简介：自智能交通系统出现以来,汽车驾乘员的安全带检测一直是备受关注的研究课题.依据城市道路的交通卡口监控数据,研究一种基于深度学习的汽车驾乘人员安全带检测算法,能够准确识别驾驶员是否佩戴安全带.通过对卡口图片进行人工标定,并运用深度学习方法训练两个检测器和一个分类器,最终实现安全带的快速定位和分类.本文提出的方法在城市道路卡口采集的图像上检测效果较好.

简介：研究了以K2SO4、S粉、C粉、聚三氟氯乙烯粉、Al2O3、MgO混合物作为固体缓冲剂．以Cd为内标．电弧发射光谱法测定多目标地球化学土壤样品中的钼。方法的检出限为0．02μg／g（3S），方法的精密度（RSD）为6．59～11．36％。测定了国家一级地球化学标准物质，结果与标准值相符合。本方法已用于10000多件样品的分析．取得满意的结果。

简介：制作了溴代十六烷基吡啶修饰碳糊电极，研究了咖啡酸在该修饰碳糊电极上的电化学行为。在0．1mol．L^-1的HAc-NaAc缓冲溶液（PH=3．0）中，咖啡酸在峰电位为0．44V（vs．SCE）左右出现一灵敏的氧化峰，通过选择和优化各项参数，建立了一种直接测定咖啡酸的电分析方法。该方法的线性范围为1．55×10^-5～4．16×10^-7mol．L^-1，检出限为2．0×10^-8mol．L^-1（富集min）。该修饰电极制作简单，稳定性、重现性良好，可用于药物中咖啡酸含量的则定。

简介：软件的图形用户界面(GUI)的视觉设计影响着用户的使用体验.在没有既定标准的情况下,测试人员对GUI评分的主观性和大量的重复性工作,会造成GUI测试的评分偏差和效率低下.针对上述问题,本研究工作构建了基于云平台的软件GUI自动测试系统,分别使用HOG+SVM模型和AlexNet模型对GUI图像进行特征提取并分类.考虑到软件GUI数据样本量小,提出利用迁移学习策略改善AlexNet网络的性能.针对用户的多样性和算法对计算性能的需求,GUI自动测试系统部署在云平台上,用户可以对软件GUI进行实时评估.实验证明,系统用于GUI自动测试具有良好的性能,并且可以避免主观因素的影响以及减轻软件测试员的工作量.

简介：域自适应算法是一种能有效解决训练集（源域）和测试集（目标域）样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机（DDM-ELM）用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标：1）最小化源域样本的分类误差;2）通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3）利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.