学习小波超分辨率系数的人脸超分算法

目前基于卷积神经网络的超分方法虽然在峰值信噪比和结构相似性评价指标上能取得优异的结果,但是得到的超分图像视觉质量较差,会丢失人脸五官区域的细节信息。针对这一现象,设计了一种新的深度神经网络来预测超分小波系数以获得信息丰富的超分辨率人脸图像,首先利用人脸图像的先验知识手动地给予五官区域更多的关注,然后在网络中引入线性低秩卷积运算,最后利用长距离依赖的思想补充超分图像的细节。实验验证该算法可以在获得较高的峰值信噪比和结构相似性的同时,使超分人脸图像五官区域更加清晰、视觉质量更优。     

基于卷积神经网络和语义相关的协同显著性检测

针对目前协同显著性检测方法中存在的语义特征类相差悬殊的物体被误检测为协同对象等问题,提出了一种基于卷积神经网络和语义相关的协同显著性检测算法CSCCD。首先,采用引导超像素滤波方法对SLIC分割出的超像素区域和DSS生成的显著性区域进行处理,清晰地显示了目标边界轮廓;然后使用Mask R-CNN提取语义特征,给出了图像语义特征和语义一致性的定义,并针对提取语义特征过程中出现的同一语义类别的物体在不同形态下被检测为不同语义类别的问题,提出了图像组语义相关类的概念,在此概念的基础上定义了图像组语义关联类,解决了多幅图像的语义关联问题;最后融合显著性检测区域和图像组语义一致性区域得到协同显著性检测结果。在公开基准数据集上的实验结果表明,该算法能够有效凸显目标整体及轮廓,在客观量化方面的综合性能有明显提升。     

基于SDWN的负载感知终端多点关联方案研究

软件定义无线网络（SDWN）是一种控制与转发分离的无线网络架构。该架构可以快速获取全局拓扑并且其可编程性结合资源虚拟化技术可以对网络接入进行动态控制。针对现有WLAN网络接入负载不均衡问题及移动终端与AP硬关联导致的切换速度较慢的问题,基于SDWN架构提出了一种负载感知终端多点关联方案。该方案对SDWN网络架构下的终端接入算法进行改进,采用多点关联技术,即终端在感知AP负载数据后,可关联多个虚拟AP,达到动态分流并提高网络吞吐量的目的。最后在SDWN的开源Odin平台上验证了方案的可行性,实验表明相比无缝切换至另一AP,此方案可改变原有终端与AP接入一一对应的接入关系,根据AP负载动态接入,可有效提升网络吞吐量。     

动态视角下的城市道路交通网络失效评价模型

利用可靠性相关理论,在对交通网络状态变化规律分析的基础上,给出了了城市道路交通单元及交通网络的‘失效—非失效’态的表达方法;分析了路段单元及交通网络的状态从观察起始点t0到首次演变到‘失效态’的时间分布规律,并以此为基础推导了城市道路单元及交通网络的失效概率、平均失效时长、失效率以及条件失效时长等失效评价模型,给出了模型标定的方法。以国内某城市核心城区5条道路单元组成的路网为实例,对首次失效时间进行了分布拟合及检验,对模型进行了标定,并将模型计算结果与实际观察结果进行了对比。结果表明,利用对数正态分布来拟合首次失效时间较为理想,而且模型的计算结果与实际观察结果也非常接近,表明模型具有良好的实用性。     

动作识别中基于深度神经网络和GA合并算法的分类决策方法

针对人体动作识别中传统方法在分类决策方面存在问题和缺陷,提出了一种新颖的基于深度神经网络(DNN)和遗传算法(GA)合并算法的非线性分类决策方法。首先,提出的合并算法在整个训练集合上对特征提取器进行组合,进而组合成不同的两个独立网络;再利用DNN对两个独立网络进行初始化,进一步利用GA对两个网络进行合并。然后将网络的偏差和权重表示为每层网络间的一个矩阵;最后,利用DNN对网络的偏差和权重进行训练,并在合并过程中将矩阵中的每一行当作一个染色体。实验采用了标准MNIST数据集对提出算法的性能进行评估。评估结果显示实验过程中的交叉和突变操作增加了神经元节点,提高了识别性能,并且弱化了不相关和相关神经元节点。因此,提出算法的错误率更低,网络性能更优异。     

基于弹性网络模型的蛋白质结构-功能关系

蛋白质结构-功能关系研究是结构生物学领域的热点问题之一,具有重要的理论和实际应用价值.弹性网络模型(elastic network model,ENM)是获取蛋白质结构本身固有动力学性质,进而揭示其生物学功能的有效方法,在蛋白质结构-功能关系研究中得到了广泛应用.简要介绍了ENM的基本原理及其在蛋白质结构-功能关系中的应用,主要包括蛋白质功能性运动分析和关键位点识别等.     

基于MLP和SPSO的机器人行为选择与运动控制方法

针对传统行为选择机制(ASM)不能很好地做出控制决策的问题,提出一种基于多层感知(MLP)前馈神经网络的ASM,并将其应用到移动机器人目标跟踪中。首先,根据具体应用场景预定义多个机器人行为。然后,根据机器人配备的图像和红外传感器获得的目标位置和障碍物信息,通过MLP神经网络从预定义行为中选择出所需执行的行为。另外,为了构造最优的MLP模型,采用一种简化粒子群算法(SPSO)来优化网络权值参数。机器人目标跟踪仿真的结果表明,提出的ASM能够准确选择出合适的行为,实现了控制机器人跟踪目标移动且能够避开各种障碍物。     

基于Delaunay三角剖分的有向传感器网络覆盖增强算法*

针对视频传感器网络的区域覆盖问题,提出一种基于Delaunay三角剖分思想的几何算法,选取围绕传感器的具有最大面积的Delaunay三角形重心作为决策方向。在此基础上,将Delaunay三角剖分的几何方法与分布式贪婪算法进行了融合,引入“贡献率”概念反映节点在其候选方向上可能覆盖区域的大小,以解决冗余覆盖的问题。仿真结果证明了该算法的有效性。     

人工肺-嗅觉系统集成与混合气体识别方法

针对仿人机器人的嗅觉及多种混合气体识别问题,提出一种人工肺-嗅觉系统(HALOS-I)及基于主动呼吸的气体识别方法.该系统硬件主要集成了微型真空泵、酒精/硫化氢/氨气/烟雾/甲烷5种气体传感器、单片机以及信号采集与处理电路;分别用K-均值聚类分析法、遗传算法结合神经网络(GA+BP)、三级级联神经网络(GA+3BP)进行了5种单一气体及4种混合气体的识别实验,结果表明:GA+BP算法仅对5种单一气体识别率达到90%以上,加入混合气体后识别率较低;GA+3BP算法除对硫化氢和烟雾的混合气体识别率为70%以外,对其余8种气体识别率均在90%以上,表明GA与多级级联BP神经网络相结合方法对多种单一及混合气体具有较高的识别率.     

蛋白质折叠的计算机模拟研究进展

蛋白质折叠是结构生物学领域有待解决的重要科学问题,计算机模拟方法是研究蛋白质折叠的主要手段之一.对蛋白质折叠的计算机模拟研究进展进行了简要介绍,主要内容包括:全原子分子动力学模拟、Gō模型以及弹性网络模型的主要思路及其在蛋白质折叠研究中的应用.