针对实际交通场景下的车辆目标，应用深度学习目标分类算法中具有代表性的Faster R-CNN框架，结合ImageNet中的车辆数据集，把场景中的目标检测问题转换为目标的二分类问题，进行车辆目标的检测识别。相比传统机器学习目标检测算法，基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明，该方法在识别精度以及速度上均取得了显著的提高。

基于神经网络MIMO非仿射系统自适应输出反馈控制，赵品，，针对一类多输入多输出（MIMO）非仿射非线性系统，设计了一种基于神经网络的自适应输出反馈控制方案，使得输出信号能够跟踪给定光��

装载机压力传感器的输出信号是包含强振动、噪声的非线性信号，而装载机动态称重系统的测量精度与压力传感器的信号之间有极其密切的关系，采用经验模态分解对压力传感器的信号进行预处理，提取其有用称重信号，采用BP神经网络算法对称重信号与重物重量之间的非线性关系进行拟合，同时使用遗传算法加快收敛速度，得到适合的非线性测重数学模型，仿真和实验参数计算表明，该处理方法在装载机动态称重系统中的应用是有效的。

基于D-S的决策级信息融合的故障诊断，王璇，周丰，为保证石油钻井过程安全可靠运行，对其故障诊断方法的研究具有重大意义。本文在国内外故障诊断技术的基础上，提出了基于传感器间

转台工作面角位置测量装置误差分析与补偿.pdf,针对特定转台轴端角位置检测误差不能反映实际产品工作面空间角位置的问题，介绍了一种以圆光栅和水平电容传感器作为测角元件的转台工作面空间角位置定位测量装置。以提高空间测角精度为目的，重点对装置各项误差因素进行归类分析。除光栅和传感器分别存在的分系统测角误差外，测量装置还存在转轴与测量基面不平行、传感器敏感轴与测量基面不平行等误差项。为修正测角系统误差，根据圆光栅旋转面、传感器敏感轴、转轴轴系、测量基面的空间几何关系建立数学模型，分析系统误差影响因素。最后利用分度误差在0.3 ″高精度转台对校准装置进行标定，并利用径向基函数（RBF）神经网络建立误差补偿模型，对系统测角精度进行修正，使系统最大误差值由13.75 ″下降至2.9 ″，满足了3 ″以内的测角精度需求。

独轮自平衡电动车的建模与平衡控制，阮晓钢，马圣策，独轮前平衡电动车是一种新型、环保、便捷的代步工具。本文设计并搭建了独轮前后自平衡电动车物理系统，利用拉格朗日方法，建立了

Needham-Schroeder共享密钥协议的分析与改进，缪祥华，张云生，研究了Needham-Schroeder共享密钥协议，提出了该协议存在的缺陷和漏洞，并给出了两种攻击该协议的方法。虽然Needham-Schroeder对原始的协议��

基于MIMO技术信道容量的仿真与分析，王子剑，，和传统的单输入单输出（SISO）无线通信系统相比，多输入多输出（MIMO）技术可以明显增加信道容量。文中仿真分析了采用平均功率分配�

在当前人眼视觉系统（HVS）特性研究的基础上提出基于梯度及HVS特性的离焦模糊图像质量评价模型（GVSSIM）。该模型利用Sobel边缘梯度算子提取图像的梯度信息，并根据人眼视觉特性进行视觉加权，得到新的结构相似性评价指标，进而获得图像质量评价指标。该方法与SSIM(图像结构相似度)评价模型相比，具有计算简单的特点，对离焦模糊图像的评价结果能更好地反映人眼视觉感受。

基于多特征的动态关键帧提取，张萌，张洪刚，关键帧提取是视频检索中一个基本的环节。进行关键帧提取的主要目的是从一个视频序列中提取出一部分能够图像帧序列，来降低对视频