【摘 要】
：
微表情是一种人类在试图隐藏自己真实情感时做出的面部动作，具有持续时间短、幅度小的典型特点。针对微表情识别难度大、识别效果不理想的问题，在双通道网络（DPN）的基础上提出一种基于双通道注意力机制（CBAM-DPN）的微表情识别模型。首先，进行典型微表情数据集的数据融合；然后，分析序列帧中像素的变化值以确定顶点帧位置，再对顶点帧进行图像增强等处理；最后，基于CBAM-DPN网络对图像增强后的微表情顶点
论文部分内容阅读
微表情是一种人类在试图隐藏自己真实情感时做出的面部动作，具有持续时间短、幅度小的典型特点。针对微表情识别难度大、识别效果不理想的问题，在双通道网络（DPN）的基础上提出一种基于双通道注意力机制（CBAM-DPN）的微表情识别模型。首先，进行典型微表情数据集的数据融合；然后，分析序列帧中像素的变化值以确定顶点帧位置，再对顶点帧进行图像增强等处理；最后，基于CBAM-DPN网络对图像增强后的微表情顶点帧进行特征的有效提取，构建分类器对微表情进行识别。网络优化后未加权F1值（UF1）和未加权平均召回率（U
其他文献
项目型制造过程常见于造船、建筑等行业，现有面向流水车间的离散制造系统建模仿真方法不能有效表示、模拟这一过程。针对这一问题，本文以船厂船坞吊装这一项目型生产过程为例，分析工艺要素结构，提出了以作业网络为中心、信息流与作业流集成的仿真建模方法，并设计了基于作业进程交互的仿真控制算法。使用Python语言开发了仿真程序原型，通过一组船坞吊装实际案例实验，验证了提出模型与算法的有效性，为离散事件仿真技术在
为解决当前多层次细节(LOD)建模方法没有将简化和细分相统一，而造成细节层次模型特征表现不够丰富问题。本文将能量算子用于三维空间实体模型简化与细分，提出了基于能量算子的三维空间实体LOD建模方法。该方法主要包括三个步骤：模型能量算子计算、基于能量算子的模型简化和细分。实验表明，该方法能够生成细节层次较为丰富的模型，并具有良好的可视化效果和较高的精度。另外，该方法研究成果可以应用于三维场景建模和智慧
RRT（rapidly exploring random tree）算法是一种基于采样的路径规划算法，可以在高维环境中搜索出一条路径。传统的RRT算法存在节点利用率低、计算量偏大的问题。针对这些问题，基于快速RRT*（Quick-RRT*）算法，通过优化重选父节点与剪枝范围策略、改进采样方式、引入自适应步长，对快速RRT*算法进行改进，使得算法耗时和路径长度更短。同时，加入节点连接筛选策略，消除路
针对动态温度调控的空调系统能耗预测问题，设计了动态温度调控策略并通过EnergyPlus仿真得到空调系统逐时能耗数据集。在采用集成方法分析能耗的基础上，建立改进PSO算法优化BP神经网络(Improved Particle Swarm Optimization-Back Propagation Neural Network)预测模型。首先集成聚类、分类和关联度分析方法挖掘空调系统能耗模式、确定预测
针对含有AGV(Automated Guided Vehicle)的柔性作业车间调度问题，建立了以最小化最大完工时间为目标的双资源集成调度优化模型。首先，在种群初始化过程中提出一种启发式初始化方法，提高种群初始解的质量，加快算法的收敛速度。其次，针对离散粒子群算法易早熟的弊端，结合竞争学习机制和随机重启机制提出一种可有效避免早熟的混合离散粒子群优化算法。最后，在考虑工件运输的柔性作业车间调度的基准
针对气象台站历史沿革文件在开发利用过程中出现的查询检索效率低下、统计分析不便等问题，设计开发了气象台站历史沿革信息检索可视化系统。首先，根据气象台站历史沿革文件特点，运用多线程分布式文件批处理技术对文件内容进行快速解析;然后，基于快捷开放的MySQL数据库对解析的关键信息创建多分表，通过冗余站号和台站类型信息建立表之间关联;接着，构建ElasticSearch搜索引擎，将数据库表数据进行格式转换，
基于当前包装回收难以及资源损耗大的问题，研究在制造商、销售商和第三方回收商构建的闭环双渠道回收供应链中，基于供应链参与主体博弈权力的差异，构建制造商主导、销售商主导、第三方回收商主导的三类Stackelberg博弈及集中决策博弈模型，给出并比较分析四种模型的最优解。研究表明：与集中决策相比，分散决策收益非帕累托最优，利用改进的收益分享契约对各个分散决策下的供应链进行协调。最后通过数值仿真分析来验证
态势图中数据信息量过大，海量态势信息容易产生超过生理极限的巨大认知负载，这将导致指挥员感知、判断、决策的迟滞，严重时可以导致决策活动崩溃。为解决认知负载过重问题，需要对态势信息进行处理，以评估和突出态势热点。基于协同目标聚集因素，将态势目标造成有效影响的可能性以及目标之间的协同作为判别指标，推导出关注度函数，设计了态势热点值计算方法。通过示例仿真计算可见，本方法在时效性和准确程度水平上可以更好地评
本文将智能Agent技术架构应用于机场货运业务的仿真模型开发。以机场货运资源优化为目标，提出了将深度强化学习与机场货运业务仿真模型结合的决策支持系统框架，用仿真数据实现对深度学习网络的训练，运用深度学习网络优化模型中的调度方案。训练成熟的系统采取在线模式，可以用于实时优化货运流程的调度方案。为了验证架构的有效性，在Anylogic仿真平台进行模型开发和实验，并将深度强化学习的调度与OptQuest
社交媒体中的文本内容可对交通量数据进行补充，为此提出一个交通事件可视分析方法。首先建立交通事件文本处理模型，提取事件的描述信息；然后基于图嵌入算法学习道路节点属性的向量表示，建立道路相似性模型；并进一步结合核密度模型建立交通事件发生概率预测模型；最后设计了一个交互式可视分析界面对于交通事件进行可视分析与探索。文中进行了交通信息抽取、道路相似性度量以及交通事件交互预测等案例分析，验证了系统的有效性，