简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：行人检测在智能监控、自动驾驶、辅助驾驶、智能机器人等研究领域有着广泛的应用.传统的行人检测方法大多使用滑动窗口遍历图片的方式,导致计算量大,检测速度受到限制.目前基于深度学习的行人检测方法进入了一个快速的发展阶段,但是还存在例如小尺寸行人漏检等很多问题.现提出基于卷积神经网络的多尺度行人检测方法,分析了增加检测层、并联卷积层与改变卷积核尺寸对行人检测性能的影响.在KITTI数据集上的实验结果表明,该方法可以实现较好的行人检测效果.

简介：软件定义网络（SDN）将数据层与控制层相分离，是一种新型网络体系架构．针对目前SDN网络还不能提供路由服务问题，设计了一种基于OpenFlow技术，使得SDN网络拥有路由转发功能的方案．依托RouteFlow平台，以内核虚拟化技术为基础，以Quagga软件为路由引擎，通过OpenFlow控制器为数据平面提供路由逻辑控制策略．实验结果表明，该方案不仅让SDN网络具有了路由转发功能，还能使系统保持较好的稳定性．

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：绘画作品的数字化对有效使用绘画资源具有重要意义，传统图像分类方法并未考虑绘画作品主观特性，且大部分特征需要人工提取，存在细节特征丢失等问题．在此提出基于卷积神经网络的绘画图像分类方法，分析了卷积核大小、卷积神经网络结构宽度、训练样本数量对分类结果的影响，以优化网络结构和参数．实验结果表明，该方法对绘画图像分类的有效性，在不同绘画图像数据集的分类实验上也得到了较好的分类结果．

简介：建立了一个同时测定纺织品中硫酸二甲酯（DMS）和硫酸二乙酯（DES）残留量的气相色谱-串联质谱（GCMS/MS）方法,该方法以甲醇作为萃取溶剂,40℃下超声萃取纺织品中的DMS和DES,萃取液经滤膜0.22μm过滤后直接进行GC-MS/MS测定,外标法定量。在信噪比（S/N）=10的条件下,DMS和DES的定量限分别为10、5μg/kg。在三个加标水平下,该方法的加标平均回收率为82.2~95.8%,相对标准偏差（RSD）为1.2~6.6%（n=9）。该方法简便快捷,灵敏度高,定量限低,可完全满足纺织品中DMS和DES残留量检测的工作要求。

简介：马尔科夫预测模型具有＂无后效性＂,即预测未来的销售情况只与当前的销售数据有关,而与过去的销售数据无关.事实上,过去不同的时间点对当前的销售结果会有不同程度的影响.而指数平滑法恰好弥补了马尔科夫预测模型的缺点,它认为最近的过去销售数据,在某种程度上会持续到未来.因此本文利用二次指数平滑系数法优化马尔科夫预测模型,并以某品牌电动车的销售情况为例进行验证,发现优化后预测模型的绝对误差均小于马尔科夫模型的预测结果.由此得出结论,基于二次指数平滑法优化的马尔科夫预测模型具有可行性.

简介：提出了一种新型的二维码编码和译码方案,基于Turbo码的编码和软译码方法,对二维条码进行改进,使其具有更强的识读能力.使用（13,15）的Turbo码编码器和矩阵交织器对源信息流进行编码得到一组二进制流,对编码得到的二进制流进行图像生成得到新型的二维条码.对使用后的二维条码图片进行图像采集,然后进行灰度量化得到软比特信息流,对软比特信息流使用矩阵解交织器和Turbo码译码器进行译码得到源信息流.通过这样的方法可以提高二维条码图片的可识别性.运用这种新型的二维条码图片在工业零部件和军事零部件上,可减少因二维条码无法识别产生的经济损失.

简介：传统的深度信念网络模型缺乏并行有效的算法来确定网络层数以及隐藏层神经元的数目,实验时大多依据经验来选取,这样做不仅使得模型训练困难,且范化能力差,影响实验结果.针对此问题,通过比较重构误差和验证集错误分类率的乘积（加权误差）大小来选取网络层数,网络层数确定后,再根据重构误差使用渐增法或二分法来选择合适的隐层神经元数目,以使整个模型达到最优.实验结果表明,用上述方法确定模型网络层数及隐藏层神经元数目,能有效提高模型分类或预测的精度.

简介：建立了一种可靠的测定咸味食品香精中3-氯-1,2-丙二醇（3-MCPD）的气相色谱-质谱（GC-MS）方法。考察了不同提取溶剂对香精中3-MCPD的提取效率;采用佛罗里硅土固相萃取柱净化样品,考察了不同比例的乙酸乙酯-正己烷淋洗液对3-MCPD回收率的影响,以及用七氟丁酸酐衍生时温度对产率的影响。本方法在1.0~10000μg/L的浓度范围内,3-MCPD有较好的线性关系,相关系数r〉0.99。通过对不同类型的香精空白样品进行添加回收实验,精密度实验考察方法的可行性。3-MCPD的平均回收率介于89.4%~103%之间,相对标准偏差介于1.17%~4.33%。方法检出限为1.0μg/kg;定量限为5.0μg/kg。

简介：建立食品中富马酸二甲酯的高效液相色谱测定方法。样品制备均匀后用甲醇超声提取15分钟,滤纸过滤后,再经0.45μm有机系滤膜过滤,离子对高效液相色谱法测定,保留时间、DAD光谱定性,峰面积定量。该方法在1~50μg/mL范围内呈良好线性,线性相关系数为0.9998,检出限为0.5mg/kg。在不同空白基质样品中不同添加水平下,平均回收率为90.3%~107.9%,相对标准偏差（RSD）均小于2%（n=6）。该方法操作简便,具有灵敏高、准确度好等优点,可满足食品中富马酸二甲酯的定量分析。