结合颅骨形态特征与神经网络的民族判别

针对颅骨民族判别问题，提出结合颅骨形态特征与神经网络的判别方法，可以推进法医人类学的发展，加快探索民族发展历程。首先，根据颅骨形态学相关研究，提取36个维吾尔族和汉族颅骨数据的几何特征；其次，采用反向传播神经网络（BPNN）对特征向量进行民族判别，并通过Adam算法对网络进行优化，避免陷入局部最优值，添加正则化项保证算法稳定性；最后，分别采用2种网络结构进行对比实验，输入层、隐藏层和输出层的神经元个数分别为36、6、2和36、12、2，并设置不同初始学习率进行对比实验。结果表明:隐藏层神经元个数为12、学习率为0.000 1时，分类精度最高，测试阶段平均准确率最高为97.5%。为了验证所提方法的普适性，生成116例国外颅骨数据进行实验，测试阶段平均准确率为90.96%。相比较于支持向量机（SVM）、决策树、KNN、Fisher等机器学习方法，所提方法学习能力更强且分类精度有明显提升。      

航空头盔典型件冲击保护性能实验研究

利用分离式Hopkinson压杆研究了几种航空头盔典型件的冲击保护性能,测量了各构件的能量吸收率.讨论了冲击过程和能量吸收过程,进一步分析了头盔外壳材料力学性能及泡沫衬垫密度对头盔能量吸收率的影响规律.实验表明,在一定范围内外壳力学性能和泡沫衬垫密度对于能量吸收起着重要作用.为设计新一代航空头盔提供了可靠的实验依据.