摘要：如何解决运动中肉牛关键部位自动识别,是实现肉牛异常行为早期发现的关键。该文通过Kinect采集肉牛图像的2种模态(Depth和RGB):基于RGB模态提出随机最近邻像素比较法,实现肉牛动作样本的自动抓取;基于Depth模态提出深度均值法,实现彩色图像背景过滤并保留肉牛形体信息,生成DRGB图像样本;基于Fast R-CNN设计识别器,参考Alex Net设计了8种分类网络并比较网络分类精度,选择最优网络作为识别器的基础网络;输入DRGB样本对网络的识别部分二次训练,最终得到符合精度要求的识别器。试验证明,RNNPC的有效数据率为94%;Selective Search算法在DRGB上产生的候选区域数量减少90%;识别网络的平均分类精度可以达到75.88%,处理图像速率为4.32帧/s,效果优于原Fast RCNN,基本可以实现运动中肉牛形体部位识别。

摘要：有效定位在线社交网络上的信息传播源点,对于谣言检测、传播控制等应用具有重要的意义.在线社交网络规模巨大,消息往往在多处同时发起传播,这使得现有的传播源点定位方法很难适用.本文针对多源点传播定位问题,首先分析了具有明显社团结构的社交网络中的信息传播规律,发现社团结构是分离多个源点影响范围的有效途径.在此基础上设计了一种基于子图抽取的源点定位方法,算法基于社团特征抽取网络的局部子图,使得每个子图中的观察点首先受到同一个源点的影响,然后分别在各子图中独立定位传播源点,从而将网络中的多源定位问题转换为子图中的单源定位问题.算法无需预先获取网络的全部拓扑结构,而是基于局部子图进行定位,在极大地降低了计算复杂度的同时,隔离多个源点间的相互影响,提高了定位的准确率.在模型网络和实际网络上的实验结果表明,算法具有较高的定位准确率及效率.该方法为谣言定位、传染病控制等应用提供了一种有效的解决方案.