基于pLSA模型的人体动作识别

提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP,space-time interest point)来描述人体运动,然后提出使用慢特征分析(SFA, slow feature analysis)算法计算兴趣点梯度信息不变量最优解,最后使用概率潜在语义分析 (pLSA, probabilistic Latent Semantic Analysis) 模型识别人体动作。SFA计算的梯度不变量最优解可以表示时空兴趣点固有特征,能够无歧义反映时空兴趣点在空间及时间方向上的信息。同时,针对pLSA隐性主题正确性无法保证的缺点,算法将主题与动作标签“一对一”相关,通过监督方式得到主题,保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试,动作识别结果正确率分别在91.50%和97%以上。     

基于核主成分分析的铁谱磨粒特征提取方法研究

针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成份分析方法进行对比分析,结果表明该方法在进行样本非线性特征参数指标综合以及特征维数压缩方面具有可行性和有效性。     

基于细分小波的图像压缩算法研究

层次细节模型LOD(Level of detail)和感兴趣区域模型ROI(Region of Interesting)是静止图像压缩及网络传输技术中两个重要模型.通过将灰度图像网格化,并在图像网格上进行B样条细分小波变换,实现了图像的LOD压缩算法.并通过Gouraud明暗处理技术将网格还原成压缩过的灰度图像;同时,该算法还可方便地通过ROI区域选择,使ROI区域比背景区域获得更好的图像质量.     

无监督特征学习的人体活动识别

针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失,而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性,运用一个公开的活动识别数据集,使用三种常用无监督模型进行特征提取,并使用支持向量机进行活动识别。实验结果表明,特征提取方法取得了良好的效果,与其他方法相比具有一定的优势。     

多视图三角化中特征点噪声尺度的自适应估算

鲁棒性多视图三角化方法通常借助重投影误差经验阈值来剔除图像对应中的错误匹配,该经验阈值的选取直接影响三维重构场景点的数量和精度。在分析图像特征点定位噪声及对极传递几何原理的基础上,建立对极传递过程不确定性的传递模型,提出一种基于核密度估计的最优噪声尺度估算方法,并将该噪声尺度作为多视图三角化中错误匹配筛选的依据。实验结果表明,该方法可以获得准确的噪声尺度估计,从而有效提升多视图三角化方法的三维重构质量。     

延安新区压实Q_2黄土增减湿高压压缩变形特性

为研究压实Q2黄土在高压力条件下的增减湿高压压缩变形特性,采用DGD系列型高压固结仪分别对不同初始压实度和不同初始含水率条件下的压实Q2黄土试样进行高压压缩试验,分析压实Q2黄土压缩变形特性随初始压实度和初始含水率的变化规律;运用不同方法对压缩试验成果进行整理,分析侧限条件下压实Q2黄土应力应变关系特点。结果表明:压实Q2黄土的压缩变形特性受初始压实度和初始含水率的影响较大,在最大压实度和最优含水率处的压缩变形量最小;初始压实度不同,拟合压实Q2黄土应力应变关系曲线的函数也不同,在较低初始压实度条件下,用双曲线拟合效果较好,此时割线模量与应力呈线性关系,在较高初始压实度条件下,用幂函数拟合效果更好。     

废旧轮胎压缩试验与数值模拟

为更好地将废旧轮胎应用于落石灾害防护领域,对不同型号的废旧轮胎进行了单向重复压缩试验,并对单个轮胎分别进行了2个相互垂直方向上的重复压缩试验,利用LS-DYNA软件模拟了废旧轮胎的压缩试验过程。结果表明:废旧轮胎具有明显的弹性特征和被重复利用的性质,能够重复承受较大变形且割线刚度降低较小;一个方向上被压缩过的废旧轮胎沿圆周方向旋转90°后再进行压缩,其割线刚度几乎能够恢复到初始状态;废旧轮胎的有限元简化模型较为合理,在落石灾害防护领域有着广阔的应用前景。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

基于直线基元角方向对几何关系直方图的目标识别方法

针对以往"角方向对几何"同类技术[6～8]提出了新的基于直线基元的几何不变特征关系,并使用该关系针对目标线集建立特征关系多维直方图,作为目标的几何不变特征,通过多维直方图匹配进行目标识别。实验证明该模式关系对于较规则的形体,其检测精度优于以往方法,可用于基于内容与结构的图像分析与目标识别系统中。     

基于KP CA的作战仿真实验数据特征提取方法

针对作战仿真分析过程中各作战要素的复杂性与非线性,研究了一种基于KPCA的作战仿真实验数据特征提取方法。该方法描述了KPCA特征提取的原理和算法,并将其应用于作战仿真实验数据的空间降维,根据累积贡献率确定新特征的数量。仿真结果表明,该方法与PCA相比具有主成份特征明显、贡献率集中等优点,能够有效综合原始数据的非线性特征,降低原始数据的维数。