智能交通控制网络的短时交通流预测研究

研究智能交通控制网络的短时交通流准确预测问题。为保证智能交通控制的效率,短时间内采集交通流信息并作为预测参数快速完成交通流的预测,然而短时间内采集到的交通流数据有限,数据间的相关性不明显,传统的交通流预测方法针对短时采集的相关性不明显的数据进行预测,存在预测准确度不高的问题。为解决上述难题,提出采用多维标度法的短时交通流预测方法。利用多维标度法处理采集到的短时交通流数据得到数据间的潜在相关性,避免因短时数据间相关性不明显而造成预测准确度不高的问题,然后根据数据相关性建立交通流预测模型,按照预测算法流程完成交通流的预测。实验表明,改进方法能够根据短时交通流数据准确完成交通流的预测,保证了智能交通控制网络的效率和性能。

负载驱动的机群系统动态功耗管理研究

为了通过动态功耗管理方法解决高性能计算机系统功耗与性能之间的权衡问题，提出了一种适用于同构机群环境下负载驱动的动态功耗管理（WDPM）策略。该WD．PM策略根据负载随时间变化的不均衡性，通过分析并行负载日志的到达特征，在改进超时动态功耗管理的基础上运用了基于负载预测的预唤醒方法和实时反馈修正机制。以真实负载日志和实际系统参数为源数据进行了模拟实验，而且做了WDPM策略与超时策略的对比测试。实验结果表明，WDPM策略能在增加极少量功耗的情况下，有效减少作业平均等待时间和系统中节点状态切换次数，能更好地获得性能与功耗间的平衡。

有源滤波技术在电能质量调节中的应用

随着越来越多的敏感负荷或用户的出现,对电力系统的电能质量提出了更高、更严格的要求。为了达到理想的电能质量要求,有源滤波技术成为解决这一问题的有效手段。简要介绍了电能质量的分类、有源滤波器的分类、原理及有源滤波技术中的关键技术及发展趋势。

智能交通领域中地图匹配算法研究

地图匹配是智能交通系统领域的研究热点和难点。通过地图匹配来实时获得车辆所在道路及位置信息是一种比较普遍而且成本较低的方法。整理和分析了近年来关于地图匹配算法的文献,将地图匹配的处理算法分为几何匹配的算法、基于拓扑结构的算法、基于概率统计的算法和先进算法,并且系统地介绍了各篇文献中典型的地图匹配算法,比较了各种方法的差异,探讨了其未来发展趋势。

自适应小数据集乳腺癌病理组织分类研究

针对乳腺癌病理组织图像数据普遍存在数据集规模小、良性和恶性样本数量分布不均衡、自动识别精度低的现状,利用深度可分离卷积、小卷积核堆叠、增深降维等技术,结合文中提出的"SoftMax+WF"设计具备合理深度和宽度、适应小数据集、轻型的病理组织图像分类模型。在图像旋转、扭曲等传统增强数据方法基础上,采用随机不重复裁切法均衡良、恶性样本数量并扩充数据集。针对训练集中难以聚类的样本,提出"弱特征"概念、"弱特征"样本提取算法和自适应调整、二次训练算法改进模型训练。在参数设置和运行环境相同的条件下,进行8组比对实验,模型的准确率、敏感度、特异度均可达97%以上。实验结果证明文中设计的模型性能稳定,对小数据集和不均衡数据集具有较好的包容性和适应性。

基于指部关联特征的多模态图像采集系统

针对基于单个生物特征的身份认证安全性和稳定性不足的问题,设计了基于指部关联特征的多模态图像采集系统,采用单个双波段摄像头分时采集同一根手指的指纹、指节纹和指静脉图像。指纹和指节纹采用非接触反射采集方式,指静脉采用单侧近红外光源与反射镜面相结合的透射采集方式,并根据静脉图像质量评价动态调控光源,根据特征点信息量动态调整各个特征的权重。实验结果表明,该多模态采集系统在认证通过率、误识率和拒登率等指标都优于指纹或指静脉的单模态采集系统,认证通过率达到99.1%,误识率为0.000 1%,不存在拒登现象。

近红外指静脉图像采集系统设计

针对指静脉身份认证需求,以手指静脉图像采集系统作为研究对象,设计了基于单侧光源与反射镜面相结合红外光源可调控的指静脉图像采集系统。研究了LED光源位置与角度对静脉图像质量的影响,提出了基于图像质量评价的指静脉认证方法,并运用实测方法进行了验证。实验结果表明:可以得到与传统正面光源采集同等质量的静脉图像,具有更高的认证通过率,达到98.8%,并更易于用户使用。

