基于自适应多重多元回归的人脸年龄估计

针对基于标记分布学习的多重多元回归模型不能生成和人脸老化趋势一致标记分布的问题,提出自适应多重多元回归的人脸年龄估计方法.在为不同年龄生成具有适合标准差的离散高斯分布的基础上,采用偏最小二乘模型并有效地利用邻近年龄的人脸老化信息进行年龄估计.在MORPH人脸数据库上的对比实验结果表明,该文的人脸年龄估计模型具有更好的性能.     

自动调温与均温艾灸仪的研制及温度场分析

为了解决现有艾灸过程中热量不均衡、热量利用率低、操作繁琐等问题，达到高效利用热量和药烟的目标，本文设计并实现了一种新型智能艾灸仪，该艾灸仪包含燃烧、熏蒸、收集及控制系统，可以实现烟雾自动收集、温度精确智能控制以及艾灸操作流程简化等功能。基于传热学理论对艾灸仪的熏蒸系统建立热力学模型，并利用Fluent软件对其进行温度场分析，分析结果表明：锥形流道是两种结构方案中较优的流道结构；所设计的温度均衡隔板对艾灸仪的温度均衡起到至关重要的作用；实际使用中存在的泄漏不仅对升温速度有轻微的影响，对温度场的分布也有一定的影响。设计与研究结果为现代艾灸仪的临床应用提供了理论基础。     

无风险利率影响担保市场交易结构的效应研究

担保市场交易结构是参与主体行为的分布格局,取决于担保人、债权人和债务人三方签署担保契约协议的执行结果.无风险利率是调控金融市场的政策工具,但对担保市场交易结构的影响机理和效应的研究被忽视.基于担保人资本结构本文构建担保市场均衡理论模型,推理给出无风险利率变化影响担保市场交易结构的机理假设是:随着无风险利率增高,偿付率高的优质担保人会提高其定价,压缩债务人购买担保获得的收益,但对偿付率低的劣质担保人不会产生影响,造成偿付率高的优质担保人从市场中退出,整体担保市场中优质担保人构成减少,增加担保市场的风险.同时利用我国2007-2016年上市公司提供担保实际数据进行实证检验,结果支持了假设的有效性,为我国有效防范担保市场风险的形成和演化提供了理论和实际依据.     

竞争情况下零售商的产品组合决策研究

本文研究了市场竞争情况下两个零售商横向差异产品组合决策,基于multinominal logit(MNL)模型刻画消费者选择行为并建立基本模型,得到市场相互独立时的最优产品组合.将市场竞争情况下的产品组合决策细分为四种情形并研究了零售商进入市场顺序的影响,对比了市场相互独立与竞争情况下的结果.结果表明:市场竞争时的产品多样化程度不低于市场相互独立的情况;部分产品存在两个零售商的利润空间是零售商选择重复产品必要条件;市场相互独立时的最优解外的产品有利可图是产品多样化程度高于市场相互独立情况的必要条件;零售商进入市场存在先后顺序时,信息不对称不影响均衡结果.     

结合蝙蝠算法改进的密度峰值聚类算法

密度峰值聚类算法(Denisity peaks clustering,DPC)具有聚类速度快、实现简单、参数较少等优点,但该算法的截断距离参数需要人工干预,并且参数的选取对于该算法的结果影响较大。为了解决这一缺陷,该文提出了结合蝙蝠算法改进的密度峰值聚类算法。该算法利用蝙蝠算法较强的寻优能力,寻找合适的截断距离取值,同时对蝙蝠算法的速度更新公式加入了自适应惯性权重来加强全局搜索能力。该算法选择多种数据集进行了实验仿真,并与其他同类算法进行对比。经过对比验证,结合蝙蝠算法改进的密度峰值聚类算法在聚类准确率上要明显优于其他算法。     

基于快速移动的红外小目标实时检测跟踪方法

针对运动背景下红外小目标跟踪时精度不高、实时性差的问题,提出了基于数学形态学检测与自适应跟踪窗的方法 .首先,采用了帧差法作为基本基础,通过缓存目标图像建立目标模型,计算目标模型与当前帧差目标二值图像的相似度,根据结果确定筛选方法检测目标;其次,根据目标在上一帧中的位置,通过速度特征自适应调整搜索的范围,解决了因目标穿越运动背景导致目标丢失的问题;最后,通过采集不同情况下的目标红外图像,对运动背景下的小目标进行了检测与跟踪.仿真结果表明,该文提出的算法能够有效检测运动背景下的小目标,具有较高的实时处理能力和准确性.     

一种HEVC样点自适应补偿快速算法

为解决高性能视频编码标准H.265/HEVC中引入的样点自适应补偿技术的计算复杂度极高导致严重影响编码效率的问题,提出一种HEVC样点自适应补偿快速算法.首先根据编码单元(coding unit, CU)的划分深度确定亮度树形编码块(coding tree block, CTB)中需要提取边缘方向的区域,然后利用边缘方向提取算法获得亮度CTB的边缘方向列表,并根据此列表减少亮度CTB在模式判别过程中遍历的模式数量,最后利用亮度和色度CTB之间的相关性进一步简化色度CTB的模式判别过程.实验结果表明,在性能损失较小的情况下,本算法可以在全I帧(AI)、随机访问(RA)、低延时B帧(LB)、低延时P帧(LP)四种配置下分别节省31.75%、 56.85%、 52.81%、 51.51%的样点自适应补偿编码时间.     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法，应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号，将噪声信号从含噪信号中过滤掉，达到消噪的目的；根据自适应学习算法，利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新，以适应噪声的变化。选取均方根误差和计算时间2个性能指标，采用自适应噪声抵消方法在不同网络中进行仿真比较，结果表明，应用该方法可以获得更好的滤波性能。     

基于改进灰狼算法的粒子滤波算法研究

针对传统粒子滤波算法易出现粒子贫化与权值退化现象和为了实现对非线性系统较为准确的状态估计,通常需要大量粒子的参与的问题,提出了基于改进灰狼算法的新型粒子滤波方法,该算法用粒子表征灰狼个体,模拟狼群捕猎的过程,使粒子向后验概率的高似然区域移动,提高粒子分布的合理性。在灰狼寻优算法中引入了莱维飞行策略,提高灰狼算法的收敛速度;在部分重采样前采用了权值自适应调整策略,增加粒子的多样性。仿真实验结果表明:改进的方法提高了粒子滤波的估计精度、保证了粒子的多样性与粒子分布的合理性、降低了状态估计所需的粒子数量。