“蔡伦纪念馆”开始筹建

湖南省文物处已拨款三万元,于1984年5月开始筹建“蔡伦纪念馆”。馆址湖南耒阳蔡侯祠内,由五个部分组成。目前已收集有关文物、资料数十件。该馆计划1985年底     

对我国甘蔗病虫害检疫的几点建议

一、检疫的目的和意义引种就是把国外的或本国不同地区的优良品种(材料)引进本地,通过评比、选择、鉴定,把适应本地区栽培条件的优良品种或具有特殊性状的良种(材料),直接应用于生产或作为育种材料的一种方法。它的优点是简单、易行,时间与经费都可节省。因此,世界各生产甘蔗的国家都非常重视引     

DSP在嵌入式自动指纹识别系统中的应用

本文采用DSP芯片TMS320VC5416为核心器件,结合FPS200指纹传感器和CPLD,组成嵌入式自动指纹识别系统,具有实时性和识别率高等优点。并介绍详细介绍了系统的硬件方案和相应的软件设计方案,最后给出应用结果。     

基于RBF网络自整定PID控制的应用研究

经典PID的控制参数难以精确整定，且依赖于对象的数学模型，故自适应性较差，很难适应具有非线性、时变不确定性的被控对象，控制精度难以保证。该文对纯滞后工业对象提出了一种基于RBF神经网络PID参数自整定的控制方法，采用将RLS算法和梯度法相融合的新型学习算法，并将这种控制方法与PID控制器相结合应用于纯滞后工业对象中，克服了不确定性对控制对象性能的不利影响，解决了传统PID控制鲁棒性差，及需要预先知道受控对象精确数学模型的问题。仿真结果表明了该方法的鲁棒性和跟踪性能均优于传统PID控制方法。     

802.11无线局域网安全与应用研究

分析了WEP加密的原理及其缺陷,并详细讨论了当前802.11无线局域网安全措施与技术.最后提出一种企业级应用方案.     

水性聚氨酯对聚乙烯醇-海藻酸钠水凝胶结构与性能的影响

以聚乙烯醇(PVA),海藻酸钠(SA)和水性聚氨酯(WPU)为原料,采用冷冻解冻法制备含水性聚氨酯的聚乙烯醇-海藻酸钠水凝胶,并探究WPU的用量对聚乙烯醇-海藻酸钠水凝胶结构与性能的影响。通过各种实验方法对WPU的合成进程,凝胶的形成,以及凝胶的微观结构,凝胶的溶胀性能、凝胶分数、愈合性能及力学性能进行观察和表征。结果表明,随着WPU含量的增多,凝胶内部微孔体积增大,且数量增多;当凝胶中WPU含量为25wt%时,凝胶拥有较好的微孔结构并获得1000%的吸水溶胀率;WPU的用量对复合水凝胶的凝胶分数、自愈合性能和力学性能也存在较大的影响。     

基于空间和通道注意力机制的目标跟踪方法

目标跟踪是计算机视觉中重要的研究领域之一,大多跟踪算法不能有效学习适合于跟踪场景的特征限制了跟踪算法性能的提升。该文提出了一种基于空间和通道注意力机制的目标跟踪算法(CNNSCAM)。该方法包括离线训练的表观模型和自适应更新的分类器层。在离线训练时,引入空间和通道注意力机制模块对原始特征进行重新标定,分别获得空间和通道权重,通过将权重归一化后加权到对应的原始特征上,以此挑选关键特征。在线跟踪时,首先训练全连接层和分类器层的网络参数,以及边界框回归。其次根据设定的阈值采集样本,每次迭代都选择分类器得分最高的负样本来微调网络层参数。在OTB2015数据集上的实验结果表明:相比其他主流的跟踪算法,该文所提算法获得了更好的跟踪精度,重叠成功率和误差成功率分别为67.6%,91.2%。     

基于半监督流形学习的人脸识别方法

如何有效地将流形学习(Manifold learning,ML)和半监督学习(Semi-supervised learning,SSL)方法进行结合是近年来模式识别和机器学习领域研究的热点问题.提出一种基于半监督流形学习(Semi-supervised manifold learning,SSML)的人脸识别方法,它在部分有标签信息的人脸数据的情况下,通过利用人脸数据本身的非线性流形结构信息和部分标签信息来调整点与点之间的距离形成距离矩阵,而后基于被调整的距离矩阵进行线性近邻重建来实现维数约简,提取低维鉴别特征用于人脸识别.基于公开的人脸数据库上的实验结果表明,该方法能有效地提高人脸识别的性能.     

面向高光谱影像分类的多特征流形鉴别嵌入

鉴于传统维数约减方法对高光谱遥感影像进行降维时,往往只利用了单一的光谱特征,限制了分类性能的提升。提出一种基于多特征流形鉴别嵌入的维数约减方法,该方法首先提取高光谱数据的LBP(Local Binary Patterns)纹理特征,然后利用样本点的光谱-LBP特征联合距离及类别信息构建类内图和类间图以发现高光谱影像中的鉴别流形结构,在低维嵌入空间中不仅保持来自同一像素的光谱和纹理特征的相似性,而且使同类点尽可能紧致、不同类点远离,实现空-谱联合低维鉴别特征提取,以有效提高地物分类性能。在Indian Pines和黑河高光谱遥感数据集上的实验表明,本文算法的分类精度在不同实验条件下均优于传统的维数约减方法,其分类精度可达95.05%和96.20%,在较少训练样本条件下优势更为明显,有利于实际应用。     

基于有监督的核局部线性嵌入的面部表情识别

流形学习方法可以有效的发现存在于高维图像空间的低维子流形并进行维数约简,近年来越来越受到生物特征识别和认知科学领域的研究者的重视。但是流形学习是一种非监督学习方法,其鉴别能力反而不如传统的维数约简方法,而且流形学习方法大多没有明晰的投影矩阵,很难直接对新样本进行维数约简。针对这两个问题,本文提出一种新的有监督的核局部线性嵌入算法(supervised kernel local linear embedding,SKLLE),并将算法应用于面部表情识别。该算法通过非线性核映射将人脸图像样本投影到高维核空间,然后将人脸图像局部流形的结构信息和样本的类别信息进行有效的结合进行维数约简,提取低维鉴别流形特征用于表情分类。SKLLE算法不仅能发现嵌入于高维人脸图像空间的低维表情子流形,而且增强了局部类间的联系,同时对新样本有较好的泛化性,实验结果表明该算法能有效的提高面部表情识别的性能。