一种优化FCN的视频异常行为检测定位方法

在视频异常行为检测过程中,为了提取出可分辨性更好的特征,同时兼顾运行速度,提出一种基于优化的全卷积网络(full convolution network,FCN)的异常行为检测与定位方法.对FCN进行优化,使用卷积神经网络(convolution neural network,CNN)的数个初始卷积层和一个额外卷积层,生成同时描述运动和形状的区域向量集;使用高斯分类器对特征向量集进行验证,将存在显著差异的分块标记为异常,将低拟合置信度的可疑区域输入到稀疏自动编码器中;对异常行为进行定位,并将异常行为的位置传回FCN.所提方法在UCSD和Subway这2个公开数据集上进行验证分析.实验结果表明,所提方法在受试者操作特征(receiver operation characteristic,ROC)曲线、等错误率(equal error rate,EER)和曲线下面积(area under curve,AUC)性能方面表现优秀,且运行速度达到60 frame/s,实时性较为优秀.     

基于多尺度模型的装配整体式混凝土框架结构抗震性能分析

装配工艺的要求和连接接缝的引用使装配式混凝土结构的数值模拟分析面临新的挑战，计算效率与模拟精度之间的矛盾变得更加突出。基于通用有限元软件ABAQUS，采用多尺度建模，模拟分析了装配整体式混凝土框架结构的抗震性能。首先，基于装配整体式混凝土梁柱子结构的试验数据，验证了多尺度单元界面连接方法的正确性。然后，对装配整体式混凝土框架结构的多尺度模型进行了静力推覆分析和动力弹塑性时程分析，并与现浇混凝土框架结构的地震响应和损伤情况进行比较。结果表明，多尺度建模能有效提高计算精度并降低计算成本，很好地模拟装配整体式混凝土框架结构的破坏特征和整体结构的抗震性能；与现浇结构相比，装配整体式框架结构在单向静力推覆作用下抗侧刚度更小、延性更好，在7度罕遇地震作用下抗震性能相近，顶层最大位移增大了3.8%；多尺度建模方法可用于装配式混凝土结构分析。     

基于小波函数的模糊大脑情感学习分类器

将小波函数和模糊推理相结合，提出一种基于小波函数的模糊大脑情感学习分类器（WFBELC）。采用小波函数的时频局部化特性反应输入信号的突变信息，快速精确地逼近信号，并去除噪声；利用参数自学习规则更新WFBELC结构参数。将该分类器应用于3个公开数据集，并与BP算法模型、模糊小脑模型(FCMAC)和模糊大脑情感学习模型（FBEL）进行对比。仿真结果显示，分类器在3个数据集上的分类准确率平均值均为最高，其中，在Wine数据集上的准确率最大值达到100%，平均值为9756%，表明WFBELC对数据集的学习能力更强，能获得更好的分类效果。