“智能科学与技术”专业课程体系建设的思考

本文阐述了"智能科学与技术"学科建设的重要性。通过分析传统学科课程体系建设的情况,结合"智能科学与技术"专业的特点,针对该专业的课程体系建设问题,提出了几点探索性的建设思路和构建方案。     

LiCoO2过充性能的研究

为了使锂离子蓄电池大型化之后依然保持良好的过充性能,研究了正极材料LiCoO2的不同物理性质对过充性能的影响。结果表明,以5C电流对电池进行充电,充至10V的过程中,造成电池发生爆炸的过充电量只与正极材料的质量大小有关而与负极材料的质量大小无关;LiOH为锂源、合成产物平均粒径为10～11mm、pH≤7的正极材料LiCoO2,其过充性能优良。由此可知,生产LiCoO2材料时,通过控制正极材料LiCoO2的平均粒径和pH值可以改善锂离子蓄电池的过充性能。     

基于人工心理理论的情感模型构建方法研究

人类的智能不仅表现为正常的理性思维和逻辑推理能力,也应表现为正常的情感能力。本文在阐述情感交互系统结构和情感特性的基础上,提出了一种基于HMM的情感模型,并采用情绪熵与情感熵的概念约束模型的初始值,从而使该模型适应不同的性格特征。     

基于高斯滤波和AKAZE-LATCH的图像匹配算法

针对图像匹配中AKAZE(Accelerated-KAZE)算法匹配精度较低以及计算复杂等问题,提出了一种基于高斯滤波和AKAZE-LATCH(AKAZE-Learned Arrangements of Three Patch Codes)算法相融合的图像匹配算法。首先,对输入图像进行高斯滤波预处理,去除高斯噪声等连续性噪声,并且保留图像的边缘信息。然后通过LATCH算法为AKAZE算法构建高效的二进制描述子,再通过KNN(K Nearest Neighbors)算法得到对应的匹配对。最后结合USAC(Universal RANSAC)去除误匹配对方法进行再次筛选,得到最终的匹配结果。经实验对比,所设计的算法相较于AKAZE算法匹配精度更高,且具有良好的鲁棒性和可靠性,可用于多数复杂场景下的图像匹配。     

基于小波包融合微分熵的运动想象脑电信号处理

针对脑电信号特征提取导致有效信息丢失的问题,提出了一种基于小波包融合微分熵提取脑电信号特征的方法,可以充分提取脑电信号的有效信息。首先对脑电信号进行小波包分解,选取与运动想象相关的频率进行重构,得到脑电信号的时频信息;考虑到脑电信号的非线性特征,提取脑电信号微分熵特征。实验在脑电大赛数据集上进行验证,在不同分类器上分类准确率分别达到了88%和91%,结果表明小波包融合微分熵的脑电信号处理方法准确率明显提高。     

基于CNN-LSTM混合模型的动态手势识别方法

动态手势识别是手势交互的关键技术,针对动态手势数据的时序性和空间不确定性造成识别困难问题,提出一种基于卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的动态手势序列识别方法.实验采用数据手套采集动态手势数据,对定义的8种动态手势进行测试,平均识别率达到了92.5％.实验表明,与单纯使用LSTM模型或CNN模型对比,所提模型识别率较高,在虚拟现实界面交互任务中用户体验更好.     

基于CARLA-PSO组合模型的智能控制器参数学习优化

对连续动作强化学习自动机（CARLA）进行了改进,应用改进后的CARLA结合粒子群优化算法（PSO）优化PID参数。以CARLA为基础,建立了CARLA和PSO的组合优化学习模型CARLA-PSO,该模型包含CARLA学习环路和PSO学习环路两个部分,通过优化策略选择器进行学习环路的选择,通过与环境进行相互作用,获得最优控制。本文对连铸结晶器液位控制进行了仿真实验,实验结果表明,CARLA-PSO在进行PID参数优化时寻优效率高,全局搜索能力强,能够达到理想的控制效果。具有较好的应用前景。     

基于HMM的人工心理建模方法研究*

提出一种基于HMM的人工情感模型。该模型将人类的情感过程视为两层随机过程,通过调整模型的初始参数,能够构建具有不同性格特征的心理模型;同时它作为情感引擎,能以概率的形式预测情感过程的最终结果。系统运行结果表明由该模型产生的情感反应真实、自然。     

“数字图像处理”课程教学改革与实践

"数字图像处理"课程具有内容宽泛、难度大、与其他课程和实际联系紧密等特点。从教学内容、教学手段和方法等方面出发,提出教改措施,结合课程特点和实际教学经验,对教学内容整合完善,传统与现代教学手段并用,多种教学方法协同互补,如启发性教学、研究性教学和讨论性教学等,经过教学实践取得了很好的教学效果。