简介：提出了一种新型的二维码编码和译码方案,基于Turbo码的编码和软译码方法,对二维条码进行改进,使其具有更强的识读能力.使用（13,15）的Turbo码编码器和矩阵交织器对源信息流进行编码得到一组二进制流,对编码得到的二进制流进行图像生成得到新型的二维条码.对使用后的二维条码图片进行图像采集,然后进行灰度量化得到软比特信息流,对软比特信息流使用矩阵解交织器和Turbo码译码器进行译码得到源信息流.通过这样的方法可以提高二维条码图片的可识别性.运用这种新型的二维条码图片在工业零部件和军事零部件上,可减少因二维条码无法识别产生的经济损失.

简介：利用基于密度泛函理论的第一性原理赝势平面波方法,计算了新型稀磁半导体母体YCuSO的能带结构和态密度以及介电函数、反射函数和吸收函数等光学性质.计算结果表明,YCuSO属于直接带隙半导体,禁带宽度约为1.22eV.其费米面主要由Cu3d和S3p层电子构成.YCuSO半导体晶体在80~90nm处存在明显的光损失,在80~350nm区间光反射较大,光吸收主要发生在50~680nm区间,表明YCuSO在红外与远紫外波段具有潜在的应用价值.这些结果为实验室合成基于YCuSO母体、电荷自旋注入机制分离的新型稀磁半导体,进而研究其性质提供了依据.

简介：针对深层超限学习机算法在网络层数较浅时样本特征利用率低,和网络层数较深时样本特征经高层抽象后有效性降低的问题,本文提出了两种密集连接的多层超限学习机算法:Dense-HELM和Dense-KELM.这种密集连接的网络结构,使样本特征信息在层与层之间被充分利用,能够在不增加网络深度的情况下,显著提高算法的识别精度.最后,对文中提出的两种算法在20组基准数据集上进行实验,结果显示:本文提出的算法可以显著提高算法的识别精度,减少算法的训练时间,这表明所提出的算法具有有效性和实用性.

简介：针对在不同的摄像头场景下,光线、摄像头参数的差异较大使得行人重识别困难的问题,提出一种基于距离度量学习的方法进行行人重识别.该方法首先为每一对摄像头学习一个距离度量模型.其次,根据上述因素的影响强度为这些度量模型赋予相应的权值.最后,对度量模型与其相应权值的乘积进行累加与优化,得到最终的距离度量模型.经过在两个公共数据集中进行行人重识别实验,其结果显示所提出的方法能够提高行人重识别的正确率.

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：人脸识别已经广泛地应用于日常生活中,作为关键技术之一的人脸清晰度评价成为了热门的研究课题.然而,传统的手工提取特征的方法在效果和鲁棒性上都有所欠缺.为此,我们运用卷积神经网络实现特征的构造和选择,有助于提高评价结果的准确率.同时针对网络复杂、参数过多和耗时长等问题,还提出将传统的卷积结构改造成双卷积层结构的方法来提升计算速度.经过大量的实验表明,本文提出的人脸清晰度评价算法能够准确地进行人脸清晰度的评估,并且具有较快的处理速度.

简介：自智能交通系统出现以来,汽车驾乘员的安全带检测一直是备受关注的研究课题.依据城市道路的交通卡口监控数据,研究一种基于深度学习的汽车驾乘人员安全带检测算法,能够准确识别驾驶员是否佩戴安全带.通过对卡口图片进行人工标定,并运用深度学习方法训练两个检测器和一个分类器,最终实现安全带的快速定位和分类.本文提出的方法在城市道路卡口采集的图像上检测效果较好.

简介：人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

简介：软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.

简介：随着大量需要被挖掘的数据变得越来越复杂,多维关联规则已经成为关联规则挖掘中最实用的内容之一.本文主要介绍了在多维关联规则挖掘过程中,针对同一种属性数据出现重复连接的情况,由此而提出的一种解决方案.通过对多值属性信息进行比较,去除重复连接的属性信息,保留有效信息,减少对数据库的扫描.由此对Apriori算法中连接步进行改进,最后通过布尔型关联规则挖掘数据信息并得到结果.相较于Apriori算法,改进算法能更加快速准确地发现知识,缩短挖掘所用的时间.

简介：代价敏感普遍应用于解决分类不平衡问题,但代价敏感算法一直没有一个客观的评价标准.本文提出一种针对代价敏感算法的分类精度计算方法,以平衡精度替换总体精度来有效地评定代价敏感算法的分类性能.相比于传统的总体精度,该平衡精度不会忽略小类样本的贡献.通过代价敏感超限学习机对基因表达数据进行分类对比实验,结果表明,平衡精度可以更为客观、合理地表示代价敏感算法的分类性能.

