基于稀疏自编码器和高斯混合模型的手写数据集分类

深度学习模型训练需要大量的有标签数据进行训练,现实生活中数据大多没有标签,需要进行人工标注,对于小样本的训练存在过拟合现象,针对此问题,本文提出一种算法:首先采用稀疏编码器对数据进行降维处理,然后利用T-SNE算法继续将数据维度降低到二维空间,最后采用高斯混合模型对数据进行聚类分析。该算法采用无监督斱法,不需要预先对数据进行标签化。该算法对数据过拟合具有一定的泛化能力,在手写数据集的训练集取得0.89205的准确度,在测试集中取得0.896的精度。该算法为小样本的学习提供了新思路。     

基于 Arduino UNO 两轮平衡车的研制

随着电子技术的发展和提高,移动机器人作为新兴技术的体现,在生产和生活中的应用越来越普遍。为 了达到手动无线操控小车运动的目的,本课题组研制出基于 Arduino UNO 两轮平衡车,该系统以 Arduino UNO 为 主控制器,通过红外遥控实现人机通信。遥控器向控制器发送命令,接到命令后,控制器执行相关程序,控制车 辆处于前、后、左、右不同状态,始终保持车辆的平衡。硬件包括红外遥控模块、陀螺仪模块、电源模块、驱动 模块、测速模块、显示模块、Arduino uno 主板模块。软件部分对各个模块进行了编程和相关功能的实现后,再 进行了调试,最后完成了各个小车状态的控制。     

基于模式匹配的银行卡卡号定位与识别算法

针对银行卡数字卡号定位与识别的问题,本文提出一种基于模式匹配的银行卡数字卡号定位与识别算法。通过对银行卡数字图像进行图像灰度化、图像二值化、形态学操作、边缘检测、提取轮廓及区域定位等操作,对银行卡数字进行精准定位,对定位后的银行卡数字区域进行图像分割,将银行卡中分离的每一个数字图像分别与模板图像通过相关系数匹配法进行匹配,最终得到经过识别后对应的银行卡数字。在测试数据集上喷涂型银行卡数字识别正确率为94.4%,激凸印刷型银行卡数字识别正确率为89.5%,在总体样本中银行卡数字识别正确率为91.9%。经过测试可得出该算法能够有效地识别银行卡卡号,具有一定的市场价值。     

基于 STM32 的某装备后座复进系统 密封性能全自动检测仪

针对某装备后座复进系统密封性能的人工检测费时、费力且效率低下等问题,本文设计了一种基于STM32的后座复进系统性能全自动离线检测仪。该仪器采用32位单片机STM32F429IGT6作为主控制器,控制液压泵驱动千斤顶对后座复进系统模拟施加0-100KN之间的压力,同时采用高精度压力传感器FCY-10100和高精度激光测距传感器HG-C1100-P检测复进系统受力过程中的压力与位移实时值,绘制出系统在加载和卸载过程中位移-压力关系图,以此判别复进系统的性能。经过实测,该仪器检测精度高,性能稳定,可准确判别复进系统的密封性能是否合格。