基于分布式压缩感知的重轨干涉SAR形变检测方法与实验

提出一种基于分布式压缩感知(DCS)的重轨干涉SAR形变检测方法.DCS理论利用多次观测信号集的联合稀疏特性和相关性,对信号集进行联合重建.本文将DCS理论引入微波成像形变检测中,并对地基SAR复数据进行处理,利用相位数据检测场景形变,比较压缩感知(CS)算法和DCS算法在降采样条件下的重建结果.CS算法和DCS算法都具有保相性,在幅度和相位图像中可以很好地消除副瓣,成像效果比Omega-k算法好.基于DCS的稀疏微波联合观测系统可以利用多幅场景间回波数据的联合稀疏特性,进一步降低数据采集,实现准确重建和检测.     

基于分布式压缩感知的重轨干涉SAR形变检测方法与实验（英文）

提出一种基于分布式压缩感知(DCS)的重轨干涉SAR形变检测方法.DCS理论利用多次观测信号集的联合稀疏特性和相关性,对信号集进行联合重建.本文将DCS理论引入微波成像形变检测中,并对地基SAR复数据进行处理,利用相位数据检测场景形变,比较压缩感知(CS)算法和DCS算法在降采样条件下的重建结果.CS算法和DCS算法都具有保相性,在幅度和相位图像中可以很好地消除副瓣,成像效果比Omega-k算法好.基于DCS的稀疏微波联合观测系统可以利用多幅场景间回波数据的联合稀疏特性,进一步降低数据采集,实现准确重建和检测.     

基于光场渲染的动态3D目标重构技术

提出了一种基于光场渲染的动态3D目标重构的方法.目前基于图像建模的方法对于复杂场景难以建模,而基于图像渲染的方法因数据量大不利于动态场景的实时渲染.因此采用了模型和图像相结合的方法,从多视点视频图像中重建动态3D模型,采用光场映射算法对重建的3D模型进行光场采样,然后对样本分解压缩.实验结果表明,在保证真实感的同时,减少了数据量,并可实现动态3D目标的重构.     

基于灵敏度矩阵的直接三维ECTLandweber图像重建算法研究

ECT图像重建是一个非线性、欠定的和病态的逆问题。获得一个高质量的重建图像是很困难的,尤其是对于3D重建。图像重建算法的研究在ECT中是一个重要的研究内容。本文对基于灵敏度矩阵的直接三维ECTLandweber图像重建在不同迭代次数,有无门限等情况下进行了研究总结并给出了仿真结果。结果表明：对于landweber迭代算法进行重建时,迭代200次,固定门限为0．03的结果与原型最为接近。     

基于全局和局部流形结构的高光谱图像特征提取算法

针对目前高光谱图像基于流形学习的无监督特征提取算法中只能够单独描述高维数据空间局部或者全局的几何结构,并且没有一种算法能够同时保持高维数据全局和局部的几何结构的问题,提出了一种基于全局和局部流形结构的无监督特征提取算法(GLMS)对高光谱图像进行特征提取.算法基于流形学习基本理论,需要建立两种保持流形结构的近邻图,分别用来描述数据的全局和局部的流形结构,通过求解广义特征值问题获得重构权值矩阵进而得到低维嵌入空间的最优投影,以达到降维的目的.在AVIRIS高光谱图像以及Indian Pine和Salina数据集上进行仿真对比实验,结果表明,提出的算法在分类精度和计算效率上有较好的提高.     

多源单汇无线传感器网络的局部路由算法

无线传感器网络节点有着严格的能量限制,目前已有的许多路由协议假定了节点知道网络的全局信息或者让节点根据路由表进行路由。这些方式均会使网络产生较多的通信负荷,增大能量开销。结合多源单汇路由的特点,本文提出了几种局部路由算法。该算法中,节点仅根据目标节点与邻居节点的地理位置、剩余能量等信息,决定下一跳节点,最终建立到达目的节点的路径。本文首次引入了带约束后跳发射的思想,并将这种后跳发射与已有的算法相结合得到新的后跳路由算法。计算机仿真实验表明,在有数据融合的网络中,带约束的后跳－为难度路由算法使得网络的生存时间最长,较其余算法增加了网络11%和14%的工作周期数。最后又将局部路由算法进行合理改进,得到最小化平均为难度的算法,应用于无数据融合的网络中,效果很好。     

