基于多普勒激光雷达的风场预测

采用灰色理论、BP神经网络、布朗三次指数平滑算法来对雷达风场预测进行研究。利用香港国际机场激光雷达数据对风场PPI扫描风速进行预测,得到了预测时刻机场区域整个风场的概况,让飞行员能提前了解机场区域内未来一段时间的风场环境;使用下滑道扫描数据对飞机在下滑道附近的迎头风进行预测,从而更精确地预测飞机在起飞和降落过程中将会遇到的风场波动,使飞行员能够在风切变探测系统告警之前,增加飞行员进行反应和相关准备的时间。对实验结果的统计分析表明:布朗三次指数平滑预测在延长预测时间时,预测精度随时间的增加而下降的趋势较明显;灰色预测和BP网络预测在风场变化很大的情况和延长预测时间时,仍能在一定程度上保证预测精度;灰色预测较BP网络预测效果稍好。     

N-(2-(4,6-二甲氧基嘧啶-2-羰基)苯基)取代甲酰胺类衍生物的合成及除草活性试验

实验以2-(2-硝基苯基)乙腈为原料,经取代、氧化、还原、酰化四步反应合成系列N-(2-(4,6-二甲氧基嘧啶-2-羰基)苯基)取代甲酰胺类化合物,其中目标物的合成条件温和,收率64％～95％,其结构经核磁共振谱、质谱和元素分析进行确认,测定了合成化合物的除草活性.在150 g ai/hm2的剂量条件下,合成化合物无除...     

基于改进高斯随机测量矩阵的切削力信号压缩感知方法

高速加工过程中，依据传统Nyquist-Shannon采样定理进行信号采集通常会面临海量数据的存储、传输和处理难题。基于压缩感知理论提出了一种切削力信号采集新方法，实现信号压缩式采集。选择高斯随机矩阵作为基础测量矩阵，并结合近似正交三角分解和最小相关系数法对高斯随机矩阵进行重新设计，提高其压缩测量性能，再借助高效的压缩采样匹配追踪算法从测量值中恢复得到原始切削力信号。实验结果表明，改进的高斯随机测量矩阵具有更高的重构精度和稳定性，所提出的压缩感知方法在保证切削力数据重构效率和精度的同时，显著减少了数据量。     

基于改进先验形状CV模型的目标分割

由于空间目标姿态变化较大,且其灰度与地球背景差异较小,传统CV（Chan and Vese）模型难以获得理想的分割结果。针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别问题,Chan和Zhu在CV模型基础上引入先验能量项,构建的先验形状模型只具有旋转、缩放和平移不变性。本文提出了一种先验形状约束的变分水平集改进模型,用于分割星空及复杂地球背景下的空间目标。在保持先验形状模型具有旋转、缩放和平移不变性的基础上,本文改进的变分水平集模型增加了X、Y方向拉伸以及剪切不变约束能量项,增强了先验形状对目标变化的自适应性。实验结果表明本文方法对复杂背景下姿态变化较大的空间目标,具有更好的分割效果。      

概率论与数理统计 第五讲 相关分析及其在纺织上的应用(一)——线性相关

如要研究随机变量(自变量)x_1、x_2、……x_k 与另一随机变量(应变量)y 之间的联系关系,要建立方程式 y=f(x_1、x_2、……x_k),则可通过两条途径:一是从理论上推导,例如要研究纤维性质、工艺参数与成纱强力的关系,可以从成纱结构、断裂机理等方面进行推导,以导出理论关系式;另一是从大量实验观察数据,运用统计方法获得经验方程式,这就是所谓相关分析。有时在相关分析中,也可先经理论分析,求得一般     

全卷积网络电线识别方法

目的 电线预警对于直升机和无人飞行器的低空飞行安全至关重要,利用可见光和红外图像识别电线是一个有效途径。传统识别方法需要人工设计的滤波器提取电线的局部特征,再使用Hough变换等方法找出直线,支持向量机和随机森林等机器学习方法仅给出图像中有无电线的识别结果。本文提出一种基于全卷积网络的电线识别方法,能在自动学习特征提取器的同时得到电线的具体位置等信息。方法 首先利用复杂背景生成大量包含电线图像和像素标签的成对仿真数据;然后改进U-Net网络结构以适应电线识别任务,使用仿真数据进行网络训练。由于图像中电线所占的像素很少,因此采用聚焦损失函数以平衡大量负样本的影响。结果 在一个同时包含红外图像和可见光图像各4 000幅的电力巡线数据集上,与VGG（visual geometry group）16等多种特征的随机森林方法相比,本文方法的电线识别率达到了99%以上,而虚警率不到2%;同时,本文方法输出的像素分割结果中,电线基本都能被识别出来。结论 本文提出的全卷积网络电线识别方法能够提取电线的光学图像特征,而且与传统机器学习方法相比能将电线从场景中精确提取出来,使得识别结果更加有判断的依据。     

参数自适应的KPCA先验形状约束目标分割

为克服固定先验形状在分割可变形目标时的困难,提出一种基于核主元分析(KPCA)的参数自适应先验形状约束水平集分割方法.首先使用KPCA变换获取目标先验形状特征空间的基底向量;其次用Parzen窗估计待分割图像的灰度分布以构造图像数据能量项;然后使用仿射变换对齐图像感兴趣区域与先验形状,从而将目标形状先验知识集成到分割模型中;最后在基于水平集方法求解演化方程时自适应地估计参数,实现形变目标的分割.实验结果表明,相比于CV (Chan-Vese)模型和单先验形状约束的水平集方法,该模型能够有效地分割不同姿态的目标形状.     

一种利用校对信息的汉字识别自适应后处理方法

后处理技术是汉字识别系统的重要组成部分。传统的识别后处理技术在很大程度上依赖于所训练的统计语言模型,没有考虑所处理文本的特殊性;而且没有利用识别器的动态识别特性。本文利用部分校对过的正确本文信息,一方面可以构建自适应语言模型,及时发现所处理文本的语言特点;另一方面可以利用识别器的动态识别特性,以修正候选字集;从而使得后续文本的识别后处理具有自适应性。40 万字的数据测试表明:这种方法的文本平均错误率较传统的后处理方法下降35.24%了,可以大大减轻数据录入人员的工作量,具有较高的实用价值。     

锦州石油焦性能及其生产普通石墨电极的质量

通过对锦州焦与大庆焦的对比实验，分析了锦州焦的特性。与大庆焦相比，锦州焦的灰分偏高，挥发分偏低、硫含量稍高，煅后焦颗粒强度大，堆积密度大；用锦州焦制造的各种规格石墨电极，其CTE、体积密度、强度、电阻率均比大庆焦的高。     

基于多尺度生成对抗网络的大气湍流图像复原

大气湍流会导致图像发生畸变和模糊,为对单幅大气湍流退化图像进行复原,提出一种基于多尺度生成对抗网络（GAN）的图像复原方法。采用GAN框架,在生成器网络中添加多尺度注意力特征提取单元与多层次特征动态融合单元,从而提升模型的感受野范围。在此基础上,引入特征融合机制以实现湍流退化图像复原。实验结果表明,相比标准GAN、SIU-Net模型,多尺度GAN能显著提高图像的视觉质量,有效降低图像的模糊和几何畸变程度。