手势数据驱动的头部运动合成方法

非手部手势是手语表达中不可缺少的一部分,头部运动的实现并与手势进行协同表达是其重要研究内容。对真人手语表演数据中的手势与头部动作之间的关系进行了深入研究,提取二者的动作特征,利用核典型相关分析方法(kernel canonical correlation analysis,KCCA)建立起手势与头部动作之间的预测关系模型。动画合成结果以及评价实验表明,KCCA方法能更好地刻画手势与头部动作的协调性,实现虚拟人行为动作合成的逼真性。     

脉冲噪声环境下宽带循环平稳信号DOA估计算法

针对传统二阶循环相关算法在脉冲噪声环境中的显著退化问题,本文以α稳定分布为噪声模型,提出基于分数低阶循环相关的波达方向(Direction of arrival,DOA)估计算法。利用分数低阶循环相关的相移特性,将宽带循环平稳信号的DOA估计问题转化为"中心频率"为ε的窄带问题,解决了宽带情况下DOA估计困难的问题。计算机仿真结果进一步验证了此算法的有效性,且性能优于传统SC-SSF(Spectral correlation signal subspacefitting)算法。     

面向再制造的逆向物流产品回收预测研究

在对再制造逆向物流网络系统构建的基础上,对系统中存在的不确定性因素进行分析。以产品回收数量预测为研究对象,利用灰色模型建立产品回收数量预测模型,并进行实例计算。结果表明该模型计算精度高,所需数据量少,有良好的应用性。     

一种基于相关函数法铁磁谐振波形研究

对铁磁谐振波形进行了系统的分类分级,提出了一种基于Matlab的相关函数方法,并且利用大量数据进行对比,已经得到了效果验证,经过桂林市电力电容器责任有限公司认证,具有良好的实际效果。     

稀疏差分网络和多监督哈希用于高效图像检索

针对基于深度哈希的图像检索中卷积神经网络（CNN）特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH（sparse difference networks and multi-supervised hashing）,并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希（MSH）函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。     

基于TSP物探指标的围岩质量预测研究

为利用TSP各物探指标预测隧道围岩质量,以G575线巴里坤~哈密公路东天山隧道为工程依托,利用灰色关联分析理论,建立了以岩体质量指标修正值作为围岩质量的依据,以9个物探指标为影响因素,采用MATLAB软件对隧道围岩质量的影响因素进行关联排序,确定影响围岩质量的主次因素;再选取高关联度的物探指标,采用灰色关联理论进行围岩质量预测。结果表明,波速、纵横波速比、泊松比、密度为影响隧道围岩稳定性的主控因素;剪切模量、拉梅系数、体积模量、动态杨氏模量、静态杨氏模量为次要因素;围岩质量预测采用波速、纵横波速比、泊松比、密度这4个高关联度的物探指标能准确预测隧道围岩分类。     

滦河上游植被指数NDVI及EVI对SPEI的响应差异

在全球气候变化和人类活动的双重影响下,干旱呈广发、频发态势,使植被生长受到限制,进而影响生态系统结构,威胁区域生态安全。以滦河上游为研究区,基于2000-2019年归一化植被指数NDVI和增强型植被指数EVI,并结合标准化降水蒸散指数SPEI,分析滦河上游气象干旱和植被生长状况的变化趋势及空间分布特征,探讨植被变化对多时间尺度SPEI指数的响应差异。结果表明：近20年滦河上游SPEI呈波动式增大趋势,年尺度SPEI增大速率为0.040 1/a;干旱面积总体减少,减少速率为-1.430 4％/a;NDVI和EVI空间分布特征和变化趋势大体一致,植被覆盖度呈东南高西北低的特征,NDVI和EVI增大速率分别达0.027/a和0.026/a;大部分区域SPEI与植被指数呈正相关,其中NDVI对SPEI-3的响应最强,EVI对SPEI-6的响应最强,总体上EVI与SPEI的相关性强于NDVI;草地对气象干旱最敏感,农田次之,林地最弱。     

基于径向基的瓦斯涌出量灰色预测模型

为了进一步预防煤层瓦斯突出,实现准确、快速预测煤矿瓦斯涌出量的大小,首先采用1-AGO对样本数据进行处理,建立灰色(GM)预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值;采用阜新煤矿某工作面瓦斯涌出量的历史数据进行建模,实验结果表明,GM-RBF组合模型在预测精度及训练误差方面均优于单一的GM模型和RBF神经网络预测模型;算法计算简便,减弱了数据的随机性及模型误差,煤矿瓦斯涌出量的预测平均误差减小到1.57%。     

Thermal conductivity of liquid n-alkanes

The thermal conductivity of liquids has been shown in the past to be difficult to predict with a reasonable accuracy, due to the lack of accurate experimental data and reliable prediction schemes. However, data of a high accuracy, and covering wide density ranges, obtained recently in laboratories in Boulder, Lisbon, and London with the transient hot-wire technique, can be used to revise an existing correlation scheme and to develop a new universal predictive technique for the thermal conductivity of liquid normal alkanes. The proposed correlation scheme is constructed on a theoretically based treatment of the van der Waals model of a liquid, which permits the prediction of the density dependence and the thermal conductivity of liquid n-alkanes, methane to tridecane, for temperatures between 110 and 370 K and pressures up to 0.6 MPa, i.e., for 0.3T/T _c0.7 and 2.4P/P _c3.7, with an accuracy of ±1%, given a known value of the thermal conductivity of the fluid at the desired temperature. A generalization of the hard-core volumes obtained, as a function of the number of carbon atoms, showed that it was possible to predict the thermal conductivity of pentane to tetradecane±2%, without the necessity of available experimental measurements.     

基于特征互补图像的人脸识别仿真研究

研究人脸识别精度问题。由于人脸图像中存在大量干扰信息的缺点,而造成了人脸识别正确率下降,为了解决上述问题,提出了一种基于特征互补图像快速特征融合算法。算法通过对人脸图像的位平面切片图像分析,采用位平面图像分解法,通过各种合成策略构造多幅样本图像。并突出高位平面图像,采用两种加权策略将每一幅人脸图像样本都生成"特征互补图像"。然后,直接用图像的二维典型相关分析(2DCCA)法对两种特征互补图像进行特征抽取。最后通过在ORL国际标准人脸库上进行的实验,结果表明,高位平面图像的典型相关鉴别特征提高了正确识别率,并且因为摒弃了原始人脸图像的大部分干扰信息所以具有更强的鲁棒性。