Boosting算法的理论分析

以AdaBoost算法为例介绍Boosting算法,概括其理论分析。回顾了关于Boosting的近期工作,包括AdaBoost训练误差和泛化误差的分析以及AdaBoost在分类问题的扩展。     

拼接梯度压电材料中多裂纹的响应问题

研究了拼接梯度压电材料中多裂纹的响应问题,考虑关于y轴对称的材料结构,多个裂纹分布在x轴上.运用傅里叶变换技术并结合边界条件将混合边值问题转化为第一类奇异积分方程.引入位错函数,并且通过高斯-切比雪夫方法对积分方程进行求解,得出切应力和电位移的解析表达式以及裂纹端的强度因子表达式.最后借助MATLAB进行数值算例分析,给出裂纹端强度因子受裂纹间距、裂纹几何尺寸、梯度参数以及材料带宽比的影响情况.     

面向不均衡小样本训练集的改进Boosting算法

传统的Boosting算法训练出的分类器常会出现过拟合和向多数类偏移.为此,提出一种基于自适应样本注入和特征置换的Boosting学习算法,通过在训练过程中加入人工合成样本,逐渐平衡训练集,并通过合成的样本对分类器学习进行扰动,使分类器选择更多有效的特征,提高了分类器的泛化能力.最后,在两类和多类图片分类问题上对该算法的有效性进行了考察,实验结果表明,该算法能够在样本数很少,且正负样本数量极不均衡的情况下,有效提高booting算法的泛化能力.     

基于HOG-CSLBP与深度学习的跨年龄人脸识别算法

针对人脸识别中识别精度低的问题,提出一种基于深度学习的跨年龄人脸识别算法.该方法创新性地将方向梯度直方图(Histogram of Oriented Gradient,HOG)和中心对称局部二值模式(Center Symmetric Local Binary Pattern,CSLBPS)组合方法用于人脸图像特征提取,获得包含结构和强度信息的图像融合特征,然后使用二叉树对特征信息进行降维,降维特征作为深度信念网络的可视层输入量,弥补深度新信念网络无法达到图像局部特征要求的缺陷.通过训练好的深度网络模型对测试样本进行学习,在深度信念网络的最顶层对特征进行分类识别.实验结果表明,该方法能高精度实现人脸识别,且与其他方法比较,该方法性能优于其他方法,说明该方法具有可行性和有效性.     

边缘检测算子在微光瞄准仪检测系统中的实现

多环境试验条件下微光瞄准镜检测技术一直是军备生产所关注的问题。由于振动、射击、冲击、跌落和高低温环境等载荷作用下,使微光瞄准镜机械、光学结构和电性能参数发生改变,导致微光瞄准镜不能正常工作和使用。本文设计了多环境试验条件下的微光瞄准镜检测与测试系统,给出了由CCD组成检测系统工作原理。对微光瞄准镜图像边缘特性进行分析,运用了边缘检测算子运算算法,确定其精确数值。结合实际工程应用,其测量精度≤0．05密位,测量范围≥40密位,达到项目要求。     

木材浮压干燥的研究

<正>作者从国内外木材干燥工业生产和科研动态中得到启示,形成了关于浮压干燥的设想:加压升温,向木材内部迅速注入能量;将介质压力作为重要的控制参数一木材干燥第四要素,创造有利于内部水分向表层移动的初始条件与外界条件,在含水率梯度不大的情况下加速干燥过程。实验结果表明,浮压干燥是可行的,是一种有发展前途的新型木材干燥方法。     

基于高斯光束的SOI平面光波导的耦合效率研究

利用GRIN介质对高斯光束在出射端面聚焦的特性,研究了对称GRIN介质中单模SOI平面波导的耦合效率特性。对于同一入射波长而言,TM波的耦合效率较大;对于1550nm的通信波长而言,使TE和TM偏振光的耦合效率恰好相同的最佳耦合条件为α＝0.25μm-1,Δx＝0,θ＝0?,且耦合效率均为84.1%。     

磁共振快速场梯度回波技术在急性期脑出血中的应用价值探讨

目的：探讨磁共振快速场梯度场回波技术（FFE）在急性期脑出血中的应用价值．方法：对30例临床怀疑急性期脑出血的患者在行CT及常规MR头颅平扫序列后均加做FFE序列检查,比较其诊断价值．结果：30例临床怀疑急性期脑出血的病例中,21例在CT上清晰显示的24个血肿在FFE序列均能清晰显示,而另外3例脑干小血肿显示较CT清晰,有6例在FFE发现的多个直径2-5mm的圆形或斑点状的低信号在CT及常规T2WI上均未显示．结论：FFE序列在急性期脑出血中以及微量出血中有明确的应用价值．     

离子色谱法测定葡萄酒柠檬酸含量

使用离子色谱法利用对葡萄酒中柠檬酸含量进行了分析,利用梯度洗脱实现分离,并且方法的线性好,精密度高、回收率满意.     

具闭凸集约束选址问题的简捷算法

对具闭凸集约束的建造发电厂，仓库，炼油厂，飞机维修厂，商业大厦等的选址问题，原有的算法或当在迭代过程中遇极点时不能继续进行，或算法形式复杂，针对较Fetmat场址问题更一般的单场址问题，给出一种具有全局收敛性的简捷算法，该算法本质上属梯度法，但克服原先梯度法在遇极点时迭代不能继续的缺陷，且一般不需做线性搜索，同时算法具有较快的收敛速度。