纳西和摩梭小学生对基本颜色的命名和偏好比较

通过两个实验,比较了纳西和摩梭小学生对基本颜色的命名和偏好.结果表明:1)纳西学生对基本颜色的命名正确率显著高于摩梭学生,命名顺序是红、黑、白、绿、黄、蓝、紫、粉红、灰、橙和棕;2)纳西学生和摩梭学生对基本颜色偏好的顺序是红、黄、蓝、紫、绿、橙、白、粉红、灰、棕和黑.纳西和摩梭小学生对基本颜色的命名和偏好差异显示了语言和文化对于颜色认知的影响.     

微弱裂纹信号的ICA盲源分离提取

针对机械设备关键基础部件早期故障信号提取困难这一问题,提出了一种基于独立分量分析(ICA)的盲源分离去噪方法。采用Fixed-point ICA算法和基于负熵的判据,对不同信噪比下金属裂纹信号进行提取。研究结果表明,此方法受噪声强度及信号频段的影响比较小,可有效提取出所需信号;且获得的信号波形失真很小,是一种较好的微弱信号提取方法。     

改进的SURF算法在彩色车载影像匹配中的应用

在分析了具有尺度不变特征的鲁棒特征加速算法(SURF算法)的基础上,提出了一种基于高斯颜色模型的增维彩色SURF算法.该算法将RGB颜色模型转换到高斯颜色模型,使用SURF算法(增加了48维颜色特征描述向量)进行匹配,再使用核线约束剔除误匹配.结果表明:尽管相对于原有的SURF算法略微增加了计算量,但是在匹配点对数、匹配正确率、匹配点分布均匀性上都具有明显的优势.     

方差分量二次型估计及容许性

在线性模型中,方差分量是比较重要的一类参数.本文给出了线性混合模型两个方差分量的二次型估计,并得到所得二次型估计类的一些性质,如无偏性、不变性、在均方损失下的容许性,并且利用截断法对所得的估计进行非负改进.     

"经济马赛克"现象的启示

经济学界的研究发现,如果把产业门类按不同种类、经济总量按不同等级分别赋与各种颜色,配置到世界地图上,就会形成色彩斑斓的块状区域.这种在地图上可以一目了然地看到的色块,被经济学者们形象地称为"经济马赛克"现象.     

多特征融合的视频目标深度跟踪

针对现有基于卷积神经网络跟踪中需要大量离线训练以及在线更新耗时的问题,提出了一种多特征融合的视频目标卷积跟踪算法。算法首先设计了一种浅层前向自学习卷积网络提取目标候选区域的局部卷积特征;然后计算融合了空间信息的颜色直方图特征;在此基础上,采用归一化加权方法在全连接层融合卷积特征和全局颜色特征形成目标的表观描述;最后基于粒子滤波算法,通过计算目标模板与候选目标之间的相似度,估计目标位置。采用OTB-2013公开测试集验证所提跟踪算法的性能,与8种主流目标跟踪算法进行了分析对比。实验结果表明,本文算法的目标跟踪精度和跟踪成功率在多种场景下取得了不错的性能,在保证跟踪精确率的前提下,跟踪鲁棒性优于其他算法。可见提出的多特征融合的卷积跟踪算法通过提取所跟踪视频的自身特征生成卷积器而无需进行大量离线训练,且与手动特征进行融合增强了目标的表达能力,这种策略具有一定的借鉴性。     

张量分量混合插值板单元的构造及应用

阐明了Mindlin板单元及张量分量混合插值4节点板单元(MITC4)的基本原理;利用HyperMesh划分有限元网格,依据Mindlin板单元和MITC4板单元的基本理论,设计了Mindlin板单元与MITC4板单元的有限元程序.对简支矩形板进行静力分析,比较了利用MITC4板单元的计算值与解析解的差异.相比Mindlin板单元,论证了MITC4板单元在剪切自锁、单元几何扭曲及收敛性方面的优势.对存在孔洞的板结构进行静力分析和模态分析,比较ADINA和Matlab的计算结果,研究证明MITC4板单元算法的有效性.     

基于位移Hermite分裂的图像恢复算法

针对传统图像恢复算法在反Hermite分量主导Hermite分量时, 难导出收敛分裂结果, 导致图像恢复效果较差的问题, 提出一种位移Hermite分裂的图像恢复算法. 先在矩阵分裂时引入位移参数定义准Hermite分裂, 再利用共轭梯度正规残差(CGNR)算法将定义分裂结果代入进行内迭代, 以此逼近每个外迭代, 每个外迭代则由系数矩阵的收敛分裂导出; 然后将导出的收敛分裂结果应用到图像恢复模型; 最后与广义最小误差方法、 广义预条件对称分裂方法进行对比实验. 实验结果表明, 该算法得到的迭代逼近结果更好, 所需的迭代次数和CPU时间明显减少, CPU占用时间仅0.25 s, 图像恢复效果较好.     

一种基于协方差估计的均值偏移对象跟踪算法

针对现有运动目标跟踪算法对目标大小、形状变化的适应能力较差,且不能对目标的旋转进行跟踪的问题,提出一种改进的目标跟踪算法.该算法是均值偏移算法的进一步扩展和延伸,在估计目标位置的同时用协方差矩阵来描述目标形状,结合色彩直方图,处理对象的角度和形状、大小发生变化时的跟踪问题.实验结果表明:改进的算法在不同环境下跟踪目标的鲁棒性很好,极大地提高了跟踪精度,具有很强的实用性.     

液压挖掘机反铲切削过程振动信号去噪处理

针对小波包频带能量分解和Hilbert-Huang变化在信号的去噪研究中的优势,对比2种方法在液压挖掘机反铲切削过程中振动信号去噪的准确度.以液压挖掘机工作装置的振动信号为例,利用小波包频带能量分解算法与Hilbert-Huang变化算法分别对振动信号进行重构.其中,Hilbert-Huang变换首先是对振动信号通过经验模态分解(empirical mode decomposition,EMD)得到IMF分量;然后,对IMF分量进行Hilbert谱分析,得到IMF分量的能量特征,选择有用的IMF分量进行信号重构,从而消除噪音信号的干扰.研究结果表明:与小波包频带能量分解方法相比, Hilbert-Huang变换的液压挖掘机反铲切削过程振动的重构信号更加接近真实信号.