引入全局约束的精简人脸关键点检测网络

人脸关键点检测是计算机视觉中的典型问题之一，对于人脸三维重建、表情识别、头部姿态估计、人脸跟踪等有重要影响。目前基于深度神经网络的模型在人脸关键点检测性能表现最为突出，已被广泛采用。但是现有关键点检测深度神经网络结构设计越来越复杂，对于训练和测试需要的计算和存储资源要求越来越高。本文提出一种新的精简的关键点检测网络结构以代替现有的网络结构。相对其他网络结构，精简网络只包含一个特征提取模块，以及由几层反卷积层组成的上采样模块。此外我们在网络结构中加入对人脸所有关键点的全局约束，以减少预测离群点的产生。实验表明引入全局约束的精简网络结构在300-W数据集上取得的检测性能超出了目前典型深度神经网络检测模型。      

基于遥控信号频谱特征的无人机识别算法

近年来,无人机"黑飞"事件与非法入侵的案例开始激增,现有的识别技术往往难以实时、准确地检测到非法无人机,为此提出了一种基于遥控信号频谱特征的无人机识别算法。该算法通过背景频谱模板学习(利用二次平均的方法求信号检测阈值,并屏蔽宽带信号对无人机遥控信号检测的干扰)、无人机跳频与定频遥控信号检测、机型判断及其特征参数学习三大模块来识别非法入侵的无人机。实验结果表明,该算法可以实现对常见无人机实时准确地识别,且鲁棒性较强。     

数据分析类课程的技能培养方法探讨

针对高校培养的数据分析人才不能满足工业界需求的现状,分析高校人才培养的问题,阐述数据分析技能的基本要求,结合"行动中学习",提出在实践中培养数据分析技能的培养方式,最后讨论在数据分析技能培养过程中需要注意的潜在问题,并给出相应的解决方法。     

基于热扩散影响力传播的社交网络个性化推荐算法

有针对性地为用户提供推荐,提高互联网信息利用率是个性化推荐系统的主要目标.文中基于热扩散传播概率模型,结合用户在社交网络中隐含的跟随关系,提出基于热扩散影响力传播的社交网络个性化推荐算法.首先,算法将现实生活中人与人的朋友关系转化为购物网络中用户与用户的跟随关系,构建异构信息网络图,计算用户之间的复合相似度.然后,利用基于热扩散概率模型模拟社会网络中影响力的传播过程,计算社交网络中用户的跟随概率分数并精确排序,筛选与目标用户相似的邻近用户.最后,根据目标邻近用户对各个产品的评分,将评分较高、具有潜在兴趣的产品推荐给目标用户,实现个性化的用户推荐.在公开数据集上与现有的个性化推荐算法进行对比,实验表明,文中算法具有较好的精确度和多样化的推荐效果.