基于流形假设的骨架序列动作识别算法

骨架数据是通过对动作的空间几何位置进行编码获取,可以避免冗余背景信息的干扰, 是动作识别领域常用的数据类型之一.现有骨架数据的动作识别主要分为经典的骨架数据表征和基于深度学习的骨架动作识别应用.相较于传统欧氏度量下的识别方法,流形为更好地研究非线性结构提供了重要数学工具. 然而,目前仍缺乏利用流形假设对骨架数据进行动作识别的相关总结. 因此,从骨架表示、轨迹时间对齐、动作序列表征以及动作分类 4 个关键步骤出发,系统地总结了基于流形假设的动作识别工作,对比了各项工作在基准数据集上的表现. 最后,根据当前动作识别工作的发展趋势,对流形假设在动作识别方向上的进一步改进进行了展望.     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.     

国际上运动对人体骨骼影响的知识基础及研究热点

目的:探讨当前国际上运动对骨骼影响研究的知识基础及研究热点.方法:利用计算机检索Web of Science数据库中2010-2016年运动与骨骼相关文献4587篇,运用CitespaceⅢ可视化软件绘制共现图谱,分析研究国家机构分布、高被引文献及高频关键词.结果:美国、英国、澳大利亚是该研究领域的中坚力量;研究热点主要集中在不同运动干预对绝经妇女、发育期青少年儿童及老年人三类人群骨骼的影响;知识基础方向主要为骨骼功能适应性理论的实验与发展.结论:以客观数据和图谱为依据,透析运动对骨骼影响研究领域的知识基础和热点,为该领域的后续研究提供参考.     

紧李群上的卷积

利用紧李群G上一类卷积算子的自伴性和紧性,给出了L^2（G）的一种分解,并利用此分解方式回到了S^1上经典的Fourier分析,将泛函分析、李群、Fourier分析联系起来.     

基于AWE某半挂车车架疲劳寿命分析

采用UG软件建立了三维模型,并应用AWE软件完成了该产品试验的疲劳分析,从仿真分析计算所得到的疲劳寿命云图中,可直观的判断出车架的疲劳发生危险区域,为其改进设计提供了依据。     

关于对偶余代数的注记

给出了一个对偶余代数问题的反例．作为反射代数的一个应用,建立了从卷积代数 Ｈｏｍ（ Ｃ, Ａ） 到余代数张量的对偶代数（ Ｃ  Ａ°）  的同构映射     

一种快速并行骨架生成算法

基于ＭＩＭＤ并行处理机和欧几里德距离变换,研究了一种求二值图像骨架的并行算法．与现有算法相比,其所求骨架特性好,且实现简单,同时由于采用了并行处理技术,使计算速度大大提高     

普通型Bell多项式与卷积多项式序列的若干恒等式

应用发生函数的方法研究了与卷积型多项式序列有关的普通型Bell多项式,得到了关于普通型Bell多项式的若干恒等式。     

卷积的微分与积分递推公式的分析及推广

通过对信号与系统教材中卷积的微分与积分递推公式的分析,指出该公式的应用条件,推导出适合于任何函数求卷积的推广公式,并用两种方法证明了该推广公式,还给出了实例验证.该推广公式对目前国内外信号与系统教材中有关卷积的微分与积分逆推公式的分析及应用具有重要意义,尤其适合于计算含有直流分量的函数的卷积.     

基于深度学习的反无人机预警神经网络

为解决传统雷达探测设备面对"低小慢"无人机时产生的难检测与易突防问题,通过深度卷积神经网络对空中无人机进行实时识别,提取目标的类别与像空间位置信息;根据无人机像空间位置在时域下的变化趋势,绘制无人机飞行映射轨迹;利用长短期记忆网络对飞行映射轨迹进行预测,获取无人机在未来时域内的预测航迹方向,实现对无人机的预警跟踪、实时检测与轨迹推断。结果表明,所提出的算法中目标识别平均准确率可达到82%,轨迹预测平均准确率可达到80%计算速度可达到24帧/秒,可见能够在地基计算平台下对空中无人机进行实时精确预警,可以有效地防止识别领空内的非合作无人机渗透与突防。