基于WT和PSO的雷达脉内调制参数分析

雷达脉内调制信号分析是实现雷达辐射源信号识别的一个重要手段,雷达脉内调制信号是典型的非平稳信号,需采用非平稳信号处理方法进行分析。小波变换是处理非平稳信号的有力工具,可用来对脉内信号进行分析,但需要搜索算法搜索变换后的小波脊线。因此,在对调制信号进行小波变换后,采用微粒群优化算法搜索小波脊线。通过计算机仿真,结果表明利用小波变换和微粒群优化算法可对雷达脉内调制信号进行参数分析与提取,小波变换分析方法是有效的、合理的。

面向智能人机交互的鲁棒的实时多人脸检测

人脸检测在人机交互HRI(Human-Robot Interaction)过程中起着重要作用,它能够让智能教育机器人IER(Intelligent Educational Robot)识别用户或说话人。提出一种智能视觉算法,可以实时地从复杂的场景中检测出所出现的多个人脸,并过滤掉那些看起来像人脸但并不是人脸的图像。实时的人脸检测使用基于Adaboost的角点级联分类器^([1,2,23,29]),并对该检测算法进行了改进,以实现从单一人脸检测到多人脸检测。此外,改进的算法也考虑了各种可能的头部姿态,如俯仰、偏转、倾斜等。实验结果充分证明了所提出的机器人视觉算法进行人脸检测的鲁棒性和高效性。

基于单一神经网络的多尺度人脸检测

人脸检测是指检测并定位输入图像中所有的人脸,并返回精确的人脸位置和大小,是目标检测的重要方向。为了解决人脸尺度多样性给人脸检测造成的困难,该文提出一种新的基于单一神经网络的特征图融合多尺度人脸检测算法。该算法在不同大小的卷积层上预测人脸,实现实时多尺度人脸检测,并通过将浅层的特征图融合引入上下文信息提高小尺寸人脸检测精度。在数据集FDDB和WIDERFACE测试结果表明,所提方法达到了先进人脸检测的水平,并且该方法去掉了框推荐过程,因此检测速度更快。在WIDERFACE难、适中、简单3个子数据集上测试结果分别为87.9%, 93.2%, 93.4%MAP,检测速度为35 fps。所提算法与目前效果较好的极小人脸检测方法相比,在保证精度的同时提高了人脸检测速度。

基于目标识别与显著性检测的图像场景多对象分割

提出了一种基于目标识别与显著性检测的图像场景多对象分割方法。该方法的步骤包括:在图像训练集上训练语义对象的检测器,用来检测输入图像中对象的位置,标定对象的包围盒;对输入的图像进行过分割处理,得到超像素集合,根据包围盒的位置和超像素的语义概率值计算兴趣区域;在3种稠密尺度上进行场景显著性检测,得到输入图像的显著图;在兴趣区域内计算超像素的邻接关系,形成邻接矩阵,构建条件随机场模型,将多对象分割问题转化成多类别标记问题,每一个对象是一种类别;以每个超像素作为场模型的节点,超像素的邻接关系对应场模型中节点之间的连接关系,将显著性和图像特征转化为节点和边的权重值;利用图割算法,在条件随机场模型上进行优化,迭代终止时得到像素的对象标记结果,从而实现对多个对象的分割。实验结果表明该方法效果较好。

基于CNN与关键区域特征的人脸表情识别算法

为了克服目前公开的人脸表情数据集的数据量较少,并且有一些类别的表情表达存在一定的相似这两个因素对人脸表情识别率的影响,提出一种基于关键区域特征融合的人脸表情分类算法。算法首先提取人脸图像中表情表达的关键区域,然后分别提取关键区域的特征信息并融合,最终使用融合的特征进行分类。通过实验验证:算法在JAFFE和CK+公开数据集上均取得了较好的识别准确率。

基于特征图融合的小尺寸人脸检测

人脸检测是指从输入图片或视频中找到人脸的精确位置并确定其大小。为了应对尺度多样性特别是小尺寸人脸给人脸检测任务带来的困难,文中提出一种新的基于特征图融合的小尺寸人脸检测方法。首先,合理地选择待检测特征图,使用不同的特征图检测不同大小的人脸。然后,通过将较深的特征图和较浅的特征图进行融合,合理地引入上下文信息,从而提高小尺寸人脸的检测精度。在NVIDIA GTX TATAN X上,使用WIDERFACE数据集对所提方法进行训练和测试,其在WIDERFACE 3个测试子集上的测试结果分别为88.9%(hard),93.5%(medium),94.3%(easy)AP,检测速度为39 fps,其检测精度和检测速度均优于其他优秀的检测方法。