摘要：行人重识别旨在从不同的摄像头中识别目标行人的图像.由于不同场景之间存在域偏差,在一个场景中训练好的重识别模型无法直接应用在另一个场景中.为克服该问题,现有的无监督行人重识别方法倾向通过使用聚类算法获得伪标签,再利用伪标签训练重识别模型.但是,由于聚类结果是不准确的,这类方法会引入大量噪声标签,从而限制了模型的泛化能力.因此,为减轻噪声伪标签的影响,本文提出了一种基于异构卷积神经网络集成的无监督行人重识别方法.该框架不使用任何人工标记信息,自动推测目标域中行人图像之间的关系,并构建协作可信实例选择机制,选择可信度高的伪标签用于模型的训练.通过设计双分支异构卷积神经网络学习判别能力强的多种行人特征,并利用记忆单元存储训练过程中的全局特征,减少因噪声标签在训练过程中产生的波动,提高模型的鲁棒性.本文方法在多个公开行人数据集上进行了验证并得到了良好的实验结果.在Market1501和DukeMTMC-reID数据集上,mAP分别达到了85.4%和74.8%.

摘要：针对水下机器人实现自主抓取过程中缺乏引导系统的问题,提出了一种依托水下机器人的海产品智能检测与自主抓取系统,用来解决水下目标的智能检测问题,并引导水下机器人进行海产品的自主抓取。将卷积神经网络检测算法应用到水下场景,利用水下图像数据集训练特定的网络模型DSOD检测海产品。建立短基线定位系统定位水下作业的机器人。通过分析相机成像坐标系与定位系统坐标系之间的关系,提出了一种计算海产品实际位置的坐标转换方法,计算海产品的实际位置。设计了一种基于反馈机制的多信号分析方法,引导机器人在水下移动并抓捕海产品。为了验证所提系统的有效性,搭建了一款水下抓捕机器人,并成功将所提算法应用到机器人,在真实海洋环境中进行海产品的自主抓取实验。

摘要：已有的监督维数约简算法大都通过最大化类间离散度总和等相关手段选取判别能力较强的子空间,使得原始空间中距离较小的一些类易被忽略而在子空间中出现不同类的融合现象.为此,提出一种基于离散度平衡的降维算法——离散度平衡投影.该算法利用对称相对熵来衡量样本间的离散度,将对称相对熵与离散度平衡的概念结合,使得算法在降维过程中保持较大类间离散度的同时更加注重较小的类间离散度,以实现类间散度平衡的目的;为了充分使用现实生活中大量无标签样本,通过保持所有样本间拉普拉斯图结构进一步提出了半监督离散度平衡投影.对Soybean,Isolet,COIL20等标准数据集进行维数约简的实验结果表明,文中算法具有较好的降维效果.

摘要：随着有序时间序列数据的出现,序列模式挖掘成为数据挖掘领域的一个分支.其中带通配符的序列模式挖掘又是该领域中一个重要的研究问题,同时随着数据规模越来越大,算法的挖掘效率尤为重要.现有算法多采用树型结构来实现数据的压缩表示,树的结构和模式匹配方法对挖掘效率有决定性的影响.该文首先设计一个新的树结构索引树I-Tree(Index-Tree)来维护原始序列数据以及序列模式和模式索引信息;然后在索引树的基础上,提出一个新的带通配符的序列模式挖掘算法ITM(Index-Tree based sequential pattern Mining).算法ITM主要用4个策略提高算法的挖掘效率:(1)将原始序列中相同项压缩到一个节点上,该节点只记录项在原始序列中的索引;(2)采用迭代的方式,长度k+1的序列模式是用长度k(k>0)的候选序列模式产生;(3)采用前缀树的结构,逐层将k+1的候选序列模式压缩到索引树上,叶子节点上记录序列模式最后一项的索引;(4)整个挖掘过程,只用一棵索引树.算法ITM通过采用以上索引树压缩原始序列数据以及存储候选序列模式,有效地缩小搜索空间,从而算法效率得到显著提升.另一种提高挖掘效率的思路,是在挖掘过程中允许有小部分的模式丢失,来换取挖掘效率的大幅度提升,即所谓的近似模式挖掘.该文也给出了一个近似序列模式挖掘算法AITM(Approximate Index-Tree based sequential pattern Mining),该近似算法通过估计超序列模式的支持数,将非候选节点提前删掉,减少索引树上的节点个数,从而提高算法的时空效率;但是也因为估计的支持数可能会小于实际值,从而丢失了部分频繁的序列模式.该文实验中,提出的两个算法分别与算法MGCS、MAPB和MAPD进行了对比实验,采用3个典型数据序列进行测试,并设计了3组实验:(1)不同的最小支持度对算法的效率影响;(2)算法的扩展性;(3)通配符长度对算法效率的影响.实验结果验证了该文提出算法的有效性,时空效率得到一定的提高;针对不同的阈值,最小支持度越小、原始序列长度越长、通配符长度越长,算法的时间效率提高幅度越大;同时近似挖掘算法的精确度接近100%.

摘要：随着车载无线系统上装无线设备电磁环境日益复杂,设备间电磁干扰日益严重,采用仿真技术进行天线布局优化可以有效减小设备间干扰。本文分析了影响车载天线系统天线布局的主要因素,得出天线优化布局的优化目标为天线间的耦合度和方向图失真度,建立了天线布局优化模型,采用改进的遗传算法对车顶天线布局进行优化设计,在电磁兼容设计初期得出粗略的最佳布局方案,使其满足电磁兼容性能要求,降低了天线布局设计的难度,并设计了电磁兼容优化仿真软件,实现了车载系统的优化布局仿真,达到工程实际要求。

摘要：目的：探讨GJB2全序列长链PCR方法和琼脂糖凝胶电泳方法，以及影响长链PCR和电泳结果的可能因素。方法应用Primer Premier 5.0软件和Oligo 6 Demo软件针对GJB2全序列设计引物，应用DNA聚合酶KOD FX Neo试剂盒进行两步法长链PCR扩增，调整加入DNA模板量、PCR延伸时间、循环次数等影响PCR产物量，通过0.8%琼脂糖凝胶电泳检测PCR产物长度和量，调整加样槽的宽度、加样量、电泳电压、电流、电泳时间得到清晰条带，若PCR产物存在大片段碱基插入或缺失，用限制性内切酶BamHI进行内切酶反应，初步判断插入或缺失的大致位置。结果正向引物F：5’-AGATCGGGACCTCGAAGGGGACTTG-3’；反向引物R：5’-AGGTGGGCACGGGGTTAGGTAGAAA-3’，扩增片段长5887 bp。长链PCR条件为：50μl的反应体系中加入2μl（约40 ng）的基因组DNA，预变性94℃2分钟，变性98℃10秒，68℃延伸5分钟，共32个循环。电泳条件为：加样槽5 mm宽，每槽加样0.8μl PCR产物，电泳电压50 V，电流50 mA，电泳时间140分钟。结论应用DNA聚合酶KOD FX Neo试剂盒进行两步法长链PCR，可进行GJB2全序列扩增，影响PCR的可能因素为引物、DNA模板的质和量、延伸时间、循环次数等。0.8%琼脂糖凝胶电泳可获得较好的分离效果，影响电泳可能的因素为加样槽宽度、加样量、电泳电压、电流、电泳时间等。