基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘，并对商品的感兴趣程度进行预测。因此，以此为背景，研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究，提出了通过使用网络表示学习进行评分预测的方法。首先，将关系型数据构建成异构网络，用户和商品为网络中的节点。然后，设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法，并对节点进行表示学习。最后，将学习到的用户、商品表示向量输入到神经网络中进行训练，利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率，对比常用方法，准确率提升6.5%以上。      

左行运动激波主导的管内流动特性研究

为了分析左行运动激波主导的管内流动特征，本文采用非定常数值仿真方法，对亚声速进口条件下等直管道内左行运动激波传播与演化特性、左行运动激波/边界层干扰特征开展研究。研究结果表明：在出口周期性强压力脉动干扰下管内存在连续的左行运动激波，该左行运动激波传播特征具有相似性，激波强度、传播速度按幂函数规律衰减。气流经过左行运动激波后总压、总温、静压阶跃式升高，随后受膨胀波影响气流总压、总温、静压下降；左行运动激波/边界层干扰诱发形成翼型回流区，该回流区随运动激波强度衰减逐渐减小。理论与数值分析表明存在左行运动激波后速度为零和运动激波两侧总压相等的两个临界状态。波前马赫数低于临界值或左行运动激波强度高于临界值时，左行运动激波后为倒流、波后总压高于波前。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题，提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法，算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节，以充分利用模型中的低层特征，增加细节信息；改进模型的区域生成网络，加入多种滑动窗口，从而优化了模型锚点的长宽比设置，提高检测能力。实验表明，改进Faster RCNN模型取得最优的缺陷检测结果，对于小缺陷目标仍取得较好的检测精度，从而验证了算法的有效性。     

特征结构配置法在无人机控制系统中的应用

特征结构配置可通过分析系统的模态,得到系统特征结构与时域响应之间的关系,设计出结构简单、鲁棒性强的控制器。应用输出反馈特征结构配置设计了无人机控制律,仿真结果表明,无人机的纵向运动和横侧向运动具有较好的飞行动态性能,实现了无人机纵向通道和横侧向通道的内部解耦。     

整体壳段典型特征高效模块化编程技术

整体壳段为航天产品核心零部件，具有结构复杂、尺寸精度高、材料去除率大、工艺过程复杂、加工周期长等特点。在壳段数控加工过程中，存在编程难度大、重复工作量大、效率低及编程质量与编程人员能力水平密切相关等问题。为了适应高效、高可靠性的任务需求，依托成熟商用CAM软件，通过对整体壳段典型特征的分析，基于UG NX软件平台研究并开发了典型特征自动化编程模块，有效提高了加工程序的质量稳定性，并极大降低了工艺人员的编程操作量，提高了工艺设计效率。     

比例与非比例加载下30CrMnSiA钢多轴高周疲劳失效分析

为了分析比例与非比例加载下,30CrMnSiA钢的多轴高周疲劳的失效规律。通过对30CrMnSiA钢材料开展比例与非比例(δ=90°)加载下的多轴高周疲劳试验,研究了应力幅比和相位差对疲劳寿命、断口特征及裂纹起裂角度的影响。试验结果表明,对于比例与非比例加载,随着应力幅比的增大,多轴疲劳寿命逐渐增加。对疲劳断口分析发现,裂纹萌生于试件表面,断口有明显的疲劳源区、扩展区和瞬断区,不同加载路径下的试件断口形式有明显差异。通过对起裂角度的分析发现,应力幅比大于0.25时表面裂纹有明显的第Ⅰ阶段向第Ⅱ阶段的转变,且第Ⅰ阶段沿着接近最大剪应力幅值平面方向扩展,第Ⅱ阶段沿着接近最大正应力平面方向扩展。此外,对典型试件的疲劳断口及表面扩展路径进行了分析,研究表明多轴疲劳试验试件裂纹的特征比值在0.3~0.5之间,且裂纹沿深度方向扩展至300 μm时占总寿命的85%以上。      

一种小天体旋转参数估计方法

小天体旋转参数是科学数据，也是小天体测绘，着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型，表示小天体在相机坐标系中的姿态变化；然后定义小天体旋转的状态方程，推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪，利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中，在仿真相机与小天体相机100 km距离上，分析了相机坐标系小天体坐标系之间的四元数初值，图像上特征点跟踪精度，相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明，提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题，基于拓扑分析中的持续同调性理论，本文提出一种多尺度大脑网络建模分析方法，该方法在大脑全尺度距离范围之内，通过不断增加阈值，运用Rips过滤算法捕获网络的动态持续拓扑特征，并用条形码和持续图对拓扑特征可视化，最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明，该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。