自适应阈值收缩算子的稀疏正则化图像重建算法

针对图像重建中采用稀疏正则化算法时,阈值收缩算子的阈值参数难以选取的问题,提出一种采用自适应阈值收缩算子的稀疏正则化算法。该算法收缩算子的阈值参数在迭代求解过程中根据解的稀疏度进行更新;同时在该算子中引入权重系数,研究阈值算子的衰减特性对图像重建质量的影响;并将该算法应用于电学层析成像的仿真和实验图像重建。结果表明：与传统的稀疏正则化算法相比,使用具有衰减特性的阈值收缩算子的稀疏正则化算法重建图像的性能指标有所提高。当被测物场的内含物分布较为简单时,采用较大的权重系数;当被测物场的内含物分布相对复杂时,使用较小的权重系数,有利于提高重建图像的质量。     

基于改进思维进化算法的神经网络负荷预测

为了提高短期电力负荷预测精度文章提出了IMEA-NN预测模型。本文使用改进的思维进化算法对神经网络进行优化。建立了结合思维进化算法的神经网络短期负荷预测模型,该优化算法改善了思维进化算法的缺陷,改善了神经网络的泛化能力,从而明显提高了模型的预测精度,预测负荷的平均误差可以控制在1.5%以内。证明此算法对于电网短期负荷预测是实用的和有效的。     

在足球运动中培养学生团结协作能力路径探析

足球运动是一项强调团队协作能力的运动,如何在进行足球运动的时候提升学生的团队协作能力是体育教师开展足球运动教学的重点。基于此,笔者着重对如何在足球运动中大幅度提升学生的团队协作意识能力进行了探讨。     

基于稠密卷积神经网络的遥感图像自动色彩校正

对于单幅遥感光学图像,目前已经有很多有效的色彩校正算法,但是这些算法需要人工经验或对场景的先验知识,无法满足对快速增长的海量遥感图像进行自动化处理的需求。针对这一问题,提出一种基于稠密卷积神经网络的遥感图像自动色彩校正方法DCN（dense convolutional networks）。该模型可以预测遥感图像的RGB通道的颜色校正系数K,从而对原始图像进行自动色彩校正。DCN使用稠密模块代替部分卷积层,用更少的层数实现更多的连接。DCN模型由3 000幅GF-2号遥感图像在Tensorflow框架上训练得到,损失函数为颜色校正系数向量与真值向量之间的色偏角θ。经过测试验证,校正后的图像与原图像仅有很小的色偏角,且与真实地物颜色吻合。与传统方法相比,该方法在训练后,可直接使用生成的模型对训练集中未出现的图像进行颜色校正,无需对场景的先验知识和人工经验,也无需参考图像,可实现对海量遥感光学图像的自动化色彩校正。与传统的卷积神经网络CNN（convolutional neural networks）相比,基于DCN的模型拥有更少的参数和更好的泛化能力,而且不受输入图像大小的限制,在测试集上有更好的结果。     

雅鲁藏布江流域度日因子空间变化

度日模型以冰川/积雪消融与正积温的线性关系为基础,因其简单易用且性能卓越而被广泛应用于冰川与积雪径流研究。然而,度日因子,作为模型中最重要的参数,很难获取空间分布数据,尤其在海拔较高和地形极其复杂的雅鲁藏布江流域。随着分布式水文模型的发展,对度日因子的空间分布数据的需求已成为研究冰川消融领域的挑战性问题。本研究的目标是基于实际观测的冰川度日因子估算雅鲁藏布江流域内分布式度日因子数据。其中,在雅鲁藏布江流域内或周围已观测冰川的地形因子与度日因子高度相关性被充分考虑。最后,利用不同冰川朝向的雪线进行间接验证本研究得到的分布式度日因子。本工作表明,基于实际观测的度日因子,采用充分考虑地形因素的回归模型及改进的滤波算法可以很好地重建雅鲁藏布江流域空间分布的度日因子数据。结果表明,雅鲁藏布江流域下游的冰川度日因子比上游和中游低,可能是由于上游和中游受印度洋季风影响导致降雨较少以及太阳辐射较多。为了能更好地估算冰川融水径流和管理水资源,分布式的冰川度日因子重建及验证仍需进一步研究。     

我国煤炭需求预测神经网络实现

建立煤炭需求预测神经网络模型,设计了网络结构,采用有弹回的BP算法对网络进行了训练,经泛化能力检验,网络的训练误差满足要求,并用训练模型对我国煤炭需求进行了预测。     

基于局部泛化误差模型的RBFNN的启发式训练方法

研究如何应用吴永贤(W.W.Y.NG)提出的局部泛化误差模型来训练径向基函数神经网络(RBFNN),给出了一种训练RBFNN的启发式训练方法.实验表明,该方法成功解决了模型结果计算时间复杂度问题,同时RBF'NN的训练精度也达到令人满意的结果.     

