一种基于模糊逻辑的外环功率控制方法

本文针对cdma2000系统的通信链路，提出 了一种适应于前反向链路的外环功率控制的方法，它根据模糊控制的理论，建立了一系列的模糊规则，通过可变的调整步长，能对不同的通信环境作出灵敏的反应。与传统的方法相比，该方法提高了控制的精度，最大限度地减少了内环的发射功率，从而减少了系统的干扰，增加了系统的稳定性，提高了系统容量。仿真结果也证明了此方法的上述优越性能。     

钴铁复合修饰FER催化CH4还原NO性能研究

Co系镁碱沸石分子筛在CH4-SCR中表现出较好的潜力,为提高Co-FER的催化活性以及抗水抗硫性能,引入Fe对Co-FER进行改性。采用离子交换法,制备出一系列xFe/Co-FER催化剂,在固定床反应器中进行了CH4选择性催化还原NO实验,并利用N2吸附-脱附、UV-vis、H2-TPR和Py-FTIR等手段进行表征。结果表明,经过适量Fe修饰的Co-FER催化剂能够提高NO转化率、N2选择性以及抗水抗硫性能。0.46Fe/Co-FER在富氧条件下,500°C时NO转化率达到64.9%。加入0.02%SO2后,NO转化率能保持在58.5%左右,加入5%H2O后,仍能保持在54%以上的NO转化率。UV-vis结果表明,0.46Fe/Co-FER中含有更多游离态的Fe3+,因此具有更好的催化活性。H2-TPR结果表明,适量的Fe修饰Co-FER,可以使还原峰向低温移动,提高催化性能。Py-FTIR结果表明,催化剂表面均含有大量的Br?nsted酸和Lewis酸,Fe的引入会显著增加催化剂的Br?nsted酸含量。     

基于多尺度核特征卷积神经网络的实时人脸表情识别

针对人脸表情识别的泛化能力不足、稳定性差以及速度慢难以满足实时性要求的问题,提出了一种基于多尺度核特征卷积神经网络的实时人脸表情识别方法。首先,提出改进的MobileNet结合单发多盒检测器（MSSD）轻量化人脸检测网络,并利用核相关滤波（KCF）模型对检测到的人脸坐标信息进行跟踪来提高检测速度和稳定性;然后,使用三种不同尺度卷积核的线性瓶颈层构成三条支路,用通道合并的特征融合方式形成多尺度核卷积单元,利用其多样性特征来提高表情识别的精度;最后,为了提升模型泛化能力和防止过拟合,采用不同的线性变换方式进行数据增强来扩充数据集,并将FER-2013人脸表情数据集上训练得到的模型迁移到小样本CK+数据集上进行再训练。实验结果表明,所提方法在FER-2013数据集上的识别率达到73.0%,较Kaggle表情识别挑战赛冠军提高了1.8%,在CK+数据集上的识别率高达99.5%。对于640×480的视频,人脸检测速度达到每秒158帧,是主流人脸检测网络多任务级联卷积神经网络（MTCNN）的6.3倍,同时人脸检测和表情识别整体速度达到每秒78帧。因此所提方法能够实现快速精确的人脸表情识别。     

深度学习下融合不同模型的小样本表情识别

为了进一步提高人脸表情识别在小样本中的准确率,提出了一种深度学习下融合不同模型的小样本表情识别方法。该方法首先对单个卷积神经网络(CNN)模型进行比较,通过dropout层不同的节点保留概率p,筛选相对合适的CNN。之后采用尺度不变特征变换(SIFT)算法提取出特征,使用SIFT提取特征的目的是提高小数据的性能。为了减少误差,避免过拟合,将所有模型进行汇总,采用简单平均的模型融合方法得到CNN-SIFT-AVG模型。最后,只采用少量样本数据来训练模型即可。该模型已在FER2013、CK+和JAFFE数据集上进行了验证实验。实验结果表明,该模型可以很大程度上提高小样本表情识别的准确率,并在FER2013、CK+和JAFFE数据集上产生了较优异的结果,与其他表情识别方法相比,准确率最大提升约6%。     

深度人脸表情识别研究进展

随着人脸表情识别任务逐渐从实验室受控环境转移至具有挑战性的真实世界环境,在深度学习技术的迅猛发展下,深度神经网络能够学习出具有判别能力的特征,逐渐应用于自动人脸表情识别任务。目前的深度人脸表情识别系统致力于解决以下两个问题：1）由于缺乏足量训练数据导致的过拟合问题;2）真实世界环境下其他与表情无关因素变量（例如光照、头部姿态和身份特征）带来的干扰问题。本文首先对近十年深度人脸表情识别方法的研究现状以及相关人脸表情数据库的发展进行概括。然后,将目前基于深度学习的人脸表情识别方法分为两类：静态人脸表情识别和动态人脸表情识别,并对这两类方法分别进行介绍和综述。针对目前领域内先进的深度表情识别算法,对其在常见表情数据库上的性能进行了对比并详细分析了各类算法的优缺点。最后本文对该领域的未来研究方向和机遇挑战进行了总结和展望：考虑到表情本质上是面部肌肉运动的动态活动,基于动态序列的深度表情识别网络往往能够取得比静态表情识别网络更好的识别效果。此外,结合其他表情模型如面部动作单元模型以及其他多媒体模态,如音频模态和人体生理信息能够将表情识别拓展到更具有实际应用价值的场景。     

