结合行人检测与单应性变换的安全社交距离估计

为解决未标定摄像头监控视频中行人安全社交距离的估计问题,提出将行人检测、单应性与尺度估计相结合的方法,对单目相机中行人是否处于安全社交距离进行二分类。首先基于YOLOv5s框架,采用MSCOCO数据集中只含有行人的数据训练得到鲁棒性较好的行人检测器;然后根据相机成像模型假设,推导出从场景地面到图像平面的单应性矩阵,再通过人类平均身高和图像行人检测框高度估计从场景地面到图像中行人局部区域的尺度信息,从而在图像上投影出行人椭圆形安全区域;最后通过计算图像中行人安全区域的重叠情况判断其是否违反安全社交距离。实验结果表明,当IoU=0.5时,该方法在MSCOCO只含行人数据的验证集上的行人检测准确率、召回率和AP分别达到81.39%、82.39%和76.52%;在OTC数据集上行人安全社交距离二分类的准确率、召回率和F1值分别达到98.99%、89.12%和93.79%。所提方法在一般监控场景下对行人安全社交距离违反情况的检测性能较佳。     

基于注意力机制的深度协同推荐模型

针对传统矩阵分解算法无法挖掘深层隐含信息,以及未能充分利用用户和项目评论的问题,提出基于注意力机制的深度协同推荐模型。首先采用注意力机制对评论文本赋权,使用并行的卷积神经网络分别提取用户评论和项目评论特征,同时将评分矩阵输入多层感知机,得到用户隐表示和项目隐表示;然后对两个网络提取的用户特征和项目特征进行融合;最后使用因子分解机和深度神经网络分别提取线性和非线性特征,以进行评分预测。在Amazon的3组公共数据集上进行实验,发现该模型的RMSE达到0.83。与5组对照模型相比,新建模型的RMSE分别降低了14.0%、11.2%、9.8%、7.7%、3.9%,表明该模型能有效提升推荐效果。     

基于TRMF-LSTM组合模型的多维时间序列预测

近年来,长短时记忆网络（LSTM）在处理时间序列的非线性部分有着巨大优势,但单一预测模型无法同时兼顾数据的线性与非线性特性。针对此问题,引入时序矩阵分解技术TRMF处理多元时间序列的线性主体部分,计算得到训练数据的残差后,输入LSTM模型进行非线性拟合,再将测试数据代入到训练好的TRMF-LSTM模型,将模型预测的线性主体与残差相加,得到组合预测值。选取沪深300、上证指数两支股指以及三一重工、中国人寿、农业银行、牧原股份、美的集团、隆基股份6支个股共8支股票的股价时间序列进行预测,以LSTM、Transformer、SVR作为对比模型,并选取MAPE与RMSE两项评价指标。实验结果表明,相较于对比模型,MAPE和RMSE的最小值均落在TRMF-LSTM组合预测模型中,充分验证了模型的有效性。     

约束线性回归模型回归系数的广义条件岭估计

对齐次等式约束线性回归模型回归系数的岭估计进行推广,得出广义条件岭估计．证明了在一定的条件下,在均方误差矩阵、均方误差及广义均方误差意义下广义条件岭估计都优于约束最小二乘估计,并且证明了广义条件岭估计是回归系数的可容许估计．     

N阶矩阵方幂的求解方法

求矩阵的方幂是矩阵理论中一项很重要的内容,在工程技术和很多应用矩阵的学科中有着很广泛的应用.通常是将求一般矩阵的方幂转化为求对角矩阵的方幂.然而转化为求对角矩阵的方幂比较困难.本文通过实例给出了一般矩阵的方幂的几种常用求法.     

基于电压闭环控制的矩阵变换器仿真研究

针对矩阵变换器开环控制碰到扰动输出电压波形不能自动调节的问题,采取电压闭环的控制方式,通过坐标系变换将输出电压采样变换得到空间矢量,与目标电压矢量进行比较得到偏差量,以此来进行反馈控制,并运用MATLAB软件进行器件建模及控制策略、电压闭环控制方法的仿真。通过对两种典型干扰仿真研究,表明电压闭环控制方法对于输入干扰抑制的有效性。     

基于开关型非局部均值滤波的指静脉图像去噪

为了解决带有皮裂纹特征的指静脉图像中干扰区域影响静脉特征提取的难题,提出一种基于开关型非局部均值滤波的指静脉图像去噪算法。该算法首先生成静脉图像像素点的Hessian矩阵,然后通过Frangi滤波对起皮干裂区域进行精准检测,最后对受干扰区域进行非局部均值滤波去噪。理论分析与实验结果表明,该算法与现有经典静脉去噪算法相比,充分利用了图像上其它区域的冗余信息,在实现去噪的同时,更好地保留了非受干扰图像区域的静脉细节部分,一定程度上克服了经典去噪算法对整个图像的过平滑问题。在认假率为0时,拒真率相比原结果降低了5.63%。     

一种解释结构模型的优化算法研究

解释结构模型被广泛应用于医疗、教育等领域,但相关理论发展较为缓慢。为加快解释结构模型的计算速度,丰富解释结构模型相关理论,通过对系统各要素所对应有向图的本质关系进行分析,对该模型中的级间划分方法作更深一步解析并给出优化算法,发现有向图中若不存在回路,则有向图汇点对应的是最高级要素集合中的要素,因此汇点可以从缩减可达矩阵中直接找出,从而能对复杂系统要素更快地进行分层。对应的优化算法相比传统方法减少了一倍左右的计算量,并通过实证分析进行验证。该研究结果为解释结构模型方法优化提供了一种新诠释。     

Orthogonal nonnegative matrix tri-factorization for co-clustering: Multiplicative updates on Stiefel manifolds

Matrix factorization-based methods become popular in dyadic data analysis, where a fundamental problem, for example, is to perform document clustering or co-clustering words and documents given a term-document matrix. Nonnegative matrix tri-factorization (NMTF) emerges as a promising tool for co-clustering, seeking a 3-factor decomposition X≈USV^?$\mathit{X}\approx {\mathit{USV}}^{?}$ with all factor matrices restricted to be nonnegative, i.e., U?0,S?0,V?0.$\mathit{U}?0\text{,}\mathit{S}?0\text{,}\mathit{V}?0\text{.}$ In this paper we develop multiplicative updates for orthogonal NMTF where X≈USV^?$\mathit{X}\approx {\mathit{USV}}^{?}$ is pursued with orthogonality constraints, U^?U=I,${\mathit{U}}^{?}\mathit{U}=\mathit{I}\text{,}$ and V^?V=I${\mathit{V}}^{?}\mathit{V}=\mathit{I}$, exploiting true gradients on Stiefel manifolds. Experiments on various document data sets demonstrate that our method works well for document clustering and is useful in revealing polysemous words via co-clustering words and documents.     

金刚石/铜复合材料传热数值模拟

本文采用有限元方法对金刚石/铜复合材料的传热性进行数值模拟,建立多颗粒二维随机分布复合材料测试模型,研究金刚石颗粒体积分数、颗粒半径、颗粒形貌、粒径比及界面因素对金刚石/铜复合材料传热性能的影响规律及机制。结果表明:金刚石/铜复合材料的热导率随着金刚石体积分数的增大而升高;热导率随着粒径的增大而呈现先升高后降低的规律;方形金刚石颗粒的复合材料热导率高于球形颗粒的复合材料;在金刚石体积分数一定时,适量配比细颗粒可提高材料热导率;对金刚石表面镀覆层新物质(W、Cr、Ti)来等效金刚石和铜二者物理结合时的界面热阻。