基于颜色信息的多机器鱼并行视觉跟踪算法

在多仿生机器鱼协作系统 (MRFS)中,如何快速、准确获取多机器鱼运动信息和环境信息是决策和控制的基础。介绍了MRFS中视觉子系统的实现及其多目标实时跟踪策略。结合机器鱼本体和场地背景的特征,提出了一种基于色度直方图和饱和度直方图的自适应阈值分割算法 ;同时,结合计算机并行处理技术,利用MMX指令和SSE指令,对整个跟踪算法进行了并行性优化。该视觉子系统已成功应用于MRFS中,能实时跟踪自由游动的机器鱼和多个障碍物.     

低剂量照射条件下CT影像快速重建算法研究

针对现行商业CT中搭建的滤波反投影算法已不能胜任低剂量照射条件下的影像重建任务问题,提出了一种新的基于非线性压缩感知的图像重建算法.该算法将目标函数的正则化项引入了非线性滤波操作,有效地利用了非线性滤波在图像去噪方面的优势.利用凸优化领域的临近点算法对目标函数进行最小化处理,构建出行处理型快速迭代算法.利用实际临床腹部...     

DELTA势阱改进QPSO优化BP算法及其应用

为了改进BP算法预测性能,提出QPSO-BP模型.该模型采用DELTA势阱改进的量子粒子群(QPSO)算法优化BP网络的权值与阈值,然后利用各年的GDP数据进行训练和预测.结果表明:经过DELTA势阱改进的QPSO优化BP算法模型比PSO-BP模型和BP神经网络更稳定,预测精度更高且泛化能力更强.与文献中所用模型的运算结果相比较,这种改进模型运算结果的相对误差和平均误差更小,在准确性上也有一定的优势.     

教学与课程改革：从一个场景到另一个场景——兼论教育的味道

无论教育还是教学,都极其缓慢地进展着,教育和教学都是一个场景或者情境,其本身固有的味道是不变的,变化的只是场景或者情境.一次社会变革也许会产生些许奇迹,然而,人的本质不会出现奇迹.教育和教学要把人带到家与园之中,老师和学生共同走进家园.     

下行多用户MIMO中基于SLNR的迭代用户功率分配

在下行多用户多输入多输出(MU-MIMO)场景下,考虑最大化信号泄漏噪声比(Max-SLNR)预编码,提出一种通过迭代方法进行用户间功率分配的算法. 通过与已有用户功率分配算法的比较,该算法进一步提高了系统吞吐量. 仿真结果表明,本算法可以通过减少迭代次数降低算法复杂度,而几乎不损失系统性能.     

基于TBD策略的船舶交通流视觉图像统计方法

为提高在天气恶劣、目标密集、目标被遮挡及其他复杂海况下船舶交通流统计的准确率,提出一种将目标检测算法CenterNet、多目标跟踪算法DeepSORT与凸包算法中优化逆时针(counter clockwise, CCW)判断的单线法相结合的船舶交通流视觉图像统计方法。使用Python对所选的数据和场景进行测试,结果表明:CenterNet在多场景检测中比YOLOv3更优秀;基于目标检测的多目标跟踪算法具有良好实时性,能够有效对抗因目标抖动、密集、被遮挡等所导致的目标丢失,继而减少船舶交通流统计时常出现的漏检、错检和重复统计等问题。     

动画场景设计中隐喻的应用与营造研究

动画的场景设计是整个动画设计中非常重要的一部分,若在动画场景设计中嵌入隐喻的塑造,既能够丰富整个动画的艺术表现,又提升了动画的内涵旨趣。本文通过研究动画场景设计与隐喻相关的理论,从色彩、符号和功能三个方面解析如何在动画场景设计中塑造和表达隐喻。