基于改进隐马尔科夫模型的鲁棒用户行为识别

提出了一种基于改进隐马尔科夫模型的用户行为识别方法.采用遗传算法用于优化隐马尔科夫模型的初始参数,将混沌算子代替遗传算法中高斯变异算子,以避免传统遗传算法在收敛过程中的停滞和早熟问题,并有效解决传统隐马尔科夫模型中Baum-Welch算法对初始参数敏感的问题.此外,采用UCI中ADLs数据对用户行为进行识别,实验结果表明该方法具有很高的识别率和可靠性.     

基于贝叶斯理论的多模型结构识别的试验研究

基于贝叶斯理论的抽样方法,对结构的多模型结构识别问题进行试验研究.采用基于贝叶斯理论的多模型结构识别的概念与基本框架,以及马尔科夫链-蒙特卡洛模拟(MCMC),建立了有限元模型库.针对MCMC在参数维度较高时不易收敛和计算效率低下等问题,提出了一种改进的MCMC抽样方法来进行多模型结构识别.利用Matlab-Strand7的交互访问技术(API)能够进行大型结构有限元模型的参数自动修正,在获得校验后的有限元模型库后,能基于有限元模型的后验概率分布进行预测.为了验证该理论的可行性和有效性,针对一根简支梁的数值算例和一座实际大跨钢管混凝土桁架系杆拱桥进行了基于贝叶斯理论的结构识别研究与响应评估,并使用传统的单模型结构识别方法——遗传算法(GA)进行对比分析,结果表明本文提出的基于贝叶斯理论的多模型结构识别方法能够更好地进行结构响应预测.     

基于多尺度卷积神经网络的交通标志识别

针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性.     

南图尔盖盆地SA区块河道砂体演化及定量刻画

针对河道砂体横向变化快而难以有效刻画评价的问题,综合应用分频检测、相位调整、地层切片及地质体雕刻等技术对南图尔盖盆地SA区块上侏罗统阿克萨布拉克组河道发育特征及期次进行了研究。首先,利用分频方法检测出目的层段可能存在的两期调谐厚度不同的河道沉积体;然后,采用波阻抗分析和90°相位转换,揭示目的层段地震负振幅与河道砂岩具有较好的对应关系;最后,在高频层序地层格架内制作等时地层切片的基础上,通过河道沉积特征及典型地层切片振幅的单井标定分析,识别并分期刻画出两期不同类型的河道砂体。结合河道弯度、宽厚比及储集体积等参数综合分析认为,早期河道具有低弯度曲流河特征,晚期河道为具有平直河特征的三角洲平原分流河道,且早期河道储集体积明显高于晚期河道。     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

基于卡方核的正则化线性判别行人再识别算法

针对行人再识别过程中存在获取的训练样本较少,真实样本分布不一定线性可分和算法识别率低的问题,提出基于卡方核的正则化线性判别分析行人再识别算法(KRLDA,kemel regularized linear discriminant analysis)。该算法首先利用核函数将样本从线性不可分的原始空间映射到线性可分的高维特征空间,然后在高维空间中构造描述数据之间邻近关系的散度矩阵,再利用正则化线性判别分析获得高维到低维空间的投影矩阵,使得数据在低维空间能够保持高维空间的可分性,从而提升行人再识别算法的识别率。在VIPeR、iLIDS、CAVIAR和3DPeS数据集上,实验结果表明所提出的算法具有较高识别率。     

基于多尺度熵和动态时间规整的步态身份识别

针对现有人体步态身份识别算法单一、准确率较低的问题,提出了一种基于多尺度熵和动态时间规整（DTW,dynamic time warping）的人体步态身份识别方法。采用自制的APP软件在较低采样率下采集人体步行加速度数据,实验中共采集50名志愿者的正常行走加速度数据,使用多尺度熵算法进行数据处理,得到在各个尺度下的熵值,最后采用DTW算法对多尺度熵值进行特征匹配,得到的相对错误率（EER,equal error rate）为13.7%,仿真结果表明基于多尺度熵和DTW算法相结合的方法较好提高了身份识别的准确率,为人体步态身份识别提供了一个新的思路。     

基于Mackey-Glass混沌储备池计算的多波形识别

人工神经网络在模式识别和智能计算等领域具有重要的应用,但目前的人工神经网络存在结构复杂、训练耗时、占用大量的硬件资源等缺陷.设计了一种简单的基于MackeyGlass非线性方程的混沌储备池计算系统,它把大量不同时刻的混沌状态当作虚拟节点,从而简化了系统结构.利用系统分别实现了3种波形和对应3种不同频率的共9个不同波的识别,分析了储备池计算系统主要参数对多波形识别效果的影响.在最优系统参数条件下,对3种波形和9个波识别的归一化均方根误差分别达到了0.11和0.22.     

双气室油气悬挂特性研究

建立了具有优越的隔振特性的双气室油气悬挂的数学模型,基于谐波平衡法推导出了悬挂系统的等效刚度和等效阻尼表达式.公式表明等效刚度和等效阻尼是激振频率和响应振幅的函数.分析了悬挂系统的主副蓄能器刚度和节流阀阻尼系数等关键参数对于等效刚度和等效阻尼的影响,并通过双气室油气悬挂特性实验验证了数学模型的准确性.      

综合传动装置悬置系统刚度灵敏度分析与振动能量解耦

基于综合传动装置悬置系统6自由度耦合振动模型,利用灵敏度分析方法,计算悬置系统各阶固有振动频率关于各悬置各方向刚度的灵敏度,确定影响某一方向振动的关键橡胶刚度,为改善系统某一方向的振动提供理论依据.以系统各方向振动解耦率作为目标函数,综合考虑传动轴激励、人体承受振动敏感区域及各向振动耦合状况来确定优化约束条件,进行刚度参数最优化,得到的悬置系统各方向最优刚度值可用于改善悬置系统隔振性能.针对某一传动系统振动恶化的情况,采用刚度灵敏度分析与振动能量解耦综合方法,对悬置系统进行设计.最后利用台架振动试验结果验证悬置系统优化设计的有效性.