基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

多圆孔周期性银膜阵列结构的光学特性

提出一种多圆孔周期性银膜阵列结构,并利用时域有限差分算法探究该结构的光学特性。计算结果表明,当线性偏振光入射时,该结构表面激发出表面等离激元,且纳米孔间产生了局部表面等离子体共振,使得该结构的异常透射增强。针对这一现象,通过对中心孔与边孔所呈角度、入射光偏振角度、结构参数(中心孔直径、边孔直径、结构厚度、边孔与中心孔的间距)的调控来实现结构光学透射属性的优化。此外,分析所提结构在不同环境折射率条件下透射峰的变化规律,发现该结构也对周围的环境折射率具有较高的敏感度。因此该结构在表面等离激元滤波器和折射率传感器中具有广泛的应用前景。     

基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。     

GARCH模型的贝叶斯局部影响分析及其应用

广义自回归条件异方差(GARCH)模型能够很好地刻画金融资产收益二阶矩的相依关系,因此在金融时间序列中受到了广泛的应用。在GARCH模型的框架下,本文利用贝叶斯局部影响分析来评价先验、个体观测和样本分布的微小扰动的影响,利用扰动模型来刻画不同类型的扰动形式。我们构建了扰动模型的贝叶斯扰动形式,计算其几何量来表征扰动模型的内部结构。基于几个目标函数,本文利用几个不同的局部影响测量来量化不同扰动的程度。数值模拟研究验证了所提方法的有限样本表现。对纽约证券交易所综合指数(NYSE)和标准普尔500指数的GARCH建模说明了所提方法在实例研究中的有效性。     

局部方差在图像质量评价中的应用

将灰度图像的局部方差分布（QLS）作为表征图像结构信息的一个重要特征,对局部方差分布矩阵进行奇异值分解,计算得到相应的奇异值特征向量;通过计算降质图像与原参考图像局部方差矩阵奇异值特征向量的夹角大小度量两图像的结构相似度,实现了对降质图像的质量评价。实验结果表明：局部方差分布更能突出图像的结构特征,评价结果优于传统的均方误差（MSE）、峰值信噪比（PSNR）、结构相似度（SSIM）以及直接评价图像像素分布的奇异值分析（SVD）等方法,与人眼视觉感知效果的一致性较好。     

带有二元连接函数的半参数模型

提出了一种新的带有二元连接函数的广义半参数模型,即二元连接模型(简称为BLM).使用轮廓似然方法估计模型的参数和非参数部分,并给出了计算算法.证明了所得的未知参数的估计量为n~(1/2)-相合,渐近正态且具有渐近最小方差,给出了实际数据分析和模拟研究,最终采用局部功效方法来检验非参数部分的线性性.     

具有时滞的生态-传染病模型的定性分析

针对一类疾病在食饵中传播而把食饵分为易感和染病的时滞生态-传染病模型,以时滞(即传染病在食饵种群中的潜伏期)作为分支参数,讨论了系统正平衡点在时滞τ=0时的局部渐近稳定性,在τ0时在一列临界值处发生了Hopf分支,并且对保持正平衡点稳定时时滞的范围也给出了估计.     

Zhiber-Shabat方程的多辛几何和多辛隐式格式研究

Zhiber-Shabat方程,描述许多重要的物理现象,是一类重要的非线性方程,有着许多广泛的应用前景.本文给出Zhiber-Shabat方程的多辛几何结构和多辛Fourier拟谱方法.数值算例结果表明多辛离散格式具有较好的长时间的数值稳定性.