基于模糊模式识别的径流特性分析

为了探讨河流天然径流的演变规律,引入模糊模式识别的理论和方法对流量序列进行研究,给出了基于模糊聚类的径流丰枯特性分析的方法;在对径流丰、中、枯聚类基础上提出了基于模糊模式识别的多维丰枯周期特性分析方法。以嘉陵江支流白龙江下游的三磊坝水文站多年月平均流量数据为例,得出了该站径流各年的丰枯特点、丰枯周期及相应的隶属度。该方法的多维径流特性分析结果与分析尺度和数据维数有关。     

多输入单输出BP网络预测的非线性预处理研究

非线性预处理在人工神经网络多输入单输出系统日径流预测中的性能主要取决于各输入序列和输出序列的变换组合方式,具有类似变化特征的输入和输出各序列采用变换特性相近或相同的变换方式相比于采用不同的变换组合具有更好的预测效果.以广西桂江流域阳朔、恭城和平乐3个水文站1973年～2001年的日径流量为例,研究了不同组合变换下的MISO非线性预处理预测效果.结果表明,非线性预处理预测均比线性预处理相对误差<10%、<20%和<30%的合格率分别平均提高17.87%、15.85%和8.29%;相同的变换组合比不同的变换组合相对误差<10%、<20%和<30%的合格率分别平均提高3.52%、2.19%和1.24%.     

基于谱残差和聚类法的运动目标检测研究

传统基于特征点匹配的目标检测算法目标识别率低、误检率较高是因为特征点匹配不准确、目标轮廓不连续。针对这一问题,分别引入谱残差算法和k means聚类算法,并加以改进,提出一种基于谱残差算法和k means聚类算法的运动目标检测算法。具体方法是：首先,每隔两帧提取加速鲁棒特征SURF并对图像配准,再对帧差结果采用谱残差算法提取视觉显著性特征,去除因匹配不准确造成的噪点和伪运动目标;其次,形态学处理之后引入改进后的k means聚类算法,对不连续的轮廓进行聚类;最后形成完整的目标。实验显示,本文算法目标识别率达到90.61%,误检率达到21.25%,分别优于传统基于SURF特征的运动目标检测算法66.60%的识别率、31.91%的误检率和基于新的局部不变性特征ORB匹配的目标检测算法87.573%的识别率、26.80%的误检率。虽然该算法平均运行时间为18 fps,但仍可以满足视频流畅的需求,因此动态背景下该算法可做为一种有效的运动目标检测算法使用。     

基于属性和任务的网格授权研究

网格计算作为一种新的分布式计算基础架构,因其资源、服务的异构、动态等特征,决定了安全机制的重要性.访问控制是安全的一个重要的部分.现有的网格授权模型多是基于传统的访问控制方式,没有考虑到网格环境中主体属性和对象属性的多样性,以及具体的任务和执行环境.在借鉴和使用控制模型的基础上,提出一种基于属性和任务的网格授权模型.该模型在考虑主体属性和对象属性的同时,结合具体的任务和执行环境进行授权,并能够在主体属性和对象属性发生变动的情况下,实现动态授权,从而在一定程度上避免了滥用权限的现象.     

基于fMRI的思维数据分析方法研究

利用功能磁共振成像(functional magnetic resonance imaging,fMRI)技术解读思维数据,已经实现大脑活动的功能定位,但是大脑的思维过程具体如何运行还不得而知;利用何种分析方法更能揭示思维过程也待进一步研究.采用解决4×4数独问题和图像情感反应的两种刺激任务获取思维过程数据,来分别解读不同的思维状态,探索适用于不同思维数据的分析方法.实验数据证明t-test的特征选择方法、峰值所在时间点的特征提取的方法和SVM分类算法较适用于分析这两种不同思维状态的fMRI数据,揭示正确的思维状态.     

基于颜色和形状任务的脑区功能连接的研究

针对视感知中的特征捆绑问题主要通过以下三个方面进行研究：首先,构建静息态和任务态的脑网络,利用堆结构贪婪算法进行模块划分;其次,计算视觉脑区之间的Z值;再次,计算视觉脑区之间的连接度。实验证明了视觉信息加工的两条通路、脑网络动态平衡特性以及参与绑定的重要脑区。研究视觉特征捆绑认知过程,有助于计算机视觉建模,为提高图像识别技术奠定基础。     

1-氯-2-甲基-4-乙酰氧基-2-丁烯制备方法的改进

用次氯酸钙和乙酸作用生成的缓冲体系非常温和,在此体系下以异戊二烯为原料进行的氯醇化反应收率可达88.6%,反应混合物可以进一步酯化重排制备维生素A的中间体1-氯-2-甲基-4-乙酰氧基-2-丁烯。     

纺织织物抗渗水性测定——静水压测试方法的探讨

使用静水压仪对防水面料进行抗渗水试验测试时常遇见某些面料实际的抗渗水试验终止的现象与标准中所描述的有差异,本文概述了这些现象,分析了原因,提出了相应的对策与建议。     

彩色图像特征捆绑的自动模型构建

特征捆绑问题是认知科学和神经科学的中心问题之一。为了对彩色图像中颜色与形状这两种最基本特征实施捆绑,在简化脉冲耦合神经网络(PCNN)模型的基础上,提出一种基于矢量的特征捆绑脉冲耦合神经网络模型。在该模型中,利用神经元的第1次脉冲发放时间将不同的特征进行分离,同时利用神经元的自身输入刺激将属于同一感知对象的不同特征进行捆绑。仿真实验结果表明,该模型能够很好地实现彩色图像特征的分离和捆绑,并实现迭代次数的自动判定,对脉冲耦合神经网络模型在彩色图像特征捆绑的研究和应用中具有一定的参考价值。     

基于PLC控制的加工中心随机换刀方式研究

基于西门子S7-200PLC控制器,研究现代加工中心随机换刀方式的实现方法,通过编程方式着重介绍刀库定位的 控制过程,同时给出相应的控制流程图和梯形图程序。