采用PHOG融合特征和多类别Adaboost分类器的行为识别

为了解决类能量图易受人体运动时间和位置移动等因素影响而难以有效描述动作细节特征的问题,本文提出了一种基于类能量图金字塔梯度直方图(PHOG)融合特征和多类别Adaboost分类器的人体行为识别方法。该方法首先对经过躯体配准的运动人体目标轮廓图像构造平均运动能量图(AMEI)和增强的运动能量图(EMEI),分别提取其分层梯度方向直方图(PHOG)特征并进行串联融合,作为一种多层次的行为特征描述;然后使用基于查找表的LUT-Real Adaboost算法设计多类别分类器,实现图像中人体行为动作的识别。实验结果显示其在典型的人体动作数据集DHA上的正确识别率达97.6%,高于其它采用单一特征描述和SVM等分类器的方法。表明该方法将整体与局部特征相结合,可以有效描述不同尺度下的动作细节特征,增强了人体行为特征的描述能力,提高了识别性能。     

基于改进型灰狼算法的RFID网络规划

随着物联网技术的飞速发展,射频识别(Radio Frequency Identification,RFID)系统因具有非接触、快速识别等优点而成为了解决物联网问题的首选方案.RFID网络规划问题要考虑多个目标,被证明是多目标优化的问题.群体智能(Swarm In-telligence,SI)算法在解决多目标优化问题方面...     

基于多尺度特征融合的U-Net网络高分影像不透水面提取研究

不透水面作为监测城市生态环境的重要指标,其信息提取具有重要意义。由于城市地表的复杂性及细化的城市管理需要,急需提取高精度的城市不透水面。但是基于传统方法提取高精度的城市不透水面面临巨大困难。而深度学习方法因其自动化提取影像特征的特点逐渐成为遥感影像地物提取的新兴方法。基于此,采用多尺度特征融合的U-Net深度学习方法以提升语义分割精度,开展高分辨率遥感影像不透水面的精确提取研究。模型引入残差模块代替普通卷积以加深网络,提取更多影像特征;加入金字塔池化模块增强网络对复杂场景的解析能力;利用跳跃连接方式融合不同尺度特征,有利于恢复空间信息。以广州市航摄正射影像为数据源,通过卷积神经网络将遥感影像分割为背景、其他、植被、道路和房屋5种地物类型,将其与人工目视解译的地面真值进行验证,最终提取研究区域不透水面。实验证明：多尺度特征融合的U-Net模型总体精度和Kappa系数分别为87.596%和0.82。在定性与定量两个方面均优于传统的监督分类法、面向对象分类法和经典U-Net模型法。结果表明：该模型利用多维度影像特征信息,有效提升了复杂场景图像的分割精度,分割效果好,适用于高分辨率遥感影像不透...     

Gauss小波变换像空间的再生核函数

针对经常用于边界检测并且使用效果非常好的Gauss小波,给出了其小波变换像空间的再生核具体表达式.并且当固定尺度因子时,利用再生核空间理论,对Gauss小波变换像空间做了具体描述,为进一步研究一般的小波变换像空间提供了理论基础.     

基于径向基函数网络的浮游植物活体三维荧光光谱分类

将小波变换与神经网络相结合,对浮游植物活体的三维荧光光谱进行分类．首先利用小波变换对数据进行压缩,然后利用径向基函数（Radial Basis Function,RBF）神经网络对光谱曲线进行逼近,从而进行物种的识别,平均识别率高达95．8％．结果表明,该方法较传统的统计方法更方便、准确率更高．     

索膜结构在风载作用下的曲率变化规律

膜结构与其它传统结构相比,具有许多不同特点,当膜结构受到大风或积雪作用时会发生大变形或曲率反转,严重时会使整个结构倒塌.本文分析了几种张力膜结构在风载作用下曲率变化的规律,给出具有较高承载力的曲面形状.     

基于变形控制标准的高土石坝地震可靠度分析

基于可靠度分析的设计方法是科学定量地研究和保证岩土工程安全性的重要手段之一。通过定量考察土石坝工程中的不确定性因素,综合评估地震失效概率,可为高土石坝抗震设计和风险评估提供参考。以坝顶震陷率作为地震安全控制指标,提出了同时考虑地震和筑坝料参数不确定性的高土石坝地震可靠度分析方法。首先,采用地震烈度作为地震危险性的宏观衡量尺度,通过引入地震烈度概率模型,将基于概率烈度的地震动峰值作为地震强度因子,调整规范谱人工地震波的幅值进行动力有限元计算。然后,采用适用于处理小样本和非线性问题的高斯过程响应面法,建立筑坝料参数与坝顶震陷率之间的非线性映射关系,结合蒙特卡罗法计算高土石坝地震失效概率。最后,以紫坪铺面板堆石坝为例,应用该方法考察了设计基准期内的地震失效概率。     

特征保持点云数据精简

由于三维扫描设备采集的点云数据庞大,本文提出了一种特征保持的点云精简方法以在减少冗余数据的同时更好地保持原始曲面的几何特征。首先,利用K均值聚类法在空间域对点云全局聚类,对点云构建K-d树并以K-d树的部分节点作为初始化聚类中心。然后,用主成分分析法估计点云法矢和候选特征点,遍历每个聚类,若类中包含特征点则将该类细分为多个子类,细分时将聚类映射到高斯球。最后,基于自适应均值漂移法对高斯球上的数据进行分类,高斯球上的聚类结果对应为空间聚类细分结果,各聚类中心的集合为精简结果。以多个实物模型为例验证了算法的有效性。结果表明,本文方法精简的点云在平坦区域保留少数点,在高曲率区域保留更多的点。相比于非均匀网格、层次聚类、K均值点云精简法,该方法对包含尖锐特征的曲面精简误差最小,更好地保留了原始曲面的几何特征。     

共晶Ga—In合金的液态结构与粘度研究

利用液态金属X射线衍射仪测试了室温下Ga-24.6%In共晶合金的强度曲线、结构因子、双体分布函数以及原子间最近邻距离。结果表明,液态共晶Ga-In合金结构因子的第一峰呈明显的不对称。表明熔体中仍保留有部分Ga的共价键。,建立了共晶Ga-In合金的结构模型。利用此模型计算所得结果与用Gauss分解所得结果吻合良好;利用回转振动粘度仪进行了粘度测量。结果表明,共晶Ga-In合金的粘度值在100－600℃范围内满足指数关系,表明熔体中没有发生结构转变。并给出了其粘度与温度的关系式。     

基于正弦高斯混合模型的磁目标通用快速检测

在诸如潜艇等磁目标的探测问题中,被测磁目标信号可能表现出参数待定的磁异信号或极低频磁信号的特征。提出了一种可同时检测参数待定的微弱磁异信号和微弱极低频磁信号的通用快速检测方法。通过抓住磁异信号和极低频磁信号在统计上共同具有的分段类正弦特征,建立了正弦高斯混合模型,实现了对参数待定的磁异信号和极低频磁信号的通用建模。基于正弦高斯混合模型和序贯检测理论构建了一种累积和检测器,实现了对微弱磁异信号和微弱极低频磁信号的通用快速检测,给出了未知模型参数的确定方法,分析了所构建检测器的序贯检测性能。并进一步研究了所构建检测器对不同的微弱磁异信号和微弱极低频磁信号的检测性能。在以地磁为背景的磁目标探测系统实验中,验证了所构建检测器对微弱磁异信号和微弱极低频磁信号的通用性和快速性。实验表明,所构建检测器的信噪比可低至-8 dB,计算量相比于传统检测方法降低4个量级。