纸币冠字号识别系统设计研究

纸币是人们日常生活交易必不可少的部分,假币交易纠纷和暴力抢劫等事件在社会上屡次发生,纸币冠字号识别是我国纸币鉴别技术标准之一。结合现代嵌入式系统开发技术的发展,笔者提出了嵌入式纸币冠字号识别系统设计方案,该方案包括整体设计思路、主要功能模块设计和系统软件流程设计。     

产学研加速我国第一台RFID标签封装装备产业化

由华中科技大学、东莞华中科技大学制造工程研究院（以下简称东莞工研院）、武汉华威科智能技术有限公司（以下简称华威科）、中山达华智能科技股份有限公司（以下简称中山达华）共同完成的“高性能无线射频识别（RFID）标签制造核心装备”获得2013年度国家技术发明奖二等奖。     

Experimental study of fatigue degree quantification for multi-feature fusion identification

A comprehensive quantification method of fatigue degree is proposed concerning subjective and objective quantifications. Using the fatigue degree test software, fatigue degree is objectively quanti- fied by analyzing the reaction and operation abilities of drivers about traffic signals. By comparison experiment with that EEG signal based, multivariate statistical analysis and fusion identification based on BP neural network （ BPNN） results show that the experimental procedure is simple and practical, and the proposed method can reveal the correlation between fatigue feature parameters and fatigue degree in theory, and also can achieve accurate and reliable quantification of fatigue degree, especially under the associated action of multiple fatigue feature parameters.     

An Integrated Workflow for Proteome-Wide Off-Target Identification and Polypharmacology Drug Design

Polypharmacology,which focuses on designing drugs to target multiple receptors,has emerged as a new paradigm in drug discovery.To rationally design multi-target drugs,it is fundamental to understand protein-ligand interactions on a proteome scale.We have developed a Proteome-wide Off-target Pipeline （POP） that integrates ligand binding site analysis,protein-ligand docking,the statistical analysis of docking scores,and electrostatic potential calculations.The utility of POP is demonstrated by a case study,in which the molecular mechanism of anti-cancer effect of Nelfinavir is hypothesized.By combining structural proteome-wide off-target identification and systems biology,it is possible for us to correlate drug perturbations with clinical outcomes.     

科大讯飞正在腾飞的卧龙

科大讯飞股份有限公司（以下简称“科大讯飞”）是中国科学技术大学依托其独创的语音识别技术而发展起来的高新科技企业。公司自1999年创办以来,一直从事智能语音技术研究以及软件及芯片产品开发,是该领域的龙头企业。公司的智能语音技术达到国际一流水平,并拥有独立自主知识产权的世界领先智能语言技术。2008年公司在深交所中小板上市,目前企业市值约为200亿元。     

情感识别中脑电信号Lempel-Ziv复杂度的研究

在生理信号中,基于脑电信号的情感识别越来越引起研究者的重视。Lempel-Ziv复杂度测量是一种有效的非线性脑电信号分析方法,同时在情感脑—机接口系统中还可以用于进行情感的识别。文章在传统Lempel-Ziv复杂度算法的基础上,提出一种新的Lempel-Ziv复杂度算法,从而更好地进行基于脑电信号的情感识别。首先进行脑电信号的预处理,通过小波包变换来保留脑电信号的低频信号;然后利用非线性滤波器来移除脑电信号中的奇异值;进一步我们提出一种有效的自适应Lempel-Ziv复杂度算法来度量脑电信号的复杂度,并应用此特征值来识别情感。实验结果证明此方法可以从脑电信号中提取出更多有效的模式。同时,它还能够精确地检测到脑电信号的振荡情况,从而提取出不同情感状态下脑电信号中本质的非线性特性。     

辛可尼丁和 L-脯氨酸协同催化亚胺的立体选择性异构化的研究

研究了利用辛可尼丁和L‐脯氨酸复合催化体系促进含三氟甲基芳香亚胺1的不对称异构化反应,并详细考察了不同种类的有机催化剂、溶剂以及添加剂对反应产率与选择性的影响。结果表明,当以四氢呋喃作溶剂,2‐环己烯‐1‐酮为添加剂时,反应的分离产率与立体选择性最好,可以达到64％的产率,68％的ee值。     

一种基于属性贝叶斯网络的行为识别模型

针对传统行为识别方法仅利用底层特征识别的不足,提出了一种将动作属性与贝叶斯网络相结合的行为识别方法.首先,提取视频中的时空兴趣点及其3D-SIFT特征描述符,用词袋的方法建立时空词典对视频序列进行表示;然后,利用底层特征训练属性分类器,构造由底层特征到高层特征的映射,将底层特征样本经过属性分类器后得到行为—属性的样本信息,并采用MAP(最大后验概率)准则学习贝叶斯网络结构,从而建立一种基于属性贝叶斯网络的行为识别模型.实验结果表明该模型能有效地进行行为识别.     

解决线性规划系统识别问题的新方法

对一类特殊的逆线性规划问题———线性规划系统识别———进行研究,即试图通过给定的输入-输出数据来估计线性规划模型的技术系数矩阵以及目标函数系数.构建了估计技术系数矩阵的行估计模型,并对该模型进行改进得到更好的估计模型;基于Troutt提出的最大决策效率方法,构建了估计标准化目标函数系数的模型;通过两个数值算例说明该估计方法具有良好的表面有效性,且符合提出的后续验证准则.     

基于多尺度模型修正的结合梁斜拉桥损伤识别方法

以灌河大桥为工程背景,提出了基于多尺度有限元模型修正的结合梁斜拉桥损伤识别方法.首先基于现场环境振动试验结果和两阶段响应面方法对初始多尺度模型进行修正,并将修正后模型定为原始未损伤状态;进而,利用多尺度模型修正方法对结构不同部位不同程度的损伤进行识别,并探讨了模态曲率损伤指标和单元模态应变能损伤指标对不同结构尺度损伤的敏感性.分析结果表明:在不考虑噪声干扰情况下,模态曲率和单元模态应变能指标对精细小尺度单元区域主梁微小(1%)损伤均较为敏感,可识别出结构的损伤位置,而对大尺度单元区域的损伤敏感性略低;在考虑噪声干扰情况下,精细小尺度单元区域比大尺度单元区域在损伤识别方面的抗噪性更好,且模态应变能损伤指标的抗噪性略优于模态曲率损伤指标.故而提出的多尺度建模及其损伤识别方法具有应用到实际工程中微损伤识别的潜力,并为大跨结构损伤预后奠定了基础.