多特征融合的级联回归人脸对齐方法研究

深度神经网络技术在人脸识别方面已经取得了巨大进步,但是大多数方法只是运用人脸深度特征而并没有分析哪些特征是有效的.为了探索针对人脸识别任务的有效结构化特征,提出了基于多种特征级联回归方法的人脸关键点检测模型,将两两关键点对应的人脸局部特征对之间的结构关系、整张人脸图像的全局表观和关键点对应的局部热图这3种人脸特征融合之后用于人脸对齐任务.实验证明,多特征级联回归法与记忆下降法相比,人脸对齐任务错误率下降了30.17%,与最新的一些人脸对齐模型具有一定的可比性.     

基于数据驱动的船舶油耗预测模型研究

以某客滚船为研究对象,将大量航行实际数据进行预处理,通过斯皮尔曼等级相关分析选择出船舶左右桨螺距、左右舷舵角、纵倾、船首风速、船舶对水和对地航速为油耗主要影响参数。建立基于LSTM神经网络的黑箱模型对数据进行学习并预测油耗,额外选取测试样本验证模型精度,优化模型内部结构以进一步提高预测精度。将最终得到的预测数据与实测数据对比,证明模型具有良好的准确性。该研究方法能为船舶运营人员优化运营方案提供参考,能够提高水路交通运输的经济性。     

基于扩展双链式存储结构的最小生成树算法

在图的一种双链式存储结构的基础上提出了一种扩展的双链式存储结构．并用这种存储结构实现了图的最小生成树算法，与其它存储结构相比具有更好的灵活性．     

一种基于机器码存储的改进遗传算法的应用研究

提出了一种基于机器码存储的改进遗传算法，适于优化大型多变量问题。开发的C 基本位操作算子，使此算法仍可沿用传统二进制遗传算法的交叉变异操作。这一算法在内存和时间上占优势，是一种稳健的、全局搜索能力较强的优化算法，并在建立河北省某地区的年降雨神经网络预测模型的实践中得到了验证。     

单桩荷载与沉降关系曲线的神经网络预测方法

本文提出了一个预测单桩荷载-沉降关系曲线的BP神经网络模型。该网络模型包含两级网络，第一级网络以桩长、桩径、桩侧土层的分布情况，桩侧与桩端土层的物理力学指标为输入元，来先预测出单桩的极限承载力及其对应的极限沉降；第二级网络以第一级网络的输入元和输出元作为其输入元，进一步预测各分级荷载下桩的沉降。实际预测精度一般能达到15％以内，且稳定性较好，表明神经网络模型略优于通常的经验公式方法和数值方法。     

曲线水平加速度扣分原因及整治措施

自2004年4月18日铁路提速调图以来，我段津浦北线上下行K733、K745、K781、K791、K795几条曲线在年内几次部轨检车动态检查过程中，都在水平加速度项目上连续出分，经常出现合格公里，降低了检测结果优良率。从几次轨检车检查结果来看，出现这种情况不是偶然的。为了找出原因，进一步提高轨控质量，我们对上述几个地段进行了认真细致的调查研究。     

基于神经网络的我国货运市场分析

采用BP神经网络方法建立了我国货运市场的预测模型，并从宏观经济发展角度出发．系统地探讨了我国货运市场发展变化的内外在因素并提出了相关政策建议。     

模糊神经网络在摆式列车作动系统故障诊断中的应用

针对摆式列车倾摆作动系统故障所具有的模糊性，提出了一种基于模糊神经网络的故障诊断方法，将模糊理论与神经网络融合在一起，实现了对故障的模糊诊断，给出了模糊神经网络的结构，该网络由两部分组成，前一部分为模糊量化部分，后一部分为神经网络部分，根据输入特征量的实际情况，确定了各模糊子集上的隶属度函数，提出了一种阈值向量故障判别方法，使故障判别更具灵活性和合理性，根据相关文献构造了倾摆作动系统的构造判别表，形成故障诊断理论样本。以摆式列车倾摆作作动系统对象，就倾摆作动系统中几种典型的故障模式，有用模糊神经网络方法作了识别，仿真结果表明，该方法是行之有效的，为在摆式列车实车倾摆作系统故障诊断中的应用提供了理论依据。     

利用ObjectARX开发基于AutoCAD的有限元前后处理

介绍了利用ObjectARX开发AutoCAD2000，并将之应用于有限元前后处理的方法及其过程。利用ObjectARX提供的一些函数和AutoCAD平台提供的功能来实现前后处理的简单化。