一种在线学习的目标跟踪与检测方法

针对现有在线学习跟踪方法缺乏监督机制的缺点,提出一种新的跟踪框架。以随机森林在线学习理论构造分类器作为目标检测器,用SURF特征点匹配方法作为目标跟踪器,跟踪过程中用可靠跟踪的结果形成对检测结果的监督机制,不对低置信度样本或错误样本进行学习,避免了分类器分类精度的逐渐下降,同时在跟踪失败时用目标检测器对目标进行重新捕获,形成跟踪、学习、检测三者有机结合的跟踪框架。对不同视频序列的测试结果表明,本文算法能有效避免目标出现较大外观变化或被大面积遮挡等复杂情况下的跟踪失败问题。     

鄂尔多斯盆地深部咸水层CO2驱水与埋存潜力评价方法研究

该研究以鄂尔多斯盆地致密咸水层为研究对象,建立了深部咸水层CO2驱水过程中有效埋存量评价方法.基于室内实验和数值模拟方法,确立了CO2在地层水中溶解度、CO2注入后的综合压缩系数、CO2驱水采收率3种埋存系数.以鄂尔多斯盆地石千峰组深部咸水层为例,分析并评价了目标储层深部咸水层CO2驱水与埋存的综合潜力.研究结果表明,...     

储层相控随机建模研究

结合实例,运用地震解释、测井解释、岩心分析等资料,依据相控建模思路,依次进行储层构造、沉积微相、储层物性的建模.重点进行了模型检验和评价及储层非均质性分析.通过对双河油田Ⅶ油组建立储层物性模型,分析研究结果表明:双河油田Ⅶ油组是高孔高渗油藏,总体横向和纵向非均值性也都较强,建模结果符合地下地质体实际情况,为油田的动态开发提供了充分的科学依据,从而说明储层相控随机建模技术能够满足更加精细的油藏描述应用要求.     

滤波辨识(1):有限脉冲响应滑动平均系统的滤波增广参数估计

利用滤波辨识理念,研究和提出了有限脉冲响应滑动平均系统的滤波增广随机梯度辨识方法、滤波多新息增广随机梯度辨识方法、滤波递推增广梯度辨识方法、滤波多新息递推增广梯度辨识方法、滤波递推增广最小二乘辨识方法、滤波多新息递推增广最小二乘辨识方法。这些滤波增广辨识方法可以推广到其他有色噪声干扰下的线性多变量和非线性多变量随机系统中。     

课堂教学互动软件的设计与实现

课堂教学是本科教育的主阵地和主渠道,课堂教学互动对于提升课堂教学效果、培养学生的独立思考能力和批判性思维至关重要。在实践层面,如果能够直接将学生的课堂互动表现纳入其课程总成绩,将有利于充分调动学生参与课堂教学互动的积极性。为便利教师开展课堂互动并辅助记录学生的互动表现,文章设计了一个基于Shiny的课堂教学互动软件。基于该软件,教师可以在课堂教学中随时、随机地抽取出若干名学生参与互动,方便评价和记录其互动表现,为分析学生对课堂教学互动活动的参与度提供数据支撑。该软件的应用激发了学生参与课堂教学互动的积极性和主动性,活跃了课堂教学氛围,提升了课堂教学效果。     

基于随机森林的系统性能指标贡献率评估

针对系统性能评估结果,分析各类指标在本次评估中的贡献率,是系统实现有针对性优化改进的重要基础。基于随机森林算法中的变量重要性测量(Variable Importance Measure,VIM),面向指标体系与评估结果值构建随机森林模型,设计实现一种系统性能指标贡献率评估方法,完成系统性能评价中指标重要程度排序。仿真结果表明,该方法可以精准快速地选取对系统评估结果影响较大的指标,从而为系统性能的提升提供理论支撑。     

随机丝网印刷测试与检验

<正>为什么简化视觉数据进行一次性快速测试对改善工艺控制和生产力是明智之举?W.Edwards Deming在其关于制造的14条规则中敦促道:质量不能仅仅是"检验一下"就能保证的。Deming的思想是在战后的日本形成的,它们概括了在整个现代化电子制造时代关于检验作用的辩论。但是他关于检验的想法是否仍然实用于现     

基于随机距离预测的高铁客流需求研究

历史客运量与客运需求存在差距,基于余票查询数据的起讫点(OD)客流特征分析可以较为实时地反映客运需求。对于一些客流特征的挖掘目前主要的方法是利用聚类算法进行群体划分,进而发现每个类别的特征。针对余票查询数据维度高,直接使用聚类算法鲁棒性较差的问题,提出了一种基于随机距离预测的高层特征抽取模型RDP与K-means结合的OD客流聚类分析方法。以京沪高速铁路预售期内余票查询量数据为原始数据,将乘车日期作为预分类条件,运用RDP算法提取预分类后数据的重构特征,然后通过K-means算法对重构特征进行聚类。实验结果表明,RDP K-means算法在Calinski-Harabaz指数、轮廓系数、戴维森堡丁指数三种内部聚类评价指标下效果均优于传统的K-means、PCA K-means、层次聚类、DBSCAN等算法,证明了RDP K-means算法在基于余票查询数据的OD客流特征分析研究中的有效性,能够更好地进行OD类别划分、客流出行特征分析、热门OD挖掘,为改善运力调整等相关业务提供一定的参考依据。     

基于可撤销人脸的模糊保险箱算法研究与实现

针对传统人脸特征识别系统安全性问题,提出了一种可撤销人脸的模糊保险箱算法。解决了由于模糊保险箱方案中存在真实细节点信息,导致人脸特征不安全的问题。在进行特征模板加密过程前,先用正交随机矩阵加密,加密后的模板具有可撤销性,不存储真实细节点信息,增强了系统的安全性。并在解密过程中的解码阶段,用Berlekamp–Welch解码算法代替CRC解码,该算法在解密阶段仅需根据解码集重构一次多项式,提高了算法的效率。改进后的模糊保险箱算法在生物特征模板受到攻击或者泄露时,能够随时删除并重新产生新的正交随机矩阵,并生成新的生物特征模板,具有可撤销性和安全性。该方案基本流程分为四部分：2DGabor-PCA特征提取、特征可撤销变换、模板加密、模板解密。在ORL人脸库进行测试,最佳识别准确率达到96%,经过对比实验验证了该方法的有效性,能够满足生物模板保护方案所需的不可逆性和可撤销性。     

基于HOG特征的加权稀疏表示人脸识别算法

在人脸识别中,为了进一步提高人脸图像对光照等外界因素的鲁棒性,提出一种基于HOG特征的加权稀疏表示算法,将加权稀疏表示方法和HOG特征以及随机投影方法相融合,以降低复杂度,提高识别性能。首先,统计每一幅图像的方向梯度直方图(HOG)特征,并对每一幅图像进行归一化处理,削弱人脸图像中的光照影响;其次,对归一化后的图像引入随机矩阵算法,进行多次随机投影,得到每个样本所对应的稀疏系数,利用样本之间的距离作为稀疏系数的权值;在此基础上,对传统稀疏表示分类器进行改进,样本经随机矩阵多次投影和稀疏表示后会产生多个重构残差,最后利用样本的重构残差和对样本进行识别分类。ORL人脸库和GT人脸数据库上的实验证明该方法对光照等外界物理因素有着很好的鲁棒性。