摘要：传统模式识别方法在物体、人脸、指纹、军事目标识别等领域中只利用单一的图像信息。当研究对象的图像特征高度相似时,识别率较低,如对于真假目标的识别,仅仅利用物体的图像信息很难得到满意的识别结果。针对上述问题,提出了一种综合利用图像和光谱信息的物体真假模式识别方法。该方法采用卷积神经网络模型,通过迁移学习的方式构建图像识别模型,并依据物体图像的语义特征进行物体类别识别,在此基础上,基于逆传播(back propagation,BP)神经网络模型,结合物体的实测光谱数据进行物体真假识别。为了验证该方法的准确性和有效性,利用真假苹果和葡萄作为测试对象,单独利用图像信息和光谱信息进行识别时,识别率分别为38.50%和63.00%,而利用该综合方法得到的识别率为95.00%。可认为该方法提高了真假目标混杂情况下的识别准确度,可为物体识别、人脸识别、指纹识别、军事目标识别等领域的应用提供重要的参考,也为航天侦查载荷设计提供了新的思路。

摘要：文章针对用户使用智能产品时由于产品在时间维度的表达不适而造成的时间感知压力问题,研究了一种“舒畅度”体验评价模型,以提高用户在时间维度的“舒畅度”。从用户体验的角度出发,利用层次分析法建立用户在时间维度的“舒畅度”体验评价模型,并以智能闸机通行为例,通过用户旅程图分析,根据用户通行中的时间维度体验以及情绪变化进行分析。以机场闸机的时间维度表达设计为例,表明用“光的动效”可以提升在通行过程中用户在时间维度对智能产品的可控性,同时增加了人机交互体验。