基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

鱼类Cathelicidin抗菌肽的研究进展

抗菌肽作为非特异性免疫因子,在机体抵抗病原感染中发挥重要的作用.Cathelicidin是目前发现的一个最大抗菌肽家族,具有多重生物学功能.鱼类Cathelicidin的研究虽比较滞后,但国内外学者已取得了一些研究成果.综述了前人鱼类Cathelicidin的研究成果,如基因结构、蛋白酶酶切作用、体内表达状况和生物学活性,以期为后续研究提供一定的研究基础和研究思路     

基于智能手机传感器和SC\|HMM算法的行为识别

在获取智能手机传感器信号的基础上, 提出一种基于谱聚类和隐Markov模型的日常行为识别算法. 该方法利用智能手机获取的加速度、 地理位置和接受信号强度等数据, 结合谱聚类分析和隐Markov模型学习, 能有效地对用户日常行为进行自动识别. 实验结果表明, 在真实的手机数据集中, 该方法具有较高的准确度.     

基于量子逻辑线路神经网络的说话人识别方法

 由于说话人的语音信号具有时变性、随机性,其特征参数也呈现出高维及相邻帧变化较大等特点。从量子信息处理理论出发,将一帧语音信号视为一个量子态,在传统神经网络的基础上,利用量子逻辑线路构造神经网络,实现说话人语音信号的有效聚类,探索一种基于量子逻辑线路神经网络的说话人识别模型与方法。利用模型固有的大量全局吸引子,可有效降低语音信号处理的时间及复杂度。通过在经典计算机上模拟仿真,并与BP神经网络说话人识别模型进行对比,表明该方法能够加快说话人识别模型的收敛速率,对参数变化具有更好的鲁棒性,且其系统识别率比BP神经网络方法平均提高了3.34%。     

基于DNA/RNA的逻辑门与逻辑运算

DNA和RNA具有精确的分子识别能力以及强大的信号存储能力. 利用DNA/RNA分子的生物学特性来构建分子级别的逻辑门并实现逻辑运算是近年来计算机科学和分子生物学交叉产生的新兴领域, 引起了研究者的广泛关注. 本文介绍了利用DNA/RNA分子的酶活性、结构特性来构建逻辑门的方法, 探讨了将单一逻辑门整合成复杂的逻辑运算的途径. 并且对于DNA/RNA逻辑门在体外检测和体内诊疗等生物医学中的应用进行了介绍, 提出了未来的发展方向.     

探针馈电的分层球状微带天线矩量法分析

采用以Rao-Wilton-Glission(RWG)为基函数的矩量法推导了分层球状微带天线的阻抗矩阵计算公式.在计算探针和贴片连接处的阻抗矩阵元素时,通过一种三角形对拆分方式简化了矩阵计算过程,并通过替代避免线积分奇异问题. 提取了源、场点位于同一层媒质和不同层媒质时并矢格林函数的渐进项,以加快格林函数无穷项级数收敛速度. 计算了一副球状微带天线,输入阻抗计算结果与文献结果吻合良好,说明分析方法的正确性和有效性.     

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.     

有界Petri网进程表达式与活性的关系

Petri网进程是对Petri网并发语义的一个刻画,是Petri网分析和验证的有效手段.该文针对有界Petri网研究进程表达式和活性性质之间的关系,给出了基于进程表达式的有界Petri网及其同步合成网的活性判定定理.同时研究了进程表达式与虹吸、陷阱间的关系,是Petri网活性研究的一个新的尝试.