Person re-identification based on multi-appearance model

Person re-identification plays important roles in many practical applications. Due to various human poses, complex backgrounds and similarity of person clothes, person re-identification is still a challenging task. In this paper, we mainly focus on the robust and discriminative appearance feature representation and proposed a novel multi-appearance method for person re-identification. First, we proposed a deep feature fusion method and get the multi-appearance feature by combining two Convolutional Neural Networks. Then, in order to further enhance the representation of the appearance feature, the multi-part model was constructed by combining the whole body and the six body parts. Additionally, we optimized the feature extraction process by adding a pooling layer. Comprehensive and comparative experiments with the state-of-the-art methods over publicly available datasets demonstrated that the proposed method can get promising results.

     

基于生活日志的情绪识别

抑郁症日益成为影响现代人生活幸福程度的重要因素。实时有效地识别用户情绪的方法对于抑郁症潜在患者的发现和治疗十分有意义。用户情绪的状态及变化会体现在其生活日志数据上。该文从使用可穿戴设备收集的用户生活日志数据出发,对数据进行了特征方面的分析;进一步地,使用以回归树为弱学习器的集成学习模型,设计了使用全部数据、仅用户自身数据以及仅他人数据进行训练的三组实验构成的对比实验框架,以比较使用不同用户数据对识别结果的影响。实验结果表明,基于生活日志数据的集成学习模型可以有效地识别用户的情绪状态。同时,基于实验结果提出了用户认知不一致的猜想,对于心理学上的抑郁分析也有一定的启发作用。该工作是目前所知第一个利用用户生活日志信息进行情绪识别以及抑郁症患者分析的工作,为后续进一步扩大实验规模和改良实验设计提供了思路。     

细节决定成败：推荐系统实验反思与讨论

近些年来,随着互联网的迅速发展,用户在各种在线平台上接收到海量的信息,信息爆炸成为一个关键性问题。在此背景下,推荐系统逐步渗透到人们工作生活的各个场景,已成为不可或缺的一环。它不仅可以帮助用户快速获得想要的信息和服务,还可以提高资源利用效率,从而给企业带来更多效益。因此,个性化推荐算法不仅获得了工业界广泛的关注,也是科研领域的研究热点之一。在个性化推荐的研究中,受限于平台与效率等因素,研究者大多无法将算法部署到在线系统上进行评价,因此离线评价成为推荐领域研究的主要方式。然而个性化推荐涉及到的场景复杂,可获得的数据信息多种多样,用户行为多为隐式反馈且存在许多噪声,这使得推荐系统离线评价的实验设定复杂多变,存在大量易被忽视却十分重要的细节。比如在训练采样负例时,既可以仅从用户没有交互过的商品中采样,也可以将验证测试集的商品视作未知交互加入采样池。同样,从训练到测试在很多其他环节也涉及这样的实现细节（如数据集处理、已知负样本的使用、Top-N排序候选集范围等）。这些实验细节通常不会在学术论文中被显式提及,却潜在影响了模型效果的对比,还决定着实验的科学性,甚至会导致相反或错误的分析结论。本文从数据集处理、模型训练、验证与测试、效果评价等多个角度,系统地讨论与反思了推荐系统实验中的细节设定。对于每个环节,我们枚举了若干常见设定,并在真实数据集上验证了其中某些设定的实际影响。实验结果表明一些细节确实会导致关于模型优劣的不同结论。最终我们形成了关于推荐系统实验细节的指导性总结,包括可选、建议、必须的三类设定,希望帮助推荐算法研究者规避实现细节上的陷阱,更科学合理地设计实验。     

基于特征矢量化的肺结节特征选择算法*

针对肺结节良恶性分类模型中特征选择过程无法避免特征多样性不受破坏的问题,提出一种将肺结节特征矢量化处理的特征选择方法。首先,假设每个肺结节特征都是由数据、类型构成的一个矢量。然后,按照特征类型添加特征到相应的特征子集,并分别利用Relief算法评价特征、特征子集的分类重要性。最后,通过动态阈值的方式筛选得到优化后的特征子集。在150个肺结节样本的分类实验中,采用本文算法所取得的敏感性为94.7%、特异性为93.7%、虚警率为5.2%、受试者工作特性曲线下面积为97.3%。分析表明,本文算法几乎不破坏肺结节特征的多样性,能够显著提高肺结节良恶性分类的准确性。     

基于改进PLS和PLS_ZP算法的卫星移动通信信道估计

针对传统最小平方(least square,LS)算法和基于离散傅里叶变换(discrete Fourier transform,DFT)的信道估计算法不能有效提高宽带卫星移动信道的传输性能这一问题,提出改进的基于功率判决的LS估计算法(简称PLS)和PLS补零插值算法(简称PLS_ZP).PLS算法在基于DFT估计算法的基础上,利用宽带卫星移动信道的衰落特性,通过对有效抽头数的限制设定功率阈值,抑制有效抽头外的噪声;PLS_ZP算法利用时域补零等效频域内插的原理对原频域插值算法进行改进,充分利用所有已估计导频信息.理论分析和仿真结果表明,与传统信道估计算法相比,PLS和PLS_ZP算法的信道估计均方误差(mean square error,MSE)和误比特率(bit error rate,BER)均有一定程度的提升,且算法复杂度较低,易于硬件实现.     

