静态图像中的人体行为分类研究

静态图像中人体行为分类的一般方法是先手动标定出行为对象,再单独对行为对象进行特征提取和分析,不仅费时费力还丢失了场景信息。针对此问题提出了结合场景特征与行为对象特征的图像表示方法,充分利用图像的所有信息。此外为了减小量化误差,在特征编码阶段,采用局部约束线性编码(Locality-constrained Linear Coding,LLC)算法,并将其应用在空间金字塔模型的向量量化中。该算法与传统的矢量量化算法和稀疏编码算法相比,能够降低量化误差。最后在Stanford 40 Action数据集上对文中方法进行实验和验证,结果表明,结合场景特征与行为对象特征并使用LLC编码算法能够获得更好的分类效果。     

背包,给生活一个主题

“一艳一世界，一沙一天堂。”当一个个看似平凡无奇的背包印落于你的视线时．你可曾想到，一个背包诠释着一份生活．一个背包彰显着一种态度？     

轴瓦类零件的CAPP系统开发

本文介绍了一套适用于轴瓦行业的CAPP系统。叙述了基于工序代码优先数和工艺决策自动生成轴瓦类零件的加工工艺以及基于GT代码和工序图特征图形要素库自动生成轴瓦零件加工工序图的方法。     

用PLC改造C7620电气控制系统

C7620型卡盘多刀半自动车床底老式通用机床，半自动进给运动是由继电器控制系统实现的。存在的弊端如下：1．电气控制线路中电器元件之间外部连线过多，故障率较高，查找起来十分不便。2．机床刀架的动作是通过插孔板预选实现的，而插销与插孔间经一段时间使用后，常出现接触不良的现象，因而导致刀架不动作或误动作。为使机床的复杂动作得以实现又使机床的控制系统简化，我们决定用小型可编程序控制器对c7620型半自动车床的电气控制系统进行改造。在选择PLC规格时，先对机床的原有输入信号、负载情况以及原电气控制线路进行综合分析，得…     

基于改进型稀疏自动编码器的图像识别

传统的稀疏自动编码器不具备平移不变性,同时对非高斯噪声较为敏感。为增加网络平移不变的特性,借鉴卷积神经网络的相关理论,通过对原始的像素块进行卷积运算以达到上述目的;而为了提高对非高斯噪声的鲁棒性,自动编码器的代价函数由均方误差改为了最大相关熵准则。通过在MNIST和CIFAR-10数据集上进行试验,结果证明,改进后的方法较传统的自动编码器具有更好地识别效果,识别率提高了2%～6%。     

电流二次回路两点接地引起继电保护误动分析与防范措施

继电保护装置正确动作的基础就是电流、电压二次回路的正确性,在电流、电压二次回路正确的基础上继电保护装置才能够对被保护元件的正常与否进行正确的区别。本文主要阐述了电流二次回路两点接地引起继电保护误动分析与防范措施。     

特征选择算法研究综述

特征选择是当前信息领域,尤其是模式识别领域的研究热点.本文从不同角度对特征选择算法进行分类,概述特征选择技术发展的各个分支及发展态势,指出理论研究和实际应用中所存在的一些困难和亟待解决的问题.然后从算法实用性角度出发,结合机器学习的观点,探讨应用支持向量机技术进行特征选择的研究发展思路.     

一种双摄像头无线胶囊内窥镜系统设计

为了降低无线胶囊内窥镜在食管和大肠检测中图像信息的漏检率,该文提出了一种双摄像头胶囊内窥镜系统,并给出了系统结构和工作流程.同时提出了基于休眠-唤醒模式检测的低功耗技术,在基于高斯分布模型的概率检测方法下,平均检测次数为14.35次,平均漏检时间为6.53 ain,降低了系统的功耗.同时,文中提出了一种高压缩比,低复杂度的胶囊内窥镜图像压缩技术,经过实验,图像压缩率可达88％(峰值信噪比PSNR可达39dB).最后给出了硬件系统的实现,并进行了仿真,仿真结果表明该系统在休眠模式下功耗为33μW,在4fps连续采样时的功耗为21 mW,在40 fps连续采样时的功耗为163 mW.     

基于结合参数整定和特征选择策略的模糊支持向量机的故障诊断

This study describes a classification methodology based on support vector machines （SVMs）, which offer superior classification performance for fault diagnosis in chemical process engineering. The method incorporates an efficient parameter tuning procedure （based on minimization of radius/margin bound for SVM＇s leave-one-out errors） into a multi-class classification strategy using a fuzzy decision factor, which is named fuzzy support vector machine （FSVM）. The datasets generated from the Tennessee Eastman process （TEP） simulator were used to evaluate the classification performance. To decrease the negative influence of the auto-correlated and irrelevant variables, a key variable identification procedure using recursive feature elimination, based on the SVM is implemented, with time lags incorporated, before every classifier is trained, and the number of relatively important variables to every classifier is basically determined by 10-fold cross-validation. Performance comparisons are implemented among several kinds of multi-class decision machines, by which the effectiveness of the proposed approach is proved.