基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

关于拓扑链遍历映射

证明了拓扑链遍历映射的拓扑共轭不变性;研究了fk与f1×f2×…×fn的拓扑链遍历性,并给出了f的拓扑链遍历性与fk的拓扑链遍历性等价的条件,以及fi,i=1,2,…,n的拓扑链遍历性与f1×f2×…×fn的拓扑链遍历性等价的条件;给出了系统(X,f)拓扑链遍历与其提升系统(X珘,珓f)的拓扑链遍历的相互蕴涵性。     

零膨胀负二项回归模型的推广与费率厘定

在费率厘定中,当索赔次数数据存在过离散(over-dispersion)特征时,通常会采用负二项回归模型,但当索赔数据中同时又出现零膨胀(zero-inflated)问题时,负二项回归模型不再适合对这样的数据进行分析.在传统的零膨胀负二项回归模型为基础,并将其推广到更为一般的形式,同时利用解决费率厘定中出现的既有过离散又有零膨胀的问题.通过对一组汽车 损失数据的拟合,推广后的零膨胀负二项回归模型有效地改善了拟合效果.     

基于公平偏好的供应链质量激励机制效率演化

针对供应链质量管理中的群体激励问题,将收益共享契约作为供应商零部件质量改进的激励机制,设计了批发价契约与收益共享契约相结合的菜单式合同. 分析出制造商通过设置合理的报酬结构能够实现其收益与零部件质量的"双赢".在此基础上,将公平偏好引入到多阶段群体激励中,研究了公平偏好对激励效果的影响. 研究表明:不考虑公平偏好情况下能够取得较好激励效果的报酬结构并不适用于具有公平偏好的多阶段群体激励; 个体的公平偏好对激励绩效会产生负面影响;制造商实行同一报酬结构在多阶段激励中难以维持高效率; 仅针对单一激励力度进行调整或忽视激励力度间的协同均不能实现较好的激励效果.     

基于本征正交分解方法的多段翼型流动分析

对多段翼型流动结构的深入刻画和理解对于多段翼型的外形设计来说十分重要.在数值模拟的基础上,运用本征正交分解（proper orthogonal decomposition,POD）方法对多段翼型的数值结果进行重构和分析,对迎角变化情况下流动中的主要模态进行提取,并得到权函数随迎角变化的规律.针对嵌套网格的数值模拟流场的特点,通过对参与快照技术处理的数据进行筛选和还原,来避免无效数值对分析结果的影响.研究发现,流动中脉动流场所占的总能量比例相对较小,其整体POD能量谱收敛呈先快后慢的格局,大尺度的流动结构与流场中绝大部分的能量分布直接相关,且都包含在低阶模态中,而高阶模态则代表了复杂的脉动结构.     

一类手足口病SEIQR传染病模型的稳定性分析

研究了一类具有隔离且潜伏期及感染期均有传染性的手足口病SEIQR传染病模型．得到了该模型的无病平衡点和地方病平衡点局部稳定的条件,构造Lyapunov函数证明了无病平衡点的全局稳定性,并给出数值模拟．     

胸部多发伤出血性休克早期自体血回输救治的实验

 构建胸部创伤血气胸、失血性休克动物模型,应用集负压吸引、血液回收、抗凝过滤、自体输血、穿刺引流等多功能的一次性专利装置回收胸腔血,探讨自体血回输对重创失血休克血气胸救治效果。将普通级比格犬18只随机分为微创休克组(A组,n=6只)、重创血气胸失血性休克自体血回输组(B组,n=6只)、重创血气胸失血性休克非自体血回输组(C组,n=6只)。观察动物的存活率、生理指标、常规红细胞各项参数和血小板数量。结果表明,与对照组相比,实验组动物的存活率高, 血液中红细胞等各项参数保持良好。运用自体血回收装置回输胸腔血对重创失血休克血气胸犬有明显的救治作用。     

大规模MIMO中继系统基于LoS的等增益传输方案

在中继分布大规模多输入多输出天线阵列情况下,对莱斯衰落环境中的双向放大转发多对中继系统进行了探讨。为了能有效减轻信道估计负担、提高频谱利用率,首先提出了一个只基于视距(line-of-sight, LoS)分量的线性传输方案。该方案采用实现复杂度低的等增益合并与等增益传输相结合的中继处理。然后分别推导了该方案无功率缩放和有功率缩放情况下的渐近可达速率闭式表达式。与传统的基于全部信道状态信息的线性传输方案比较,该方案更宜在LoS分量较强的情况下得到应用。     

改进的主峭度分析算法及其在高光谱图像小目标检测中的应用

由于高光谱图像维数较高,因而在利用高光谱图像进行目标检测之前会先进行数据降维。主成分分析变换和最大噪声成分变换是高光谱图像处理领域最为经典和常用的两种降维方法。它们以图像的方差和信噪比为指标进行降维,是基于二阶统计信息的方法。小目标由于其本身的特点可能会被经过该类方法降维后舍弃掉,而基于高阶统计特性的主峭度分析算法能够很好的解决这类问题。该方法能够提取基于二阶统计信息进行降维后无法保持的小目标信息,从而有效的检测到小目标。但主峭度分析算法的收敛速度较慢、计算时间较长,因而本文提出了一种改进的主峭度分析算法,改进的主峭度分析算法可以提高算法的收敛速度、减少算法的迭代次数。仿真实验表明,改进的主峭度分析算法能够缩短计算时间,提高算法的收敛速度。     

三模系统二阶非线性诱导的非传统光子阻塞

基于三模二阶非线性系统, 推导一个Hamilton量. 在双模驱动的条件下, 先用该Hamilton量与常规非厄米Hamilton方法, 得到发生非传统阻塞的最佳解析条件, 再通过求解主方程的稳态解及二阶关联函数, 得到发生阻塞的数值解.