基于卷积神经网络的零样本细粒度特征识别

为改善零样本学习时训练样本不足及学习效率低下问题，文中提出了一个基于属性的特征组合方法。该方法利用密集注意机制定位图像中的所有属性并提取基于属性的特征，并重用已知类的属性来构造未知类的特征进行训练。将所提方法与VGG19、GoogleNet方法在CUB数据集上训练性能进行对比，仿真分析结果表明，基于属性的特征组合方法的训练效率、识别准确率均有所提升。仿真结果进一步验证了所提方法的有效性及实用性。     

基于大数据聚类的移动机器人运动跟踪控制系统设计

目前研究的移动机器人运动跟踪控制系统控制过程易受到外界扰动影响,导致控制稳定性较差,运动跟踪准确性较差,为此,基于大数据聚类算法设计了一种新的移动机器人运动跟踪控制系统。硬件部分主控制器负责远程无线通讯,图像采集的数据传输和舵机驱动连接,驱动控制器为机器人行走提供动能保证;远程控制模块负责数据,图像和指令的传输;舵机控制模块机器人的行走、转向;软件部分首先通过大数据聚类的方法分析机器人移动步态,根据运动超声波传感器原理判定障碍物位置,考虑移动机器人运行状态与足端轨迹,构建机器人行走控制模型。通过髋关节调节机器人姿态,消除外部扰动对机器人姿态和运动速度的影响,得到抗扰动控制模型。实验结果表明,所设计系统在对机器人运动控制的稳定性及对抗外界扰动方法具有较好的性能,能够实现对移动机器人运动的准确跟踪。