一种融合WPCA与WLDA的人脸识别方法

提出了一种融合加权PCA与加权LDA的人脸识别方法。该方法将主成分分析(PCA)的优点和线性鉴别分析(LDA)的优点充分地融合在一起,以欧式距离为参数的权函数w1使得PCA降维时加入类别差异从而得到最优投影矩阵,解决了PCA过程中使用最小距离方法时识别精度相对低的缺点;以马氏距离为参数的权函数w2使得LDA分类时,进一步扩大类间离散度,减小类内离散度。另外该方法在识别精度上比WPCA+LDA、PCA+WLDA、PCA+LDA算法都有很大的提高,通过在ORL、AR、FERET人脸库上的实验验证了算法的有效性。

一种基于信道矩阵模式的毫米波波束预测方法

毫米波(millimeter wave,mmWave)是5G应用的一项重要技术,具备更高的上下行传输速率,更低的响应时延。mmWave系统通常基于码本(codebook)进行波束预测,但穷尽codebook匹配最佳波束成形向量耗时较多。在保证高吞吐量的同时,如何降低codebook搜索成本,已然成为mmWave系统优化方向之一。文章提出一种基于信道矩阵模式的毫米波波束预测方法,通过多载波信道响应整合并可视化,将结构化数据转换为图像样本,利用深度学习模型Efficient NetV2-S提取图像特征,进行迁移学习时,将特征提取层参数固定,仅训练最后一层神经元参数,保证预测准确率同时降低训练时间成本,再基于codebook进行波束预测。经验证,该方法Top-1准确率提升近4.9%,Top-3准确率提升近5.8%,显著削减了codebook搜索成本,优化了mmWave系统通信质量及响应时延。

一种逐步分类预测群首的WSN组网策略

本文提出一种无线传感器网络(WSN)组网策略,旨在生成合理群首分布,均摊能耗,延长WSN稳定期。首先,在稳定期内,本文选择SEARCH协议产生每轮群首,并从中优选相对合适的群首分布。其次,将这批优选数据用于训练,调优多个级联的机器学习模型。经交叉验证,达到收敛的模型可预测每轮合理群首分布,延长WSN稳定期。同时,本文策略适用于低时延应用场景。

基于自适应几何阈值的SUSAN算法改进

传统的SUSAN算法用于边缘检测时采用固定几何阈值来计算边缘响应,得到的边缘线会较粗,也会出现漏检的情况。为此,在传统SUSAN算法的基础上研究改进,提出结合最大间类方差法来获得自适应几何阈值,从而对原SUSAN边缘检测算法进行改进。每幅图片根据最大间类方差法自适应获得3个几何阈值,多重阈值将图像分割成若干区域,再对各区域点进行分类和合并来获取边缘点集。实验结果表明,该边缘检测算法能够提高原来SUSAN边缘检测的精度,检测到的边缘细窄平滑,并具有更好的抗噪性。