Automatic Schaeffer's gestures recognition system

Schaeffer's sign language consists of a reduced set of gestures designed to help children with autism or cognitive learning disabilities to develop adequate communication skills. Our automatic recognition system for Schaeffer's gesture language uses the information provided by an RGB‐D camera to capture body motion and recognize gestures using dynamic time warping combined with k‐nearest neighbors methods. The learning process is reinforced by the interaction with the proposed system that accelerates learning itself thus helping both children and educators. To demonstrate the validity of the system, a set of qualitative experiments with children were carried out. As a result, a system which is able to recognize a subset of 11 gestures of Schaeffer's sign language online was achieved.     

基于K均值聚类和粒子群优化的多核SVM图像分割

图像分割是图像理解和计算机视觉的重要内容.针对单核SVM在进行图像分割过程中不能兼顾分割精度高和泛化性能好的问题,提出一种基于K均值聚类和优化多核SVM的图像分割算法.该算法首先运用K均值聚类算法自动选取训练样本,然后提取其颜色特征和纹理特征作为训练样本的特征属性,并使用其对构造的多核SVM分割模型进行训练,最后用粒子群优化算法对多核核参数、惩罚因子以及核权重系数联合寻优,使生成的多核SVM具有更好的分割性能.实验结果表明,本文方法在有效提取图像目标细节的同时,获得了更高的分割精度,与基于单核的SVM分割模型相比,具有更强的泛化能力.     

改进粒子群算法和支持向量机的网络入侵检测

网络入侵检测一直是网络安全领域中的研究热点,针对分类器参数优化难题,为了提高网络入侵检测准确性,提出一种改进粒子群算法和支持向量机相融合的网络入侵检测模型(IPSO-SVM).首先将网络入侵检测率作为目标函数,支持向量机参数作为约束条件建立数学模型,然后采用改进粒子群算法找到支持向量机参数,最后采用支持向量机作为分类器建立入侵检测模型,并在Matlab 2012平台上采用KDD 999数据进行验证性实验.结果表明,IPSO-SVM解决了分类器参数优化难题,获得更优的网络入侵分类器,提高网络入侵检测率,虚警率和漏报率大幅度下降.     

3D computer vision based on machine learning with deep neural networks: A review

Recent advances in the field of computer vision can be attributed to the emergence of deep learning techniques, in particular convolutional neural networks. Neural networks, partially inspired by the brain's visual cortex, enable a computer to “learn” the most important features of the images it is shown in relation to a specific, specified task. Given sufficient data and time, (deep) convolutional neural networks offer more easily designed, more generalizable, and significantly more accurate end‐to‐end systems than is possible with previously employed computer vision techniques. This review paper seeks to provide an overview of deep learning in the field of computer vision with an emphasis on recent progress in tasks involving 3D visual data. Through a backdrop of the mammalian visual processing system, we hope to also provide inspiration for future advances in automated visual processing.     

基于机器视觉的采茶机割刀控制方法

针对现有乘坐式采茶机切割的茶叶质量偏低的问题,提出了一种基于机器视觉的采茶机割刀控制方法。首先对相机参数进行低复杂度的标定,然后采用动态阈值分割方法和颜色分类器,提取茶叶图像中的嫩芽区域,并设计间接定位法定位弧形割刀位置;接着通过计算两个指定区域的嫩芽面积及它们的和与差异,得到弧形割刀左右两侧的动作参数;最后将动作参数传给下位机,控制割刀到达预期位置。本方法分别对单株茶树和实地茶园进行了实验,结果表明该方法能够准确定位弧形割刀位置和识别嫩芽区域,实现割刀位置的自适应调整,具有较好的茶叶切割效果,切割得到的嫩芽比例可达70%以上。     

一种曲线路径剪裁中刀具形变及其误差分析

动态移动切削阻力载荷对高速数控裁床加工过程中刀具形变及其剪裁误差具有的重要影响,提出了一种适用多层布料/皮革曲线剪裁路径的刀具形变及其误差计算方法;建立了动态负载条件下可伸缩刀具的挠度与转角方程,进而推导出高频振动裁刀剪裁误差及其随切削深度变化规律;计算结果表明,数控布料/皮革剪裁刀的动态载荷、高频振动参数、切削深度对剪裁误差具有重要影响,深入剖析高层数控裁床的加工机理,动态参数数据分析,对于提高机床加工效率,降低加工误差,提高刀具使用寿命具有一定的工程应用价值。     

基于图像层级的机器素描研究

针对运用机械臂绘制的机器素描图像存在缺失真实感、艺术感,硬件设备复杂,难以普及的问题,提出基于图像层级的机器素描方法.该方法在运用灰度变换、滤波、二值化等图像预处理方法处理原始人物图像的基础上,分别提取出图像轮廓和图像内部填充区域两部分二值目标图像,通过简易路径规划遍历目标图像,根据遍历轨迹控制XY型简易机械臂绘制图像轮廓及按层级绘制模式填充图像内部区域,实现人物素描图像的绘制.实验结果表明,该系统可根据图像轮廓实现任意曲线的绘制,通过层级绘制模式包含环境因素达到了衬托素描图像使其更具层次感的目的.     

基于OFDM的水声通信算法

在水声通信领域,基于正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）的通信技术是最直接和最有效的手段之一. 但是水声通信信道是多变的和复杂的,在传输的过程中可能会受到多途扩展严重、可用带宽有限和高噪声等不理想因素的影响,导致无法恢复出原始数据,所以保证数据的可靠性传输是极其重要的. 本文在原有的OFDM通信基础上加入了交织技术、chirp扩频技术、加窗以及chirp同步技术,并通过对MATLAB的仿真和实验分析,验证了该系统的可行性,最后通过对比加入噪声、多径和多普勒效应的误码率曲线图,说明了该系统的性能和抗干扰能力.     

基于情感词向量的微博情感分类

该文提出了一种基于情感词向量的情感分类方法。词向量采用连续实数域上的固定维数向量来表示词汇,能够表达词汇丰富的语义信息。词向量的学习方法,如word2vec,能从大规模语料中通过上下文信息挖掘出潜藏的词语间语义关联。本文在从语料中学习得到的蕴含语义信息的词向量基础上,对其进行情感调整,得到同时考虑语义和情感倾向的词向量。对于一篇输入文本,基于情感词向量建立文本的特征表示,采用机器学习的方法对文本进行情感分类。该方法与基于词、N-gram及原始word2vec词向量构建文本表示的方法相比,情感分类准确率更高、性能和稳定性更好。     

基于深度神经网络的中文命名实体识别

由于中文词语缺乏明确的边界和大小写特征,单字在不同词语下的意思也不尽相同,较于英文,中文命名实体识别显得更加困难。该文利用词向量的特点,提出了一种用于深度学习框架的字词联合方法,将字特征和词特征统一地结合起来,它弥补了词特征分词错误蔓延和字典稀疏的不足,也改善了字特征因固定窗口大小导致的上下文缺失。在词特征中加入词性信息后,进一步提高了系统的性能。在1998年《人民日报》语料上的实验结果表明,该方法达到了良好的效果,在地名、人名、机构名识别任务上分别提高1.6%、8%、3%,加入词性特征的字词联合方法的F1值可以达到96.8%、94.6%、88.6%。