简介：在视频编码器中，软判决量化可获得最优编码性能，但其中维特比算法会导致严重的系数间串行处理依赖．比较而言，基于死区的硬判决量化算法率失真性能有所损失，但不存在系数间依赖，且非常适合硬件并行流水处理．今采用离线统计的方法，分析余弦变换系数的分布情况，量化余数对量化的具体影响，构建了基于余弦变换系数分布参数，量化余数的自适应偏移模型．基于该模型提出一种内容自适应的硬判决量化算法．仿真结果表明，该算法在保证并行化处理的条件下，其编码性能相比于传统的硬判决量化有一定的提升，可接近软判决量化算法性能．

简介：域自适应算法是一种能有效解决训练集（源域）和测试集（目标域）样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机（DDM-ELM）用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标：1）最小化源域样本的分类误差;2）通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3）利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.

简介：本文采用油浴加热柠檬酸一步法合成碳量子点,用HRTEM透射电镜和FTIR红外光谱对其形貌和结构进行表征。研究该碳量子点的荧光性质,初步探讨了其发光的可能机理。实验结果表明,该方法合成的碳量子点粒径大小为3-5nm,在360nm处有一个很强的紫外吸收峰,最大激发波长和发射波长分别为365nm和460nm,其光学稳定性良好,在pH5.0-7.0范围内,碳量子点的荧光强度随pH的变化比较敏感。

简介：提出了一种改进的基于fp-tree的Apriori算法.该算法先用尾元将fp-tree分区，生成数据量更小的子数据集，再动态删除冗余数据将子数据集的数据进一步压缩，最后通过扫描子数据集进行支持数统计，从而快速挖掘.实验结果表明，在对含有大量高维度数频繁项集的数据集进行挖掘时，这个改进算法的挖掘速度较快.

简介：在无线电综合测试仪的设计中,频谱扫描是一项基础技术.将需要扫描的频谱划分成子带,进而提出了一种通过在模拟前端采用可变频率本振的混频器和低通滤波器实现子带信号分离,然后对子带信号进行采样并且变换到频域,最后将所有子带频谱拼接获得完整频谱的技术.为了实现该技术,设计了一个由软件无线电（Software-definedRadio,SDR）接收机和数字信号处理片上系统（SystemonChip,SOC）组成的软件无线电平台.随后,在基于该平台实现的综测仪原型上对频谱分析技术进行了验证.仿真和实验表明,该方法和原型样机能够对0~6GHz范围的频谱进行扫描,同时具有较低的噪声水平和较好的动态范围,且能够提供相位谱,因而适用于嵌入式频谱仪和无线电综测仪的应用场合.

简介：LDA主题模型是文本挖掘领域的重要算法，同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题，是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量，我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分，同时结合正样本学习得到的正面预测评分，从正反两个方面进行综合评测，从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验，表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.

简介：惯性导航系统是目前室内定位和导航领域一项非常重要的技术,但是传统惯性导航系统中是利用算法融合地磁罗盘及陀螺仪等数据,进而提高相对位置的精度,但却无法修正已经产生的误差.所以传统惯性导航系统在内部构造复杂的室内很容易出现走错房间,穿越墙体等错误路径.为了解决这些问题,提出一种基于维特比算法的室内导航方法,利用自建室内地磁数字地图结合维特比算法,动态计算可能路径.利用维特比算法特性提高了输出路径的纠错能力,可有效排除错误路径的干扰.本导航方法能有效避免穿墙错误路径的出现,更加符合实际行走路径.试验结果表明,相对传统惯性导航系统,它在复杂室内环境下进入正确房间的准确率提高了23%.

简介：针对变量为梯形模糊数的模糊线性规划问题,利用结构元方法定义了一种模糊数的排序准则,讨论了如何将变量是梯形模糊数的线性规划去模糊化,即将含有变量为梯形模糊数的模糊线性规划转化为经典模糊线性规划.同时,证明了该模型的最优解等价于经典的线性规划的最优解,再利用单纯形法求出最优解.并设计了求解该类模型的算法.通过算例验证了该方法的可行性和算法的有效性,从而为变量模糊的广义模糊线性规划问题的研究提供了新的方法.

简介：设计了一种数字温度计,由单片机STC89C52、温度传感器DS18B20、四位一体共阳极数码管、按键、报警模块、升（降）温模块及电源模块组成.提出了由单片机与温度传感器组成的硬件设计方案,软件系统包括主函数、LED驱动子程序、温度设置子程序、报警处理子程序以及DS18B20温度采集子程序等部分.利用恒温槽和二等标准铂电阻温度计对数字温度计做了静态校准.最后评定了温度示值校准结果的不确定度.