摘要：对复合车身结构的特殊性能要求导致其造型和材料与普通车身有较大不同,车身质量参数(质量、质心位置等)的变化会对整车操纵稳定性产生负面影响。该文针对某复合车身结构,选取其造型特征参数β_1、β_2及h为设计变量,通过整车的动力学建模与分析,采用响应面法建立了操纵稳定性、车身内部空间和车身质量与设计变量之间的非线性关系,进而采用目标规划算法对设计变量进行了优化。优化结果显示,与初步设计相比,该文方法在牺牲部分车身内部空间的条件下,使蛇形操纵稳定性提高22%,车身质量减少30 kg。

摘要：针对常规十字阵子阵间互耦不易处理这一问题,设计一种立体十字型阵列,并在该阵列基础上,提出立体十字型互耦阵列传播算子(propagation method for tridimensional cross array in presence of mutual coupling,TCA-MC-PM)算法。该算法首先分别从子阵中选取部分合适阵元构成阵列,将理想导向向量与互耦系数剥离,利用信号子空间与理想导向向量张成同一空间这一关系估计方位角与俯仰角,接着通过子空间与秩损原理估算互耦系数,最后利用整个阵列的空间谱函数完成方位角和俯仰角的配对。在此过程中涉及的子空间都以阵列的传播算子构建,可避免特征分解,降低运算量。仿真表明,本文提出的算法不涉及空间谱搜索,运算量小,有效抑制互耦影响,测量精度高。

摘要：为了解决人脸识别中的光照干扰问题,提出基于最近正交矩阵的二维鉴别投影方法.首先利用奇异值分解获取人脸图像矩阵的最近正交矩阵表示;然后利用获得的最近正交矩阵分别构建基于最近正交矩阵的类内散度和基于最近正交矩阵的类间散度;最后通过最大化类间散度同时最小化类内散度获取二维鉴别投影,并通过该投影获得低维特征.在Yale,CMU-PIE以及AR数据库上进行人脸识别实验,证明了该方法的有效性.

摘要：针对传统局部二值模式及其扩展算法存在特征维度高、不能充分体现局部邻域像素间差值大小信息等问题,提出一种局部排序差值细化模式(LSDRP).首先根据采样半径大小对图像进行相应规格的高斯滤波,并按灰度值将局部邻域采样点排序;然后计算局部排序邻域内像素间的差值并将其融入排序二值编码对应位置的权值中,从而生成LSDRP特征;最后选取LSDRP特征模式中的高频模式表征图像,并级联多个半径下LSDRP特征的高频模式构成图像纹理的多尺度表示.在Outex,CUReT和UMD纹理库上的实验结果表明,所提算法计算简单且能在低维度条件下有效解决纹理分类中存在的光照、旋转变化问题;特别是在TC10,TC12_000和TC12_001纹理库上仅需120维特征即可分别达到100%,99.38%和99.72%的分类精度.

摘要：为了提高粒子群优化算法中粒子搜索最优解的效率,该文在标准粒子群优化算法的基础上,提出一种改进的粒子群优化算法。该方法通过对粒子飞行轨迹的分析,对种群中每个粒子构建了评价粒子性能差异的等级标准,并对认识系数和社会系数设计了对应的动态变化系数模型。通过引入迁徙策略,使迁徙行为随机生成的新粒子更有可能接近全局最优解,更加有利于群体搜索跳出局部最优解和寻找全局最优解。实验结果表明,与其他比较算法相比,该文提出的改进粒子群优化算法具有寻优能力强和搜索精度高等优点,测试准测上的实验数据验证了改进算法的有效性和可行性。

摘要：微表情是一种持续时间仅为1/25～1/5 s非常快速的表情,它表达了人试图压抑与隐藏的真正情感.文中简要分析了面部行为代码系统,探讨了人工微表情识别方法的实验研究;对现有的微表情自动识别的数据库从采集情况、微表情的产生情况以及用途进行了对比总结,重点综述了现有的微表情自动识别研究进展,从识别结果、所采用的技术、优缺点等方面进行了对比总结,给出了评估方法,论述了微表情线索测谎的典型应用;最后探讨了该领域值得进一步研究的问题和可能的发展方向.

摘要：为了解决当前工作流语言粒度过细和引擎对过程动态演化支撑不足的问题,通过在原有工作流模型上建立一层抽象的业务过程模型,建立了一种新的分层过程模型,从而增强了过程的描述能力。同时扩展原有的过程演化技术,使其适用于分层模型下的过程演化,并给出相应的系统实现。通过实例验证了所设计系统的正确性。

摘要：为了在进行业务过程模型的检索与组合验证时比较两个工作流过程之间的相似度,在传统的工作流结构相似性度量与检索的基础上,针对概率式工作流的相似性度量与检索展开研究,通过定义概率结构树来描述工作流系统,在此基础上提出基于树编辑距离的工作流度量方法,进一步将其转换为概率无环有向图,并给出了基于等价迹的检索方法。给出相关的算法设计,并分析了时间复杂度。对该方法进行了系统性实验,评估了其正确性和有效性。

摘要：为了解决个性化网站中很少考虑用户检索意图,检索效果较差的问题,提出了一种有效的增量协同过滤推荐方法。该增量协同过滤推荐模型改进了最流行的推荐算法之一的协同过滤算法,并应用到个性化网站中。通过分析Web日志提取用户的浏览行为,将其归一化为用户对项目的评分值,并利用改进的相似度计算方法得到用户之间的相似度值,从中选择能够表现用户偏好的最近邻集合进行评分预测后对结果排序,将排序后的结果作为推荐列表返回给用户。最后设计增量更新算法实时有效地更新用户的历史偏好数据。实验表明,增量协同过滤推荐模型适用于个性化网站,利用该方法可以使推荐结果更加符合用户意图。

摘要：基数计算在流数据查询优化、网络安全、数据压缩等领域具有重要的应用价值。现有的基于概率统计原理的基数估计算法需要通过扫描历史静态数据才能进行基数统计,由于流数据具有持续、快速和实时等特点,不可能先持久化再处理分析,因而传统的基数估计算法无法直接应用在大数据流处理中。通过研究Spark、Storm实时分布式流处理机制和传统基数估计算法,设计和实现了实时的流数据基数估计算法SHELL(Streaming HypErLogLog),实验表明,SHELL在保证精确度不降低的情况下,单位滑动时间窗口内处理的消息量达到6.0×10~5~6.8×10~5,满足实时性处理的要求。