单样本条件下基于图像增强和Fourier频谱的人脸识别

目前有许多处理正面视觉人脸的识别方法,当有充分数量的有代表性的样本时,能取得较好的识别效果。然而当处理单样本识别问题时,现有的许多方法的识别率将明显下降或甚至不适用。为了加强单训练样本的分类信息,训练样本与其基于受扰动的奇异值的重构图组合成新样本,Fourier频谱作为人脸识别特征,在ORL人脸库上的实验结果表明了该方法的有效性。     

聚氨酯泡沫复合夹层板弯曲问题的有限元解法

利用“分解刚度有限元素法”建立夹层板的弯曲刚度矩阵,将一个较为复杂的问题简化为一个单层薄板的弯曲刚度矩阵和一个纯剪切刚度矩阵相加,降低了数学问题的难度,减少了计算工作量。计算表明,该方法能够在经典理论解的基础上有效地提高计算精度,可以满足工程要求。     

低温MOCVD法制备铜纳米棒

选用乙酰丙酮铜Cu(acac)₂为前驱物, 氢气为反应气, 采用低温有机金属化学气相沉积法(MOCVD)在介孔基质SBA-15中合成出了铜纳米棒. 该反应过程中, 氢气起了重要作用, 一方面氢将金属有机物的配位还原, 从而使其更容易扩散进入SBA-15孔内部, 同时氢也将二价铜离子还原为金属铜, 从而得到铜棒. 这种铜纳米结构由于具有独特的光学、磁学及电学特性, 因而在半导体研究领域中有潜在的重要应用价值. 另外, 研究还发现基质SBA-15的表面特性对于合成该铜纳米结构有重要影响, 将一层碳覆盖于基质表面后, SBA-15由亲水表面变为憎水表面, 更加有利于有机铜的吸附和铜离子在其内表面的沉积. 该合成方法简单, 反应只需较低的反应温度(400℃)和真空度(2 kPa), 实现了温和条件下制备铜纳米棒状材料.     

希夫碱锰配合物催化过氧化氢低温漂白棉针织物的性能研究

为解决传统高温练漂中棉针织物加工过程能耗高、纤维损伤大的问题,以二乙烯三胺、三乙烯四胺、N,N解决双(3-氨丙基)乙二胺、单乙醇胺分别与水杨醛、锰盐一锅法反应制备金属锰配合物ML2、ML3、ML4和ML5用于棉针织物低温漂白加工.借助红外光谱仪分析金属配合物的化学结构,研究配合物/过氧化氢体系的催化分解特性,讨论了锰配...     

基于K-shell的超网络关键节点识别方法

将K-shell指标扩展到超网络中,避免了超网络中超度较大、但位于超网络边缘位置的节点对挖掘关键节点带来的影响.由于K-shell方法的局限性,导致节点排序结果过于粗糙.针对这一问题,结合超度和K-shell(ks)值利用欧式距离公式提出识别超网络关键节点的ksd指标,并利用蛋白复合物超网络进行验证.实验证明,ksd指...     

基于灰关联分析和时空偏好特征的兴趣点推荐算法

为了提高动态推荐效果,从时间个性化和连续性的角度出发,细化了签到用户的时间特征,利用灰关联分析度量时间向量的相似度,与矩阵分解算法结合,给出了一种新的矩阵分解算法。该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响。同时为了提高个性化推荐,采用自适应核密度估计方法捕捉用户的空间偏好,增强用户的个性化体验,进而提高推荐质量。在此基础上,设计了一种新的兴趣点推荐算法。实验结果表明,该算法能有效地提高推荐准确率和召回率。     

基于K-S VD的低频水声信号去噪处理方法

由于浅海环境下的噪声严重且复杂,水听器得到的接收信号往往很大程度被噪声干扰,具有较低的信噪比,导致水声信号处理难度大等问题.针对此问题,为了更有效地去除有用信号中的海洋噪声,采用基于稀疏分解和字典学习的去噪方法.首先随机构造完备离散余弦变换(discrete cosine trans-form,DCT)字典,之后使用正...     

分数阶混沌同步磁阻电机的滑模控制

利用数值方法,计算了分数阶同步磁阻电机系统的最大李雅普诺夫指数,并对其状态值时间序列进行0-1测试,得出其出现混沌运动的最小阶数约为2.01,表明该系统在特定阶数和参数情况下会出现混沌振荡,进而严重影响电机动态性能和稳定性.通过考察控制系统的频率特征,基于无穷状态方法和滑模控制理论设计合理的控制器,借助李雅普诺夫方法,...     

基于变分模态分解和神经网络的风速组合预测

风速预测在风能开发和利用中起着关键作用,然而风速序列往往存在强波动性和非平稳性的特征。为了提高风速预测的精度,文章提出变分模态分解(variational mode decomposition, VMD)和神经网络相结合的风速组合预测模型。首先采用变分模态分解将风速序列分解为若干不同频率的子序列;其次计算各子序列的样本熵(sample entropy, SE)以量化复杂程度,引入熵值法建立神经网络组合预测模型,对复杂度较高的分量采用神经网络组合预测模型,其余分量采用支持向量机(support vector machine, SVM)模型进行预测;最后将各分量预测结果运用BP神经网络拟合得到最终预测值。针对北京测风塔实测样本进行建模预测,验证所提出预测模型的可行性,并与6种不同风速预测组合模型开展对比分析,证明所提出的预测模型具有更好的鲁棒性和预测精度。