基于人工神经网络动态标定算法的低成本视线追踪系统

针对视线追踪系统成本高、标定算法复杂的问题,研究了一种低成本视线追踪系统.系统采用低成本网络摄像头,采集到的图像首先采用Haar-like特征与肤色结合算法来进行人脸检测,并利用主动表现模型算法和光流法定位并跟踪人脸特征点;然后利用梯度向量法进行瞳孔中心检测;为了提高系统精度和鲁棒性,提出了一种人工神经网络的动态标定算法.实验表明,视线追踪系统不仅具有很好的鲁棒性,而且具有较高的精度,在头部静止的情况下平均误差为1.34°,在头部运动的情况下平均误差为3.26°.      

抗污染攻击的流内安全网络纠错编码

传统的网络路由并不能达到多播网络中"最大流-最小割"定义的Shannon容量限,而网络编码很好地解决了上述问题,在增大吞吐量的同时还可以均衡网络负载,提高带宽利用率.但是当网络中存在恶意攻击时会引入错误数据包,在线性网络编码操作下会带来数据包的"错误扩散",不仅影响网络性能,还会造成资源的严重浪费.因此如何在优化网络传输性能的同时提高通信网络的安全性成为目前亟待解决的问题.本文采用基于同态校验的线性网络纠错编码机制进行差错控制,拟解决多播网络中的污染攻击问题,对安全性能以及传输性能进行了分析.仿真结果表明基于同态校验的网络纠错编码能够在不破坏数据包编码规则的前提下及时地进行错误的检测和纠正,得到较好的差错控制性能,能够对抗网络中恶意节点引起的污染攻击问题.      

基于集对分析的城市供水管网漏损预测及降漏研究

为了降低管网漏损水平,保障城市供水安全性和可靠性,以云南省某城市典型供水片区作为研究对象,运用集对分析漏损预测模型（SPA LF）,从供水管网漏点数和漏点率两个方面分析了不同管材漏损的实际情况,预测未来不同管材的漏损趋势。该研究能够提高供水企业主动检漏水平与供水安全可靠性,降低管网漏损率与供水成本。     

基于电磁-温度耦合方法的永磁驱动器温度场分析

基于电磁-温度场耦合方法,分析了盘式永磁驱动器的温度场.基于电磁场解析计算建立了盘式永磁驱动器的电磁场解析模型,推导了涡流损耗公式.计算了热阻和散热系数,并以涡流损耗为热源,建立了盘式永磁驱动器等效热网络模型.预测随负载变化时盘式永磁驱动器的涡流损耗和铜盘温度的变化.解析结果与有限元结果比较表明:基于电磁-温度场耦合方法所建立的电磁场解析模型和温度场解析模型能快速、准确地预测涡流损耗和铜盘温度.     

基于视觉相关性的无线多媒体传感器网络节能策略

针对资源受限的纯相机无线多媒体传感器网络的能量消耗问题,改进了视觉相关性算法,并提出了一种新颖的基于视觉相关性的完全分布式节能策略.首先,根据视觉相关性系数算法计算相机的视觉相关性系数向量;其次,利用视觉相关性系数向量得到相机的竞争筹码并以此确定相机的角色;然后,运行两个并行且相互交互的操作:簇头相机根据簇头权重向量确定下一跳并完成路由建立;非簇头相机计算亲密度向量并且得到自己的簇ID.最后,实验结果表明本文提出的节能策略能有效地延长资源受限无线多媒体传感器网络的生命周期.     

地震数据关系网络的空间尺度

通过分析美国加州地区地震数据关系网络的拓扑结构特征,研究了不同空间尺度下网络拓扑结构基本度量参数的变化规律.结果表明:随着空间尺度的增加,网络规模迅速变小,并最终达到稳定;网络的平均聚集系数和平均最短路径长度随空间尺度的增加呈波动性下降.度分布频度研究结果表明,网络的空间尺度在一个有效范围内时,网络呈现出较好的幂律分布,该范围受事件数量影响.     

基于全卷积网络的左心室射血分数自动检测

提出了一种基于全卷积网络(fully convolutional networks, FCN)的左心室射血分数自动估测的方法.利用全卷积网络对心脏磁共振图像中的左心室进行内轮廓分割,计算心脏左心室在一个心动周期中各时间点的容积,提取左心室舒张末期与收缩末期的容积,最后推导出左心室的射血分数.使用700组图片对全卷积网络进行训练以及440组图片进行测试,并将最后计算结果与美国国立卫生研究院和儿童国家医疗中心提供的射血分数(ejection fraction, EF)金标准进行了对比,计算准确率为89.8%,结果处在合理的误差范围内.     

基于BP神经网络的避洪安置区选址研究

为了解决洪水灾害应急管理中避洪安置区的选址问题,在总结前人研究成果的基础上,从自然环境、可行性、生活条件、社会环境、实用性等5个方面出发,通过17个具体指标,构建了避洪安置区选址评价体系;在安置区的选址分析中引入BP神经网络,构建了基于BP神经网络的安置区选址模型,根据选址评价体系及相关经验确定网络模型各层次的神经元节点数量,并采用样本对模型进行训练分析,建立了稳定的网络结构,最终实例验证了该模型在避洪安置区选址问题中的有效性及可行性。     

“随机”与“择优”——超网络演化的内在驱动力

基于"随机连接"和"择优选择"的演化机制,构建了一个随机-择优混合超网络演化模型。使用Poisson过程理论和连续化方法对模型进行分析,获得超度分布的解析表达式,分析表明网络的稳态平均超度分布服从漂移的幂律分布。该模型可以退化到复杂网络和超网络中的标准模型,具有一定的普适性。通过调节机制系数,模型可以体现混合连接机制。并对3个实证数据进行了分析,该模型能有效刻画不同数据的演化机理。     

Echo-state-network classification based multi-services awareness in high-speed optical passive networks

With the challenge of great growing of services diversity,service-oriented supporting ability is required by current high-speed passive optical network (PON).Aimed at enhancing the quality of service (QoS) brought by diversified-services,this study proposes an echo state network (ESN) based multi-service awareness mechanism in 10-Gigabite ethernet passive optical network (10G-EPON).In the proposed approach,distributed architecture is adopted to realize this ESN based multi-service awareness.According to the network architecture of 10G-EPON,where a main ESN is running in OLT and a number of ESN agents works in ONUs.The main-ESN plays the main function of service-awareness from the total view of various kinds of services in 10G-EPON system,by full ESN training.Then,the reservoir information of well-trained ESN in OLT will be broadcasted to all ONUs and those ESN agents working in ONUs are allowed to conduct independent service-awareness function.Thus,resources allocation and transport policy are both determined only in ONUs.Simulation results show that the proposed mechanism is able to better support the ability of multiple services.