基于图像处理的车辆识别系统设计

为了实时了解道路交通信息,及时处理交通事故,在一定程度上缓解交通事故频发的状况,设计了基于方向梯度直方图（HOG）特征与支持向量机（SVM）的车辆检测系统.在收集大量的车辆样本,构建正、负样本集之后,提取出每一个正、负样本的HOG特征向量并汇总,进而形成检测所用的SVM分类器模板.在视频检测过程中,提取视频中每帧图像的HOG特征送到训练好的分类器中与模板进行对比,并用矩形框标注检测出的车辆目标.利用实际道路监控视频进行车辆检测系统测试,结果表明,对于不同的路况、天气和光线下的道路环境,该算法都可以完成实时且准确的检测,有较强的实际场景应用能力.     

改进的关键词提取算法研究

【目的】针对词主题信息与词相似性信息对关键词提取的影响进行了研究,提出一种改进的TextRank关键词提取方法。【方法】首先,使用隐含狄利克雷分布(Latent Dirichlet allocation,LDA)主题模型对文档建模计算词主题信息;其次,使用FastText生成词向量,并计算词相似性矩阵;最后,融合词主题信息与词相似性信息的综合权重来优化TextRank词汇节点的初始权重,并进行词图模型的迭代运算与关键词提取。【结果】实验表明,改进方法的提取结果优于传统方法。【结论】证明了考虑词主题信息的全局性与词相似性信息的局部性能有效提高TextRank算法提取关键词的性能。     

嗅觉搜索机器人的单目视觉室内定位技术研究

针对室内嗅觉搜索机器人定位问题,提出一种基于最小二乘高斯核支持向量机的单目视觉定位算法.首先,利用最小二乘高斯核支持向量机,可将机器人在图片中像素位置与真实场景中位置间的非线性映射转化为带高斯核的线性映射;然后,运用k重交叉验证方法对映射关系模型进行训练,获取优化模型参数;最后,利用单目摄像头采集机器人运动的连续图像,并根据机器人平台与其背景间的灰度差异特征实时识别图像中目标机器人平台,计算得到机器人平台形心在每一帧图像中的像素位置,进而映射出机器人平台在室内环境下的实时动态位置.实验结果表明:此定位方法能够为移动机器人在室内环境下提供高精度和无累积误差的实时定位信息;算法的精确性和可靠性得到了充分验证.     

农村金融发展与农村经济增长的实证分析——基于VAR模型

运用1980-2013年的数据,对我国农村金融发展与农村经济增长间的关系进行了实证检验。协整分析、格兰杰因果检验和VAR模型分析结果显示:农村金融的发展深度、发展规模和发展效率等因素中,发展深度能够显著促进农村经济发展,发展规模和发展效率对其影响不显著;同时,农村经济增长对农村金融发展深度无显著影响,对农村金融发展规模有显著正向影响,对农村金融发展效率则呈现显著负向影响。脉冲响应函数印证了这一结论。     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

基于PVAR模型三峡库区基础设施与经济增长的互动效应

基础设施与经济增长具有动态互促互进的理论关联,但对于外部援助下的贫困地区发展而言,二者关系具有现实特殊性;三峡库区既有历史贫困特征,又受到外部援助资金的大力支持,运用面板向量自回归模型对库区15个区县2000—2018年的基础设施和经济增长进行了实证分析;研究结果发现:三峡库区基础设施对经济增长具有动态促进作用,反之则不显著,二者具有单向互动关系,在脉冲响应分析中,二者互动效应呈现"倒U型"特征,时滞效应呈现"反J型"特征;现阶段,三峡库区基础设施与经济增长互动效应还不明显,在一系列帮扶政策收官期限之前,建议从两方面来增强基础设施与经济增长的内生互动,一是要明确各类帮扶政策分类分阶段有序退出的时间表,二是以区县为主体共建三峡库区基础设施发展基金。     

基于J-C本构模型的2A12铝合金高速铣削特性研究

针对高速切削过程中切削参数选取优化问题,基于ABAQUS软件建立硬质合金刀具高速切削2A12铝合金有限元模型,通过仿真方法分析切削参数和刀具参数对切削力的影响,并进行铣削实验对仿真结果进行对比.误差在17%以内,验证了仿真模型的可用性.为高速铣削铝合金工件过程中,选择合理刀具几何参数与切削参数提供了理论依据.     

深度优先局部聚合哈希

已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚合哈希(Deep Priority Local Aggregated Hashing,DPLAH).DPLAH将局部聚合描述子向量嵌入到哈希网络中,提高网络对同类数据的表达能力,并且通过在数据对之间施加不同权重,从而减少相似性信息分布倾斜对哈希网络的影响.利用Pytorch深度框架进行DPLAH实验,使用NetVLAD层对Resnet18网络模型输出的卷积特征进行聚合,将聚合得到的特征进行哈希编码学习.在CI-FAR-10和NUS-WIDE数据集上的图像检索实验表明,与使用手工特征和卷积神经网络特征的非深度哈希学习算法的最好结果相比,DPLAH的平均准确率均值要高出11％,同时,DPLAH的平均准确率均值比非对称深度监督哈希方法高出2％.     

共轭梯度法在弹塑性模型数值实现中的应用

基于Jacobian矩阵的奇异和不收敛特性,分析了弹塑性本构模型的组成和算法。将牛顿?最近点投影法（Newton?CPPM）隐式算法中高度非线性方程组的求解问题转化为求最小值问题,通过采用共轭梯度法求解该最小值来实现对传统隐式算法的改进。最后,以考虑软土结构性的Saniclay模型为例,在单元体分析计算的基础上,考虑不同的应变路径和初始应力状态,对传统隐式算法和改进隐式算法在计算收敛性、计算精度和计算效率方面进行对比,并通过工程算例检验传统隐式算法和改进隐式算法之间的差异。结果表明：相较于传统隐式算法,改进隐式算法能够有效提高计算效率和收敛性。     

基于经验模态分解的粒子图像测速流场重构研究

为了消除PIV流场数据中的错误数据并降低误差,利用经验模态分解将PIV流场数据分解为多个本征模态分量,对波形异常的本征模态分量进行滤波处理,并将处理后的本征模态分量与其他波形平滑正常的本征模态分量进行反向叠加,有效实现了流场数据的重构和错误数据的消除。当分解得到的本征模态分量较多且错误数据集中在某一个本征模态分量时,可以通过求解各个本征模态分量与原始流场数据的相关系数,将与原始流场数据相关的本征模态分量进行反向叠加重构并摒弃与原始流场数据不相关的本征模态分量,实现错误数据的直接消除。利用本方法分别对2个人为添加误差为1.7%和3.3%的标准模拟流场进行了处理,处理后的流场数据误差分别为0.002%和0.18%。采用该方法对某实验的原始流场数据进行处理,结果表明错误数据得到了有效消除,流场特性更加清晰准确。本研究可为减小变化缓和的流场数据的误差提供一定的指导。