机电一体化技术的成长和未来的发展趋势

机电一体化是现代科学技术发展的必然结果,对各领域技术的发展起到了极大的推动作用。简述了机电一体化技术的基本摘要,现状,特点以及未来的发展前景。     

Latent Supportive Utility of Irrelevant Attributes in Feature Selection

This paper proposed a novel feature selection method LUIFS (latent utility of irrelevant feature selection) that not only selects the relevant features, but also targets at discovering the latent useful irrelevant attributes by measuring their supportive importance to other attributes. The method minimizes the information lost and simultaneously maximizes the final classification accuracy. The classification error rates of the LUIFS method on 16 real-life datasets from UCI machine learning repository were evaluated using the ID3, Nave-Bayes, and IB (instance-based classifier) learning algorithms, respectively; and compared with those of the same algorithms with no feature selection (NoFS), feature subset selection (FSS), and correlation-based feature selection (CFS). The empirical results demonstrate that the LUIFS can improve the performance of learning algorithms by taking the latent relevance for irrelevant attributes into consideration, and hence including those potentially important attributes into the optimal feature subset for classification.     

一种多阶段处理的红外小目标检测方法

提出了一种二阶段红外图像序列小目标检测方法.该方法由2个相序的处理阶段组成,即目标的预侦测阶段和目标的确认阶段.在处理的第一阶段,通过快速扫描输入图像,根据视觉特征的显著性抽取潜在的目标集合.这些潜在的目标在第二个处理阶段通过双均值滤波方法被进一步地识别,判断出真目标,剔除假目标.统计分析在理论上证实了这种算法结构的高效和合理性.实验结果表明该方法在运算速度上有显著的优势.     

基于蚁群聚类的路面识别分析方法

道路是城市的重要基础设施．路面状况的鉴定与评价直接关系到公路的养护决策,是一项至关重要的工作．本研究将蚁群聚类算法应用于路面识别领域,提出一种基于蚁群聚类优化的路面识别分析方法,将此方法运用于路面识别系统．该系统由数据采集、数据预处理和蚁群聚类优化3个模块组成,其中蚁群聚类主要提取了纵轴方向的3个特征属性,通过不断更新聚类中心产生的信息素矩阵,并通过分类器进行路面分类．实验结果表明：蚁群聚类优化具有全局收敛以及启发式学习等优点,运算效率高,路面识别准确率达到95.3％,验证了此方法的有效性．     

基于图像显著性特征的交通标志注视点预测方法

基于图像显著性特征对交通标志的驾驶员注视点进行了预测。以L t ti的视觉注意模型为基础,通过高斯金字塔的生成、多通道图像特征的提取及特征图的生成以及显著性图的生成等步骤,建立了针对交通标志的注视点预测模型。以眼动仪为手段,对模型进行了验证。以相似度和线性距离两项指标对模型精度作了评价,实验结果显示,该模型对复杂交通标志的注视点预测具有良好的精度。     

城市隧道出入口视觉适应性研究

车辆由城市道路进入城市隧道时,驾驶员的视觉环境变化较为剧烈,行车环境的突变是城市隧道成为事故多发路段的重要原因之一。采用行车实验与理论分析相结合的方法,研究了城市隧道出入口驾驶员的生理特性,分析了隧道出入口亮度变化、视觉适应性对隧道入口障碍物视认距离的影响。研究结果表明：城市隧道进口一般路段瞳孔直径稳定在1.8mm左右,暗适应区间瞳孔直径从约1.9mm变化到约4.7mm,到完全适应时稳定在4.5mm左右,直至出口位置。     

基于金字塔特征融合的二阶段三维点云车辆检测

针对三维点云鸟瞰图特征提取不充分导致车辆目标检测性能欠佳问题,本文提出一种基于金字塔特征融合的二阶段三维点云车辆目标检测算法。首先通过降维处理并利用体素占用编码原始三维点云,得到二维特征图输入;然后,利用上采样网络传递高层语义特征,下采样网络传递低层位置特征,构建一阶段金字塔网络结构提取车辆目标特征;最后,通过候选区域提取层得 到不同尺度的候选区域,利用兴趣区域池化层对齐各候选区域尺度,并采用全连接层融合多尺度特征,提取不同感受野下车辆目标特征;此外,在损失函数方面,补充正余弦角度损失并加权到总损失函数中,优化车辆目标航向角预测。基于KITTI公开数据集的实验分析表明,本文算法相较基准网络能够有效补充三维点云鸟瞰图特征提取,在不同难度的检测任务中平均检测精度提高 了5.07%~8.59%。     

Aesthetic visual style assessment on Dunhuang murals

Dunhuang murals are gems of Chinese traditional art. This paper demonstrates a simple, yet powerful method to automatically identify the aesthetic visual style that lies in Dunhuang murals. Based on the art knowledge on Dunhuang murals, the method explicitly predicts some of possible image attributes that a human might use to understand the aesthetic visual style of a mural. These cues fall into three broad types: ① composition attributes related to mural layout or configuration; ② color attributes related to color types depicted; ③ brightness attributes related to bright conditions. We show that a classifier trained on these attributes can provide an efficient way to predict the aesthetic visual style of Dunhuang murals.     

驾驶员隧道段夜间行车动视点特征模糊聚类评价

通过隧道路段行车试验,利用SmartEyeAB型眼动仪对驾驶员夜间隧道动视点数据进行采集并进行处理。选取视点停留比率、显著可见区域、扫视幅度、扫视峰值速度、扫视持续时间5项指标作为驾驶员动视点特征主要影响因素。利用模糊聚类分析中的传递闭包聚类方法对驾驶员夜间隧道路段行车视觉特点进行了分析与评价。通过驾驶员对路段的熟悉程度可将动视点特征分为6类。结果表明：该模糊聚类评价方法能够有效反映驾驶员夜间路段视觉信息获取与加工特征,可为保障夜间行车安全提供理论与实践依据。     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机（SVM）参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.