基于流形假设的骨架序列动作识别算法

骨架数据是通过对动作的空间几何位置进行编码获取,可以避免冗余背景信息的干扰, 是动作识别领域常用的数据类型之一.现有骨架数据的动作识别主要分为经典的骨架数据表征和基于深度学习的骨架动作识别应用.相较于传统欧氏度量下的识别方法,流形为更好地研究非线性结构提供了重要数学工具. 然而,目前仍缺乏利用流形假设对骨架数据进行动作识别的相关总结. 因此,从骨架表示、轨迹时间对齐、动作序列表征以及动作分类 4 个关键步骤出发,系统地总结了基于流形假设的动作识别工作,对比了各项工作在基准数据集上的表现. 最后,根据当前动作识别工作的发展趋势,对流形假设在动作识别方向上的进一步改进进行了展望.     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

非简谐势阱超冷原子气体中涡旋的形成

1995年,玻色-爱因斯坦凝聚(BEC)的实现证实了物质第五态的存在。玻色-爱因斯坦凝聚体是一种新的宏观量子态物质,它是一种长程相干的物质,具有超强相干性和超流性。通过激光扰动,人们会在超冷原子气体中发现涡旋的产生。所以,研究超冷原子气体的涡旋性质对于认识冷原子气体的超流特性有深远的意义。本文主要研究了冷原子气体中两体相互作用及势阱的非简谐性对系统模频率及单核涡旋产生的影响。     

构建吡喃骨架的双环化反应研究

吡喃骨架存在于Warfarin、Oxandrolone、(-)-Penicipyrone等天然产物中,在氧杂环化合物中扮演重要角色.通过单组分,两组分和多组分双环化反应来构建吡喃骨架得到了充分研究.对已有文献进行归纳总结,将为探寻更加绿色高效的吡喃合成新法指明方向.     

一类具有负交叉扩散的SIS传染病模型的Turing稳定性

研究了一类总人口具有Logistic增长和空间扩散的SIS传染病模型。感染者具有负交叉扩散系数,表明感染者总是积极向易感者移动,利用稳定性理论,讨论了Turing失稳的条件。结果表明:阈值条件下,负交叉扩散系数较小时,无病平衡点局部渐近稳定,负交叉扩散系数较大时,无病平衡点不稳定;阈值条件下,负交叉扩散系数较小时,染病平衡点局部渐近稳定,负交叉扩散系数较大时,染病平衡点不稳定。最后利用数值模拟验证所得结论。     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

次酉极因子的扰动界

矩阵扰动问题不仅对矩阵论,而且对控制论、力学、线性系统以及工程都有着重要的意义.主要利用矩阵特征值与奇异值的性质,对广义极分解中次酉极因子的扰动界进行研究,得到F范数下新的扰动界,并利用最新的换子不等式,对李仁仓的研究结论重新证明,该证明更加简短有趣.     

面向非合作目标的柔性捕获器设计与动力学建模

为更好地实现对动态非合作目标的捕获,设计开发了一种多臂式柔性捕获器.这种捕获器的原理类似海葵等生物捕猎的方式,不依赖单个柔性臂的精准夹持而是靠多根臂所构成的臂群实现聚拢、挤压等动作,以完成对目标物体的捕获.基于能量守恒和动量守恒原理对非合作目标物体与柔性臂的碰撞问题进行分析,给出了发生碰撞后柔性臂与目标物体各自的运动参数.为进一步分析柔性臂的动态变形过程,采用多个线性关节和扭转关节的组合对单根柔性臂进行描述,并基于牛顿法对各离散关节进行受力分析,建立了柔性臂的动力学模型.将柔性臂整个变形过程离散为多个微小时间段运动的集合,通过动力学分析得到当前时刻的动力学参量,经过一个微小时间内的运动后即可得到下一时刻各质点的位置,迭代进行上述步骤便得到了柔性臂的动态变形过程.而后,通过实验确定单臂动力学模型的最优参数,并将参数优化后的动力学模型在不同加载情况下与单臂样机进行对比,验证了动力学模型的准确性.最后,在单臂动力学模型的基础上建立包括多根柔性臂的捕获器三维模型,进行非合作目标捕获的仿真与样机实验.结果表明:所设计的臂群式柔性捕获器能够很好地完成动态非合作目标捕获任务,所建立的捕获器三维仿真模...     

功能化二氧化硅纳米材料在肿瘤治疗领域的应用

纳米材料(如脂质体、聚合物胶束、树枝状聚合物)基于其良好的物理化学特性,在药物递送、成像诊断等肿瘤诊疗领域拥有巨大的应用前景.其中,介孔二氧化硅纳米材料(mesoporous silica nanomaterials, MSNs)具有独特的孔径结构、较大的比表面积,并且其粒径大小、形貌结构易于调控,同时结合多种修饰手段,在生物医学领域引起了广泛的关注. MSNs材料功能化修饰后,可作为化学药物、基因、核酸、多肽、蛋白酶等治疗药物载体,在内、外源性刺激触发下,对肿瘤部位进行特异性靶向识别和可控性药物释放,使得肿瘤诊疗一体化成为可能.本文在对MSNs材料独特的物理化学特性进行介绍的基础上,综述了其在现代生物医学中的发展趋势,并展望了其在临床应用中的巨大潜力.