和氧化态RS-1型加氢精制催化剂开工对比

介绍了石油化工科学研究院开发的硫化态、氧化态RS-1型加氢精制催化剂在镇海1.20 Mt/a连续重整装置预加氢精制单元中的开工情况。结果表明,硫化态催化剂RS-1(S)、氧化态催化剂RS-1(O)在同一套重整预加氢装置上的开工都取得了一次成功,开工后催化剂反应系统参数一致,催化剂运行活性接近。对比分析结果表明,用硫化态催化剂开工,比氧化态催化剂开工具有投资省、污染小、开工过程简单、开工时间短、开工成本低、安全可靠等优点。     

再生铝合金熔体净化技术的发展现状

开发适合再生铝的熔体净化技术,对提升铝熔体品质是一项极具意义的工作。该技术有助于实现废铝的高效再生与利用,生产高性能的再生铝产品。本文综述了再生铝合金熔体净化技术的发展现状;指出我国铝材料研究的整体水平与国外相比还存在差距,需要进一步加大研发力度以实现超越。     

广义多尺度集值决策系统最优尺度选择

为了在不同的粒度下对同一对象进行观察、表示、分析和决策,提出了多尺度信息系统.考虑到一个对象在属性的各个尺度上的取值为多值的情况,多尺度信息系统被进一步扩展到多尺度集值信息系统.然而,在现有的多尺度集值信息系统中,所有属性必须具有相同的尺度级数,使得每个属性都只能在同一个尺度下进行组合.并且,最优尺度选择仅考虑决策系统的一致性或不确定性,忽略了实际应用中的决策代价问题.针对上述问题,定义了一种具有代价的广义多尺度集值决策系统,分析了决策系统的不确定性和代价随尺度组合的变化趋势.然后,为了提高最优尺度选择的时间效率,提出了一种基于三支决策思想的尺度空间更新方法.最后,结合用户需求,给出了最小化不确定性和代价的最优尺度选择方法.实验结果表明,该方法不仅可以结合不确定性和代价得到最优尺度解,并且与传统的Lattic Mode相比,能有效地提高计算效率.