简介：近年来随着深度学习技术的引入,基于深度学习的人脸识别算法的性能得到了极大的提升.基于深度学习的人脸识别算法通常需要大规模的人脸数据作为训练集,但是制作一个大规模的人脸识别数据集,需要耗费大量的人力物力.为了在训练数据有限的条件下进一步提高人脸识别算法识别性能,特提出两种训练样本增强的方法：一是基于三维可形变人脸模型,根据单张人脸图像生成其对应的多姿态人脸图像;二是基于人脸关键点检测技术,根据单张人脸图像生成其对应＂戴眼镜＂人脸图像.通过这两种样本增强方法,对有限的训练样本进行扩充,从而有效提升了人脸识别算法的性能.

简介：为了避免成像物体在核磁共振成像（magneticresonanceimaging,MRI）系统实际操作中的旋转难题,现提出一种基于径向基函数（radialbasisfunction,RBF）神经网络和微分进化（differentialevolution,DE）思想的磁共振电阻抗成像（magneticresonanceelectricalimpedancetomography,MREIT）算法.该算法只利用单方向磁感应强度,首先RBF神经网络对肺部仿真模型可行域电阻值和仿真计算磁场强度与真实电磁场强度之间的不匹配目标函数建立非线性模型,其次用微分进化算法寻找最优解.通过在二维、三维肺部仿真模型的仿真实验研究.结果表明,该算法在允许的误差范围内可以有效地对病变的肺部组织进行阻抗图像重构,统计结果与基于微分进化思想的MREIT算法相比,明显缩短了计算复杂度与计算时间.

简介：基于Flink平台对并行Apriori算法进行设计和实现.采用MapReduce计算框架对并行Apirori算法的迭代过程进行设计,并将Flink的流处理和内存缓存应用于算法的实现,从而了Apriori算法在并行计算下的挖掘速度.实验结果表明,基于Flink平台实现的并行Apriori算法对大数据处理有着良好的适应能力,并且在算法迭代次数和迭代产生的频繁项集较多的情况下,拥有较快的挖掘速度.

简介：针对BPR模型收敛速度慢的问题，RandleS提出一种非均匀采样非隐式反馈数据方法AOBPR模型来加快收敛速度，可是该算法只能利用隐式反馈数据.为了改进其算法的不足，我们提出了一种将AOBPR模型与经典的基于矩阵分解的SVD＋＋算法相结合的算法AOBPR_SVD＋＋.改进后的算法不仅能利用隐式反馈数据也能利用显式反馈数据.最后通过在两个真实数据集中进行实验验证，表明改进后的算法可以获得更好的推荐效果.

简介：针对深层超限学习机算法在网络层数较浅时样本特征利用率低,和网络层数较深时样本特征经高层抽象后有效性降低的问题,本文提出了两种密集连接的多层超限学习机算法:Dense-HELM和Dense-KELM.这种密集连接的网络结构,使样本特征信息在层与层之间被充分利用,能够在不增加网络深度的情况下,显著提高算法的识别精度.最后,对文中提出的两种算法在20组基准数据集上进行实验,结果显示:本文提出的算法可以显著提高算法的识别精度,减少算法的训练时间,这表明所提出的算法具有有效性和实用性.

简介：在室内定位中,针对移动标签的精确定位过程中所存在的定位精度低、非视距（non-line-of-sight,NLOS）现象与多径传播等问题,提出一种基于超宽带（Ultra-wideband,UWB）的线段近似双曲线定位算法,将二次双曲线方程转换为线性方程,结合到达时间差（Timedifferenceofarrival,TDOA）定位算法与三角形质心定位算法原理,可以实现高精度定位.经MATLAB仿真验证,该算法中的三线段近似双曲线的近似定位算法的平均距离误差是60.74cm,三加四线段近似双曲线的近似定位算法的平均距离误差是31.34cm,五线段近似双曲线的近似定位算法的平均距离误差是14.08cm.与迄今为止公布的文献相比,证明了该算法定位精度较高,在保证定位精度的同时,Chan算法运行一个周期所用时间为13.580s,线段近似双曲线算法运行一个周期所用时间最大为8.985s,算法复杂度大大的下降.

简介：针对推荐系统的准确性提出了一种优化算法，该算法首先利用用户的特征进行聚类，然后在聚类之后的各个聚簇中运用混合协同过滤框架为每个聚簇训练一个模型；同时在运用混合协同过滤时，针对传统的基于用户的协同过滤推荐算法在计算用户相似度方面进行了改进.实验表明，提出的优化算法显著提高了预测的准确性，从而提高了推荐结果的质量.