基于两级插补机制的NURBS曲线插补器研究

针对非均匀有理B样条（non-uniform rational B-spline,NURBS）曲线高速高精加工过程中计算负载高的问题,提出一种基于两级插补机制的NURBS曲线插补器方案,在主控端执行第一级插补,完成曲线预处理等粗插补工作;在运动控制端执行第二级插补,完成加减速及实时位置输出等精插补工作。同时,设计并开发基于ARM-FPGA架构的实验平台,可用于两级插补器的实验验证,具有一定的现实参考意义。     

高校学生网络评教影响因素研究

抽取4个院系、12个专业,约37 724个原始数据,经过异常值处理后,获得34 022个有效个案。在信度和效度检验的基础上,采取均值相等性的稳健性检验和Tamhane方法进行方差不相等情况下的多重比较,探索了学生网上评教影响因素。研究结果表明,学生年级、学生成绩、教学班级数、教师年龄、授课门数、课程性质等非教学因素显著影响教师教学综合评价。     

基于动态双门限和D-S证据理论的合作频谱感知算法

针对传统能量检测算法门限设置单一且不适应感知信道环境差异的问题,为了提高合作频谱感知结果的可靠性,减小网络开销和融合中心计算的负担,提出了将动态双门限能量检测和D-S证据理论相结合的合作频谱感知算法.在进行本地感知时,该算法可以让认知用户通过双门限能量检测方法直接得到本地判决结果,同时根据信道环境的变化自适应调整双门限值,并在双门限内使用D-S证据理论,感知双门限内未判决结果的信任度函数,将其发往融合中心,这样可以减少融合中心的计算量以及传输带来的网络开销.仿真结果表明,双门限D-S证据理论的融合结果要优于D-S证据理论和OR准则.     

Hydrostatic-pressure-induced depolarization of (Pb1-1.5xLax)(Zr0.80Ti0.20)O3 ferroelectric ceramics

Pulse power energy conversion materials with ultrafast discharge processes and ultrahigh power densities have been widely used in the defense, energy, medical, and mining fields. The pressure-driven depolarization in ferroelectric materials is significant and accounts for the discharge processes. In this study, we focus on pressure-induced depolarization in (Pb_1-1.5xLa_x)(Zr_0.80Ti_0.20)O₃ (PLZT) (x = 0-0.07) ceramics, and their corresponding phase structure, dielectric properties, ferroelectric properties, and thermal depolarization performances. Although a satisfactory pulse power energy conversion performance has been achieved in Pb(Zr_0.95Ti_0.05)O₃ materials, poor temperature stability negatively influences their application. The static charge densities of PLZT (x = 0.04, 0.06) decreased from 29.11 μC/cm² and 31.53 μC/cm² to 19.76 μC/cm² and 6.56 μC/cm² under 400 MPa hydrostatic pressure, respectively, which is attributed to a pressure-driven ferroelectric-antiferroelectric phase structural transition. In particular, the temperature stability of PLZT (x = 0.06) materials is up to 87°C. This study may guide the further development pulse power energy conversion devices.     

The effect of washing process on the cracking of ZrO2 microspheres by internal gelation

ZrO₂ microspheres are widely used as a simulant of UO₂ in the development of nuclear fuel. However, the cracking of ZrO₂ microspheres prepared by internal gelation is still a challenge during drying and sintering processes. To address this issue, we designed and optimized the washing process for obtaining crack-free ZrO₂ microspheres. Through thermogravimetric, infrared, Raman, BET, and SEM analysis, it is shown that the cracking of the microspheres is mainly related to the pores in microspheres. The washing solvent with low surface tension is used to reduce the effect of capillary force on pore shrinkage. Therefore, the optimal washing process was designed as trichloroethylene (TCE)—0.5 M NH₃.H₂O—Propylene glycol methyl ether (PM) and gel microspheres with a high specific surface area of 315.3 m²/g and pore volume of 0.4125 cm³/g were obtained. The characterizations also further showed that when the microspheres were dried and sintered, the water vapor and the decomposition gas of organic matter were completely released from the pores in the microspheres. Our new washing process could be directly extended for preparing crack-free ceramic microspheres by internal gelation.