多传感器信息融合技术在粮情测控中的应用

提出一种基于多参数、两级信息融合的粮情测控方法.该方法综合了多因素对粮食品质的影响.首先采用加权数据融合算法对剔除疏忽误差的同质数据进行一级融合,然后用已训练好的BP神经网络进行二级融合,最后给出粮情的安全等级.研究表明,该方法充分利用多种有效监测数据,实现同质数据的优化,整体上考虑了异质数据源的互补性,提高了测控系统的可靠性、全面性.     

粮库PWSN部署中NP-Hard问题的研究

以无线传感器网络在粮库中的应用为例,将传感器节点部署中出现未覆盖区域问题归属为NP-Hard 问题.结合近似算法、Bidding协议、Voronoi diagrams等方法,对粮库PwsN部署中的NP-Hard问题进行了较深入的研究,对解决粮库无线传感器网络的覆盖问题提出了新思路.     

双目立体视频最小可辨失真模型及其在质量评价中的应用

该文针对目前最小可辨失真(JND)模型只能应用于评价单视点视频的问题,探索一种以双眼亮度关系为基本出发点的双目立体视频的JND模型。首先根据立体视频特性引入双眼亮度关系模型,然后考虑了背景亮度掩盖、纹理掩盖、帧间掩盖、空间时间对比灵敏度、眼睛运动等因素,提出了双目JND模型,最后将该双目JND模型应用到立体视频质量评价方法中。实验结果表明该文提出的质量评价方法符合人类的视觉感知特性,更接近于主观测试结果。     

基于BP神经网络和D-S证据理论的粮情评价研究

针对D-S证据理论的基本可信度分配函数难以确定和单一BP神经网络输出的评价结果不稳定的特点,提出了一种BP神经网络和D-S证据理论相结合的信息融合处理与状态评估方法用于粮情评价。该方法是将多个BP神经网络的输出结果作为证据理论的基本可信度分配函数（BPAF）,然后依据证据组合规则进行融合,得出粮情的安全程度。本方法降低了单一BP网络输出结果的不稳定性,且提高了融合处理的可信度和精度,增强了系统的容错性。     

基于全方位量化监控与动态演进的研究生培养机制研究

针对目前研究生扩招给研究生培养单位带来的挑战,提出一种新型研究生培养机制,介绍该培养机制的设计过程,通过最近3年的教学应用,说明该研究生培养机制可以大幅度提升研究生的培养质量。     

基于GIS的粮食配送决策支持系统分析与设计*

以粮食物流企业的配送问题为背景,结合GIS理论和方法,对粮食物流配送决策支持系统进行了系统分析。首先结合粮食物流配送决策支持系统的数据需求,详细分析了数据库系统的结构;然后根据粮食物流配送的决策问题,研究分析了粮食物流配送决策支持系统中配送中心选址优化以及粮食配送过程中车辆路线规划等核心模块,并对模型库系统中的模型进行了设计。建立了基于GIS的粮食物流配送系统模型,为GIS应用于粮食物流配送决策支持系统(GLD_DSS)提供了较实用的指导性方案。     

基于CAN总线的粮情测控系统

以CAN总线通信网络为基础,介绍了一种新型的数字式粮情监控系统,并对CAN总线仓房测控节点和基于USB接口的CAN总线网络适配器的设计方案以及软件功能作了论述．     

基于混合蚁群算法的粮食配送中心选址优化

根据粮食配送中心选址问题的特点和要求,在运输成本最低的基础上,构造了选址问题的数学模型.并且针对该模型引入一种混合蚁群算法,将遗传算法与蚂蚁聚类算法融合,采用遗传算法生成信息素分布,利用蚂蚁聚类算法求精确解.     

基于遗传算法的粮食物流配送中心选址优化

根据粮食配送中心选址问题的特点和要求,在运输成本最低的基础上,构造了选址问题的数学模型.并把遗传算法引入到该模型的求解中,通过选择恰当的编码方法和遗传算子,求得模型的最优解,验证了模型的正确性.实例求解表明,该算法可以有效、快速地求得粮食配送中心选址问题的全局最优解.     

采用深度学习方法的非正面表情识别综述

2017年人工智能正式升级为中国国家战略,作为人工智能领域中重要的研究方向,人脸表情识别受到了国内外研究者们的广泛关注。然而传统的人脸表情识别技术无法适应自然环境下的表情识别需求。因此非正面人脸表情识别方法成为实现表情识别技术实用化突破的重点。但是现有的非正面表情识别研究面临很多困难：头部偏转不仅造成了识别图像的扭曲,而且还遮挡了部分人脸区域,严重干扰了表情特征的提取与识别。有鉴于此,研究者们将深度学习技术与非正面表情识别相结合,依靠非正面表情图像的深度信息,实现算法识别能力的提升。综述详细介绍了深度神经网络的结构,对最新的深度学习神经网络研究方法进行分类对比,同时对未来的研究和挑战做了展望。