基于虚拟样本的加权稀疏表示人脸识别研究

实际的人脸识别系统常常会面临小样本问题，为了提高在小样本情况下人脸识别的分类正确率，提出一种基于虚拟样本的高斯加权稀疏表示的人脸识别方法。该方法首先利用人脸的对称性来构造虚拟训练样本，扩充训练样本集；然后，对每个测试样本，利用高斯核距离度量该测试样本和各个训练样本的相似性关系，并将该高斯核距离作为训练样本的权值来形成加权的训练样本集：最后，利用稀疏表示方法进行人脸的识别分类。实验结果比较分析表明，该方法在小样本情况下可以获得更好的识别效果。

基于特征优化与深层次融合的目标检测算法

针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.

改进粒子群算法的永磁同步电机PID控制器

采用粒子优化算法进行PID模糊控制训练能提高永磁同步电机的控制精度,提出一种基于改进粒子群算法的永磁同步电机PID控制方法,构建永磁同步电机PID模糊控制目标函数,选择电压、转矩、速度和电磁损耗等参数进行控制约束参量分析。采用改进的粒子群算法进行PID控制的加权训练,实现控制目标函数最优化求解,进行永磁同步电机PID控制律优化。实验结果表明,采用该控制方法进行永磁同步电机控制的调制性能较好,具有较好的输出增益,振荡较小,抗干扰能力较强。

高恶意用户比例下稳健WSPRT算法

频谱感知数据篡改(SSDF)攻击是协作频谱感知(CSS)中常见的攻击方式。在分布式协作频谱感知网络中,采用加权序贯概率比检测(WSPRT)融合准则,通过信誉值机制,有效缓解了SSDF攻击的影响。但是,随着网络中恶意用户数目比例的增加,融合判决结果的错误概率将大大增加。在高恶意用户比例下,融合节点判决结果的错误概率将变得不容忽视。为了缓解分布式网络中高恶意用户比例下SSDF攻击带来的不良影响,因此提出训练机制下加权序贯概率比检测(RT-WSPRT)算法。仿真表明,在高恶意用户比例的情况下,RT-WSPRT检测性能优于WSPRT。