仿人机械臂构型综合与臂姿规划

仿人机械臂是当今机器人研究的前沿课题。随着社会需求与科学技术的发展,特别是服务型人形机器人的商品化与市场化,仿人机械臂的拟人特性成了机器人研究的新要求。仿人机械臂的拟人特性主要包含两方面：结构拟人化和运动拟人化。结构拟人化使机械臂外观与结构更接近人臂,而当机械臂看起来与人自身形状—样时,它就很容易引起人类操作者的“共鸣”,从而增强其心理舒适度。运动拟人化使机械臂如同人臂—样工作,人类作为自然进化的高等生物,其运动机理必然有着独特的优越性,以人臂的运动机理控制机械臂的运动必然将提高其效率。     

一种基于稀疏表示的脑功能子网络构建方法

针对根据大脑功能磁共振成像数据构建脑功能交互子网络的问题.将小波变换一致性定义为感兴趣区域(region of interest,ROI)之间功能交互模式的测度,通过稀疏表示提取每个ROI的特征,最后运用谱聚类的方法对其进行聚类,聚类结果将大脑划分为八个功能交互子网络.结果表明,这八个子网络分别对应着大脑的视觉、运动感知等主要功能系统,与当前的神经科学知识相一致,为脑功能网络研究提供了一种新的思路.     

一种稳健的人脸检测方法

人脸检测作为人脸识别的第一环节,也是一个模式识别问题,本文提出了一种稳健的复杂背景下脸检测方法,并对人脸图象库ＦＤＢ６０３进行了实验,结果表明,我们的方法是有效和稳定的。     

改进的KMSE方法及其实现

依据KMSE模型对应的特征空间中的鉴别矢量可表示为部分训练样本的线性组合这一理论前提,可利用回归分析中变量选择的思路对KMSE模型加以改进.在本文中为了提高KMSE的分类效率而发展出的基于最小平方误差准则的算法能大大提升KMSE模型的分类速度.实验结果显示该算法还能取得较优的分类性能.     

基于Fisher鉴别字典学习的人体行为识别

人体行为识别是计算机视觉中的一个重要研究领域,具有广阔的应用前景。研究了基于Fisher鉴别的字典学习方法在人体行为识别上的应用。首先对人体行为的视频序列提取了局部时空特征,并通过随机投影法降维;然后把降维后的特征作为待分类的信号进行Fisher鉴别字典学习,从而增强字典和编码系数的鉴别能力;最后同时利用重构误差和稀疏表示系数进行分类。实验结果验证了所提方法在人体行为识别上的有效性与鲁棒性。     

基于平行因子分解的协同聚类推荐算法

针对三元组数据内在关联性复杂的特点,提出了基于平行因子分解(PARAFAC)的协同聚类推荐算法。该算法利用PARAFAC算法对张量进行分解,挖掘多维数据实体之间的相关联系和潜在主题。首先,利用PARAFAC分解算法对三元组张量数据进行聚类;然后,基于协同聚类算法提出了三种不同方案的推荐模型,并通过实验对三种方案进行了比较,得到了最优的推荐模型;最后,将提出的协同聚类模型与基于高阶奇异值分解(HOSVD)的推荐模型进行比较。在last.fm数据集上,PARAFAC协同聚类算法比HOSVD张量分解算法在召回率和精确度上平均提高了9.8个百分点和3.7个百分点,在delicious数据集上平均提高了11.6个百分点和3.9个百分点。实验结果表明所提算法能更有效地挖掘出张量中的潜在信息和内在联系,实现高准确率和高召回率的推荐。     

面向彩色图像的尺度和旋转不变性特征提取方法及应用

提出一种面向彩色图像的尺度和旋转不变性特征提取方法,并在真实的场景识别中进行了应用。该方法是先对给定彩色图像的各组成平面分别进行Radon变换,然后对得到的Radon变换系数矩阵进行尺度不变性处理,接着对处理后的Radon变换系数矩阵用频率B样条小波进行1维小波变换,在所得到的脊波系数矩阵中计算均值和方差的同时,采用线性回归模型提取在不同的颜色组成平面下所有频率子波段之间的关系属性,最后将得到的特征进行旋转不变性处理,从而得到所提出的尺度和旋转不变性特征。在3个数据库上进行了实验,结果表明本文方法可靠有效。     

地面自主机动平台的局部路径规划

对行驶于非结构动态环境下的地面自主机动平台 ,其局部路径规划算法须具备智能性、快速响应、并对各类误差鲁棒性好的特点 .以往的规划方法不能很好的综合解决上述问题 .本文提出了基于生态法的规划方法 ,采用期望路径逼近 ,滚动规划调整的方法 ,以折中处理速度和克服误差干扰 ,保持路径平滑 .本算法在实际系统运行中 ,在适应各类实际路况环境 ,保证整体系统运行性能等方面 ,收到良好效果     

基于混合自注意力机制的神经机器翻译

编码器-解码器结构是神经机器翻译最常用的一种框架,许多新型结构都基于此框架进行设计以改善翻译性能。其中,深度自注意力网络是非常出色的一种网络结构,其利用了自注意力机制来捕获全局的语义信息。然而,这种网络却不能有效地区分每个单词的相对位置,例如,依赖单词究竟位于目标单词的左边还是右边,也不能够捕获当前单词的局部语义。为了缓解这类问题,该文提出了一种新型的注意力机制,叫做混合注意力机制。该机制包含了对自注意力网络设计的多种不同的特定掩码来获取不同的语义信息,例如,全局和局部信息,以及左向或者右向信息。最后,该文提出了一个压缩门来融合不同类型的自注意力网络。在三个机器翻译数据集上的实验结果表明,该文方法能够取得比深度自注意力网络更好的结果。     

直接三维重建研究

本文提出了一个基于多结点插值样条和有限级数展开法的直接三维图像重建方法。该重建算法可以充分利用被重建物体的先验三维信息。对于减少稀疏系数矩阵的维数问题，本文也作了研究，实验结果证明了本方法是可行的。