简介：极化码是目前唯一被理论证明可以达到香农极限的线性纠错信道编码，已经成为5G标准的信道编码技术方案．针对具有线性复杂度的接续删除译码算法进行了仿真．针对接续删除算法的高译码时延．深入研究了每个时钟周期的计算特点，并且介绍了各种改进方案．针对上述存在的不足进行分析和总结得到了新的研究方向，最后说明了极化码与LDPC码、Turbo码多模泽码器的研究可行性．

简介：早期发现零件缺陷及快速复现道路试验中发现的样件失效问题是台架试验的关键。针对国内外汽车室内台架道路模拟耐久性试验技术发展现状,介绍了台架道路模拟试验技术原理,总结了影响台架试验的关键技术,对不同类型试验台架及试验方法、载荷谱获取、载荷谱样本选择方法及台架道路模拟试验结果评价方法的研究现状进行了梳理分析,探讨了室内台架道路模拟耐久性试验技术的研究发展方向。

简介：提出了一种改进的基于fp-tree的Apriori算法.该算法先用尾元将fp-tree分区，生成数据量更小的子数据集，再动态删除冗余数据将子数据集的数据进一步压缩，最后通过扫描子数据集进行支持数统计，从而快速挖掘.实验结果表明，在对含有大量高维度数频繁项集的数据集进行挖掘时，这个改进算法的挖掘速度较快.

简介：LDA主题模型是文本挖掘领域的重要算法，同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题，是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量，我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分，同时结合正样本学习得到的正面预测评分，从正反两个方面进行综合评测，从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验，表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.

简介：公安交通集成指挥平台是公路交通安全防控体系“三位一体”建设的重要内容，也是公安交警部门科技信息化规划建设的四大信息平台之一。针对前端卡口过车图像质量差和干扰因素多的问题，本文提出一种基于深度学习算法的卡口车辆图像特征识别方法，实现车辆号牌号码、品牌型号、年检标识等车辆特征的准确识别和提取。与现有二次识别算法进行分析比较，在提升卡口过车图像识别准确率的同时，避免了人工设计特征带来的误差干扰，为公安交通集成指挥平台业务的开展提供了强有力技术支撑。

简介：在结构光三维测量系统中,由于投射光不均匀,待测物体自身反射率变化,环境照明引入光分布偏差,参考平面上的待测物体条纹光不均匀,偏离了理想光分布模型,产生了噪声,以致增加了三维重建的难度.为此,本研究提出一种新的算法,对采集的条纹图进行预处理,通过相移法提取相位,设置合适阈值,提取出待测物体的轮廓信息,能更加精确提取噪声区域,对噪声范围内的误差像素取其邻域的误差像素的灰度值均值替换该像素的数值.结果表明,本算法能很好地降低噪声带来的误差,降低了三维重建的难度,对处理后的相位图进行重建,其精度达到98.32%.

简介：对同轴射流的流动及其冲击传热特性进行了数值模拟研究.研究中采用了四种同轴射流模型,它们分别由不同直径比或不同内套管长度构成,对三个Re数下同轴自由射流流场发展和演变的特征进行了模拟.研究表明,由于同轴内套管的存在,在出口处速度沿径向的分布呈现双峰形状,双峰会随着离开出口距离的增加而消失.直径比对速度分布影响较大,但离开出口足够远后,射流速度分布就不受喷嘴结构参数和流动雷诺数的影响.同轴射流冲击传热时,直径比d/D=0.53的同轴射流在整个平板上都比普通圆柱射流有更好的强化传热效果;在冲击驻点附近,传热性能受同轴射流的直径比影响较大.

简介：汽车的成型需要经过一系列的工艺才能完成,在之前的设计开发过程中,汽车内饰件产品的皮纹效果一般不会进行效果验证,往往导致成品不能满足最初的设计要求。当饰件皮纹腐蚀完成后,再次进行调整却很困难,所以往往只能带着缺陷进入市场。为了避免这种现象发生,最好对内饰件产品的皮纹进行相关的模拟验证,当车型完全符合我们的要求时,再进行相应的皮纹腐蚀。

简介：研究了一般网络拓扑图中的连通误报容错支配集的构造算法.首先给出了误报容错支配集的一个精确算法,但是算法的复杂度达到了指数级别.随后又提出了误报容错支配集的一个多项式时间的启发式算法,最后证明了算法的正确性并通过仿真实验验证了算法的有效性.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：通过改进处理K-SVD算法得到DDELM-AE算法,之后再把该算法应用于物体特征识别中。研究结果得到:K-SVD算法的收敛速率较快,达到收敛的时间也显著比SAE算法更短,本文通过改进K-SVD算法之后使DDELM-AE算法的计算准确率以及计算效率都获得了显著的改善。采用K-SVD算法可以达到76.3%的识别准确率,使用深度特征信息之后,可以使识别准确率升高至81.4%,DDELM-AE可以显著提高K-SVD算法的性能,并且加入多特征之后可以使算法识别准确率得到显著提高。

简介：为了克服图像模式识别中的噪声干扰,提出了一种具有感知功能的蚁群算法获得最终检测的边缘信息。改降低了迭代的游走以及初始随机分布里面一些没有意义的运算,使系统运算更加快捷,极大的提高了运算的效率。同时使用感知区域对蚂蚁的游走方向进行了引导和限制,降低了蚂蚁陷入局部而无法走出的可能性。通过对比两种算法进行仿真实验时的运行速度可以发现传统蚁群算法的速度比SACO慢很多。