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.     

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.     

基于声源定位的头部姿态检测系统研究与实现

研究了声源定位技术在鼾声检测上的应用,主要研究鼾声的声学特性、声源定位技术原理,并利用声源定位技术对人体打鼾时头部姿态进行识别.采用广义互相关函数法对多路声音采集系统采集到的鼾声信号进行延迟估计计算,根据得到的相对时延信息进行声音定位,结合定位信息和朝向信息推断出当前受试者打鼾时头部姿态.采用数据采集卡进行高速信号采集,使用虚拟仪器Labview进行信号处理和算法实现,实验中受试者以不同头部姿态在该系统监测下模拟打鼾,通过该系统检测头部姿态,综合判断正确率达到80%.     

三唑类手性农药高效液相色谱分离的研究

采用正相高效液相色谱研究了三唑酮、烯唑醇、腈菌唑、粉唑醇、多效唑和双苯三唑醇6种三唑类手性农药在Chiralcel OD-H和Chiralcel OJ-H手性柱上的对映体分离,通过优化分离条件,实现了几种手性农药对映体的拆分,并探讨了流动相极性对分离的影响。在此基础上对比了2种纤维素手性固定相的手性拆分效果,探讨了相应的手性识别机理。     

含二茂铁盘状主体的阴离子识别与电化学传感

合成了两个新的具有两条或三条苯并咪唑阳离子臂的盘状主体分子1和2, 利用核磁滴定和微分极谱测定了主体分子对氯、溴、碘等阴离子的识别性能和电化学响应.结果表明, 主体1和2与客体阴离子之间形成(C(H) ...X-氢键作用, 阴离子位于主体构象变化所围成的锥形空穴中, 形成1∶1型的超分子配合物.识别阴离子时多重氢键作用使主体分子1表现出显著的化学位移和电化学响应.     

基于长短时记忆网络的多模态情感识别和空间标注

情感计算中音/视频的情感识别对人机交互等领域的深层次认知具有重要应用价值,在现代远程教育中可作为教学过程性实时评估的重要技术之一.为克服单一模态模型识别精度依赖于情感类型这一问题,本文提出一种基于长短时记忆(LSTM)网络的多模态情感识别模型,采用双路LSTM分别模拟人类听觉和视觉处理通路处理语音和面部表情的情感信息,在eNTERFACE’05双模态情感数据集上进行训练和测试,并模拟人脑边缘系统情感区进行决策层加权特征融合,传统情绪六分类标准的准确率可达74.7%.同时,考虑到传统离散情绪六分类法无法进行程度度量,且存在外在表现相似和多情感同时并存的问题,本文提出一种新的多模态情感识别模型的空间标注法,采用模型层特征融合方法将情感分类特征映射到激活度-效价空间(Arousal-Valence Space),从而更好刻画情感的程度,实验结果显示准确率在空间两个维度上分别达到84.1%和86.6%.相比于已有的大多数相关研究,本文提出的模型运算量小,识别精度高,可进行实时在线情感识别.     

基于部分观测剪切框架结构绝对响应量的地震激励的广义识别方法

地震激励和结构状态的准确信息是进行结构地震安全性评价和振动控制的前提.当不测量结构的地震激励时,地震激励的识别可作为逆问题,依据测量的结构响应来判断地震激励.尽管已经发展了一些相关的识别方法,但现有方法仍存在一定的局限性或缺陷.为了避免这些问题,该文提出了一种基于未知输入的广义卡尔曼滤波(GKF-UI)多层剪切框架的地震激励的广义识别算法.当不测量结构受到的地震作用时,结构健康监测(SHM)系统测量的数据是结构的绝对响应,因此,结构运动方程的推导建立在绝对坐标系下,其中未知地震激励作为未知外力作用于结构上.该算法可在不观测未知外力作用处的结构绝对加速度响应的情况下,识别结构状态和未知地震激励.提出的GKF-UI的推导基于经典卡尔曼滤波器(KF),但在结构加速度传感器的部署中,它比现有的基于未知输入的卡尔曼滤波器(KF-UI)的荷载辨识方法更具有普遍适用性.通过数值算例中一个6层剪切框架的地震激励识别,验证了该算法的有效性.