基于ResNet验证码混淆风格的迁移学习方法

引入一种混淆风格的方法来增加验证码的识别难度,对图像信息处理有广阔的应用前景。为此,探究了利用较少的数据通过迁移学习的方法处理验证码不同混淆风格的分类问题;在预训练的深度残差网络模型基础上,针对不同混淆风格的验证码进行深入训练,再利用除去全连接层的模型进行特征提取及聚类进行比较。实验结果表明:迁移学习对验证码混淆风格分类的效果有极大的提高,可使衡量聚类效果的兰德指数从0.730 2提升至0.885 8。     

纳米金修饰硅纳米线电极阳极溶出法测定痕量铅、铜

以浸入沉积的方法在硅纳米线上修饰了金纳米颗粒,并通过电子扫描显微镜（SEM）和X射线荧光分析（XRF）对金纳米粒子修饰的硅纳米线电极表面形貌进行了表征.以修饰后的硅纳米线电极作为工作电极,采用阳极溶出法检测水中痕量铅和铜,考察pH值、富集电位和富集时间对溶出峰的影响,优化出最佳实验条件.在优化的实验条件下,铅Pb2＋和铜Cu2＋的灵敏度分别为0.649μA/（μg.L-1）和0.177μA/（μg.L-1）.检测极限达到0.26μg.L-1和0.67μg.L-1.峰电流与离子浓度在质量浓度25~200μg.L-1的范围内形成良好的线性关系.     

一种基于HMM的雷达目标识别方法

根据雷达目标散射点的一般模型和特定条件的简化模型；提出用RELAX方法从高分辨雷达回波提取目标散射点分布的位置信息作为目标HRRR的特征向量；利用HRRR对雷达视角敏感这一特点，用隐马尔可夫过程表征多视角雷达回波序列，获得目标距离-方位两维信息，用若干HMM子过程构成的模式链表征一个飞行目标的飞行姿态变化，从而采用基于隐马尔可夫模型的分类器实现目标类属和方位的自动识别和分类，实测数据的计算机仿真结果表明，这一方法的平均识率为99.80%和81.2%。     

单液膜气泡聚并和连接过程的移动粒子半隐式法数值模拟

为了研究单液膜气泡单层液膜包裹气体的特殊结构形式和内外壁面均受气液表面张力的特殊力学形式,在拉格朗日框架下采用无网格移动粒子半隐式法并基于表面自由能表面张力模型,建立了单液膜双气液界面表面张力模型,从而实现了单液膜气泡振荡变形过程中的复杂界面计算和捕捉。在此基础上对2个单液膜气泡的聚并和连接过程进行了模拟分析,获得了典型的流动现象和液膜变形特征与规律,发现减小表面张力系数或增大黏性系数均会减弱气泡变形过程中表面张力项的变形主导作用。为此,提出了凹点切线法用于计算连接型气泡的液膜夹角,明晰了连接型气泡的形状。计算结果可为工业消泡技术提供一定的理论依据。     

基于粒子群优化的SVR算法与BP网络的比较研究

在回归问题上对比研究了基于粒子群算法优化选参的支持向量回归机模型和采用粒子群算法进行训练的后向传播网络的预测性能.     

粉粒体气力输送垂直管的压力损失

在作者工作的基础上,对不同的固体粒子在气流悬浮下垂直管内流动阻力进行了分析和实验研究。文中提出了固体粒子稀相流垂直管内适用的压力损失计算式。     

基于词内部模式的中文新词识别研究

提出了一种基于支持向量机的中文新词识别算法.该算法结合新词内部模式以及词长等提出了基于词内部模式的改进字符位置似然概率,并综合新词的邻接类别等特征对新词进行识别.经过小说语料测试,实验结果表明：该算法的微F1值为0.583 3,宏F1值为0.775 7,分别比不考虑词内部模式的基准算法提高约63%和30%.     

改进的粒子群优化算法用于芳香化合物毒性的定量构效关系分析

粒子群优化（PSO）算法是一种新兴的优化技术,该算法简单易实现,可调参数少,已广泛应用于许多研究领域．但PSO在化学中的应用还较少。本文将改进的粒子群优化算法用于多元线性回归的变量选择,并将其用于芳香胺的致癌活性的构效关系研究．结果表明：改进的粒子群优化算法能搜索到最优的变量组合,具有较快的收敛速度。     

图像识别中颗粒形状表征方法的研究

针对图像识别中颗粒形状表征方法的问题,采用图像处理技术,提取出颗粒形状特征参数一形状系数,计算结果表明：利用该参数可以识别颗粒的形状特征及类型,并为在线测量和识别颗粒提供了依据。     

支持向量机及在马铃薯分级中的应用

本文针对马铃薯分级手段落后,分级精度不高的问题,研究了采用基于结构风险最小化原理的支持向量机方法对模式类的识别能力,构造了对应的SVM识别过程和算法,该方法易于实现,且能够找到模式间的最优分类超平面,泛化能力明显提高。最后采用两种核函数,将SVM用于马铃薯分级识别以提取马铃薯外部特征与马铃薯级别之间的映射关系,从而实现模糊性的识别。实验结果表明,此方法对解决马铃薯识别问题具有良好的适应性和实用性。