二次通用旋转组合设计在优化热敏胶乳配方中的应用研究

以3种热敏剂为试验因素,采用二次通用旋转组合设计试验方案,分别建立3种热敏剂用量与热敏胶乳的热稳和粘度关系的二次多项式回归数学模型,优选热敏胶乳的配方。结果表明:当热敏剂醋酸铵、聚乙烯甲基醚和聚乙二醇600的用量分别为0.5,0.9和0.75份时,胶乳的热稳和粘度满足成型工艺要求,停放熟成16h后热稳为52s,粘度为67.5mPa·s。     

基于改进Transformer的结构化图像超分辨网络

针对现有的结构化图像超分辨重建算法大多只能解决特定单一种类的结构化图像超分辨问题，提出一种基于改进Transformer的结构化图像超分辨率网络（TransSRNet）.该网络利用Transformer的自注意力机制在空间序列中挖掘大范围的全局信息.采用沙漏块结构搭建空间注意力单元，关注低分辨率空间和高分辨率空间在局部区域的映射关系，提取图像映射过程中的结构化信息，使用高效通道注意力模块对自注意力模块和空间注意力模块做特征融合.在高度结构化CelebA、Helen、TCGA-ESCA和TCGA-COAD数据集上的模型评估结果表明，相较于主流超分辨算法，TransSRNet整体性能表现更好.在放大因子为8时，人脸数据集和医学峰值信噪比（PRNR）可以分别达到28.726、26.392 dB,结构相似性（SSIM）可以分别达到0.844、0.881.     

基于Volterra模型的月径流预测研究

引入低维混沌动力系统相空间坐标重构的Volterra自适应模型，对多年月均径流序列采用二阶Volterra自适应滤波器进行预测，以大渡河石棉水文站33年的月径流量预测为例进行验证，预测相对误差〈10％的月份占73．3％，相对误差〈20％的月份占90．0％，与人工神经网络预测结果进行对比，表明该方法准确率较高。     

基于集对分析的相似流域选择方法

集对分析（SPA）是处理不确定性问题的一种新理念，认为在一个系统中确定性与不确定性相互联系、影响、制约，并在一定条件下相互转化，用联系度来描述系统的各种不确定性，由此实现对系统的决策。为了改进水文计算中选择相似流域的经验性方法，首次提出了水文计算中相似流域选择的集对分析方法，用联系度来描述设计流域与参证流域的同异反程度。与其他方法相比，该方法具有概念明确、计算简便和实用的特点。     

颜色和形状特征分离和局部整合的研究

特征绑定是特征分离和整合的过程。为探究视觉系统处理图像颜色和形状特征的动态绑定过程,提出基于任务的独立成分分析(T_ICA)和最短距离聚类相结合的方法,并将其应用于任务态下采集的脑功能(fMRI)数据,实现颜色和形状处理功能的分离和局部整合。结果表明,T_ICA将f MRI数据分离成彼此独立的特征成分,其中包含有目标特征成分和其他成分;聚类方法实现了颜色功能和形状功能的局部整合,形成了两个分别处理颜色和形状的基本感知系统。通过研究人脑视觉特征绑定机制为计算机视觉捆绑的研究与应用提供一定的参考价值。     

基于鲁棒PCA聚类分析的径流周期特性研究

为了研究多年来河流天然径流的变化周期,引入鲁棒PCA(Principal Component Analysis)方法实现大量非线性流量数据的压缩和特征提取,得到了更具表征性的主成分,在此基础上提出了基于加权主成分距离和密度的径流聚类分析方法和径流周期特性分析的模糊模式识别算法.通过嘉陵江支流白龙江下游的三磊坝水文站1964~2002年周平均流量数据的实验和仿真,得出了该站径流具有7年的显著周期和相应的隶属度,从而证明了本文提出的基于鲁棒PCA聚类分析的径流周期特性研究方法具有较好的适用性.     

二苯甲酰-D-酒石酸及其一水盐的合成

以D-酒石酸与苯甲酰氯为原料反应合成二苯甲酰-D-酒石酸与其一水盐，两者均为重要的手性拆分剂。     

一种结合自注意和多尺度生成对抗网络的图像去雨方法

为去除雨天拍摄照片上的雨滴,针对被雨滴所覆盖区域未知,雨滴区域中大多数背景信息已经丢失,以及需要提升图像清晰度和对全局信息关注度的问题,在生成对抗网络中生成网络的自动编码器结构中添加自注意层,并在判别网络中引入多尺度判别器。通过注意力分布图的引导,自注意层的优化和多尺度判别器的评估,生成网络在关注雨滴区域的前提下进一步关注全局信息,多尺度判别器可由粗到细更好地判别雨滴图像与清晰图像之间的差距。实验完成了所提方法与其他方法的对比,以及自对比,并用峰值信噪比和结构相似性进行评估,结果表明了所提方法的有效性,其质量和指标数值均高于其他方法。     

溢洪道大型弧形工作闸门制造工艺改进与实践效果

在制造大型弧形工作闸门的过程中,通过改进技术,不但保质、按期完成生产任务,而且还提高了经济效益。     

基于快速高效用项集挖掘的大规模消息流预测算法研究与应用

为了提高大规模消息流话题预测的准确性与效率,提出基于高效用项集挖掘的消息流话题预测算法。计算时间窗口中词汇的内部效用与外部效用,根据会话内所有词汇的效用计算最小效用值;采用高效用项集挖掘算法产生候选话题模式集,随之提取最终的话题模式。为了提高高效用项集挖掘的时间效率与存储效率,设计三角项集效用树保存项集的效用信息,设计话题搜索树保存候选话题模式集。最终基于真实消息流数据集进行实验,结果显示该算法有效地提高了话题预测的准确率,并且实现了较快的响应时间。