面部表情分析进展和挑战

面部表情分析是计算机通过分析人脸信息尝试理解人类情感的一种技术,目前已成为计算机视觉领域的热点话题。其挑战在于数据标注困难、多人标签一致性差、自然环境下人脸姿态大以及遮挡等。为了推动面部表情分析发展,本文概述了面部表情分析的相关任务、进展、挑战和未来趋势。首先,简述了面部表情分析的几个常见任务、基本算法框架和数据库;其次,对人脸表情识别方法进行了综述,包括传统的特征设计方法以及深度学习方法;接着,对人脸表情识别存在的问题与挑战进行总结思考;最后,讨论了未来发展趋势。通过全面综述和讨论,总结以下观点：1）针对可靠人脸表情数据库规模小的问题,从人脸识别模型进行迁移学习以及利用无标签数据进行半监督学习是两个重要策略;2）受模糊表情、低质量图像以及标注者的主观性影响,非受控自然场景的人脸表情数据的标签库存在一定的不确定性,抑制这些因素可以使得深度网络学习真正的表情特征;3）针对人脸遮挡和大姿态问题,利用局部块进行融合的策略是一个有效的策略,另一个值得考虑的策略是先在大规模人脸识别数据库中学习一个对遮挡和姿态鲁棒的模型,再进行人脸表情识别迁移学习;4）由于基于深度学习的表情识别方法受很多超参数影响,导致当前人脸表情识别方法的可比性不强,不同的表情识别方法有必要在不同的简单基线方法上进行评测。目前,虽然非受控自然环境下的表情分析得到较快发展,但是上述问题和挑战仍然有待解决。人脸表情分析是一个比较实用的任务,未来发展除了要讨论方法的精度也要关注方法的耗时以及存储消耗,也可以考虑用非受控环境下高精度的人脸运动单元检测结果进行表情类别推断。     

持续学习改进的人脸表情识别

目的 大量标注数据和深度学习方法极大地提升了图像识别性能。然而,表情识别的标注数据缺乏,训练出的深度模型极易过拟合,研究表明使用人脸识别的预训练网络可以缓解这一问题。但是预训练的人脸网络可能会保留大量身份信息,不利于表情识别。本文探究如何有效利用人脸识别的预训练网络来提升表情识别的性能。方法 本文引入持续学习的思想,利用人脸识别和表情识别之间的联系来指导表情识别。方法指出网络中对人脸识别整体损失函数的下降贡献最大的参数与捕获人脸公共特征相关,对表情识别来说为重要参数,能够帮助感知面部特征。该方法由两个阶段组成：首先训练一个人脸识别网络,同时计算并记录网络中每个参数的重要性;然后利用预训练的模型进行表情识别的训练,同时通过限制重要参数的变化来保留模型对于面部特征的强大感知能力,另外非重要参数能够以较大的幅度变化,从而学习更多表情特有的信息。这种方法称之为参数重要性正则。结果 该方法在RAF-DB（real-world affective faces database）,CK+（the extended Cohn-Kanade database）和Oulu-CASIA这3个数据集上进行了实验评估。在主流数据集RAF-DB上,该方法达到了88.04%的精度,相比于直接用预训练网络微调的方法提升了1.83%。其他数据集的实验结果也表明了该方法的有效性。结论 提出的参数重要性正则,通过利用人脸识别和表情识别之间的联系,充分发挥人脸识别预训练模型的作用,使得表情识别模型更加鲁棒。     

1-Pentene Isomerization over Zeolites Studied by in situ IR Spectroscopy

The skeletal isomerization of 1-pentene at 1.2 bar total pressure and 30 mbar 1-pentene partial pressure was investigated by in situ IR measurements over FER and BEA zeolites. If the reaction was carried out isothermally a small loss of Brønsted acid sites due to coke formation, a constant conversion and a high selectivity to isopentenes was found over FER. A loss of acid sites and a decrease in conversion was found over BEA, but the selectivity to isomerization increased remarkably. The pore size of FER favored the monomolecular reaction of 1-pentene and suppressed bimolecular reactions. In the bigger pores of BEA initially dimerization–cracking and hydrogen transfer reactions leading to a coke layer took place then the skeletal isomerization of 1-pentene prevailed.     

CDMA网络中的多载波区域的设计及硬切换算法研究

本针对中国联通CDMA网络建设中多载波区域的设计及硬切换算法进行了深入的研究与阐述，旨在使多载波区域的设计更合理，切换成功率更进一步提高。     

Design of a qualitative classification model through fuzzy support vector machine with type‐2 fuzzy expected regression classifier preset

Methods of qualitative analysis, such as qualitative classification, have gained importance as an essential complement of existing quantitative analysis in numerous fields. Only a few models have been developed to deal with qualitative inputs in the form of type‐2 fuzzy(T2F) sets properly, given that traditional defuzzification method like the Karnik–Mendel algorithm performs dimensionality reduction at the cost of loss of information. To improve the situation, we define the expected value and variance of T2F set in this paper. By using a combination of them, we transfer the vertical three‐dimensional uncertainty of T2F set to horizontal range uncertainty without much distortion of information. Additionally, current classification models are unsuitable to the partial classification problem if an output is not fully assigned to a single class. We build a comprehensive qualitative classification model based on fuzzy support vector machine (FSVM) combined with type‐2 fuzzy expected regression (FER) to solve the partial classification problem as mentioned. This classifier (i.e. FER‐FSVM) makes it possible to achieve the discrimination of output while characterizing membership for each class in terms of multidimensional qualitative inputs (attributes) in the form of T2F sets. FER‐FSVM also can self‐learn the data structure and shift between FER or FSVM for classification automatically, thus largely improving the efficiency of the classification process. The new model is almost 7 times more efficient than FSVM, as shown by our empirical experiments. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.