运维服务成熟度模型中一级和二级的核心特征

参照计算机信息系统集成资质等级划分的思路,将运维服务能力成熟度模型划分为四个等级.阐述了四个级别之间的差异性和继承性,并分别从‘协同’和‘数据和量化分析’角度重点介绍了成熟度二级和一级的核心特征和要求.     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

前保中支架刚度有限元仿真方法

汽车行业会通过一系列有限元方法,对新车型的模态、刚度、碰撞性能、风阻、噪声等进行仿真,通过对模型的初步计算得到具有一定准确性的结果,指导模型的优化,可以在相当大程度上减少设计造成的缺陷。所有的有限元仿真都是通过对设计和工况进行一定程度的简化实现的。模拟结果的准确性也与简化方法密切相关。通过对前保中支架刚度的有限元分析,提出一种效率更高、结果更可靠、耗时更短的前保匹配风险评价的有限元仿真方法,可以通过对前保中支架刚度的计算,有效地对前保下沉风险进行评价,在项目早期发现潜在的匹配设计问题,推动设计优化。     

基于机器视觉的抓握状态模型及其适用性

为了实现手部功能障碍患者在抓握康复训练中手部状态的数字化,提出采用抓握状态模型对手部状态进行识别,并通过实验分析模型的适用性与鲁棒性。首先,提出一种手部抓握状态模型,抓握对象,手部抓握类型以及手部抓握状态判定的流程。然后,采用Leap Motion对5名受试者抓握ARAT(Action Research Arm Test)标准物时的动作进行跟踪,分析抓握状态模型的适用性。最后,通过实验中抓握状态模型参数的离散度分析抓握对象尺寸、手部差异和抓握角度对抓握状态模型稳定性的影响。实验结果表明:实验中抓握状态模型参数的平均相对标准偏差为0.637,且该抓握状态模型具有良好的适用性和鲁棒性。采用基于机器视觉的抓握状态模型对手部状态识别基本满足对手部运动跟踪精度高、处理速度快等要求。