基于特征分块的快速三维人脸重建

针对传统三维人脸重建算法精度低且难以满足实际应用的缺陷,提出一种基于特征分块的快速三维人脸重建算法。该算法首先利用基于平面模板的重采样法实现三维数据规范化;其次,根据人脸特征对人脸分块,根据主动形状模型算法进行面部特征定位。然后,利用基于形变模型算法与径向基函数插值相结合,实现人脸三维重建,并将该算法应用到人脸识别中。实现表明,此算法可快速实现特定正面二维人脸的三维重建,并具有较高重建精度和识别率。     

一方水土养育一方人

正地理特征促成独特的心理素质,对人的性格有很大影响。我们都知道"海洋文化"、"黄土文化"这两个名词。山西远离海洋,临近黄河,山西人受"黄土文化"和中国传统思想影响很大,因此具有憨厚朴实、相对守旧的性格特点。广东则是海洋文化的代表地区。海洋文化是开放的文化。这样就形成了广东人容易包容和接受外采文化和新鲜事物的心理特征。山东的地理位置比较特殊,受"海洋文     

一种基于数据隐藏和可撤销模板的生物特征信息保护方案

为了抵抗传统生物认证方案中易受的攻击,确保用户信息安全,通过结合用户密码实现双因子生物认证的方法,提出了一种基于数据隐藏和可撤销模板的生物特征信息保护方案,并通过MD5哈希算法和AES-256加密算法,确保了生物信息的完整性。实验证明,本方案有效隐藏了生物特征信息,相比其他方案具有更高的安全性和效率。     

基于DMFT的空间目标微动特征提取

空间目标的高速轨道运动,会导致微动曲线的展宽和走动,将对后续的微动特征提取产生不利影响。针对这一问题,提出了一种基于离散匹配傅里叶变换(DMFT)的空间目标微动特征提取方法。首先分析了高速空间目标的信号回波模型;其次,根据回波信号的特点提出了一种基于DMFT的补偿参数估计的方法;最后,采用Hough变换提取了目标的微动特征。仿真实验验证了该方法的有效性和鲁棒性,结果表明微动特征的提取精度得到了明显提高。     

双脉冲发动机隔板优化方案研究

在双脉冲发动机地面试车过程中,隔板结构引起了Ⅰ脉冲燃烧室壁面烧穿的问题。利用Fluent流场分析软件,分析了金属膜片式隔板对双脉冲发动机流场特征的影响;通过对计算结果的分析,对比2种隔板结构的优劣,为隔板优化提供参考。     

基于SDP松弛的干扰资源优化分配技术研究

提出一种基于semidefinite programming(简称SDP)松弛的干扰资源优化分配算法。在问题优化过程中首先对模型中非凸的约束条件进行松弛,变为凸约束,将原来的数学模型转化成SDP求解形式,利用内点算法对松弛后的模型求解。该算法利用解析的手段使得干扰资源优化分配问题中的NP难问题在多项式时间内得以解决,并且有较高的可靠性。仿真结果验证了算法的有效性。     

基于目标运动特征和TOPSIS决策的多目标选择方法

针对现代水面舰艇所布放的箔条、角反射器(体)等无源干扰设施严重影响导弹导引头选择真正舰船目标的现象,提出了一种基于目标运动特征属性信息和改进的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)的多目标选择方法。通过将多目标选择问题等效成多属性决策问题,借助目标的运动特征,改进了理想解和负理想解的确定方法,最终得到决策模型。仿真试验表明:该方法简单有效,适合于工程应用。     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。     

威胁环境生存突防优化策略分析

讨论了影响飞机作战生存性的主要因素,建立了生存概率模型。根据生存概率模型确立了威胁环境生存突防优化策略。最后,为了简化计算推导了实用危险性模型     

基于最优化模型的太阳影子定位方法

针对利用太阳影子实现目标的定位问题,分析得到影响影子长度的参数,确立了影长与太阳高度角、目标物长度、经纬度等的函数关系,并结合最小二乘法思想,建立了以理论影长与实际影长之差的平方和最小为目标的优化模型。以直杆为例,运用粒子群优化算法快速求解得到目标的可能位置,并与实际地点进行了比较。