基于改进卷积神经网络的平面地图道路模糊推理分割方法

由于平面地图呈现方式单一且有限,为提升其多样性需准确分割平面地图中的道路区域。提出一种基于改进CNN(convolutional neural network)平面地图道路和模糊推理分割的方法。选取两个道路信息丰富的数据库,实验选取百度地图(Baidu)数据库和高德地图(Amap)数据库,标记得到含标签信息的像素训练集;用Sigmoid分割目标函数代替复杂的Softmax函数分别训练得到Baidu-CNN模型和Amap-CNN模型;对得到的像素点概率进行非线性映射,构建模糊推理系统;将非线性映射后均匀分布的像素点概率输入模糊推理系统,判断像素点属于道路区域的概率,得到道路分割结果。结果表明:所提算法得到的平面地图道路分割模型较传统算法分割效果更好;准确率可以达到94.49%;单张平面地图的道路分割速度可达到5 s。     

基于COMPOSITE设计模式与XML实现变差函数模型的一致表达与存储

采用COMPOSITE设计模式表达复合变差函数的内存模型,为各种类型的变差函数模型实现了统一的访问接口,显著提高了核心代码的重用程度及系统的可维护性和扩展性。同时利用XML实现了变差函数模型的序列化和动态导入,不仅可以方便地记录模型信息,还可以清晰地展现模型的内部结构,为模型的评价分析、模型的对比选择以及相似地质背景下的复用提供了基础。     

纳米技术在传统纺织业的应用

简要介绍了纳米技术对传统纺织业的影响,并对它在纺织业中的应用方向和方法作了详细阐述,最后提出了展望.     

一种基于数据分块的海量地形快速漫游方法

大范围、海量地形数据的快速漫游是GIS、虚拟现实、游戏、仿真等领域的关键技术与难点之一。在目前地形数据简化算法的基础上,结合计算机硬件技术的发展,采用基于数据分块、部分数据常驻内存以及与视点相关的静态LOD模型实现了对任意格网大小海量地形数据的快速漫游。基于块节点的视景体裁剪、三角形条带组织以及边界裂缝消除、视觉光滑处理等手段的运用,提高了地形漫游的效率与可视化效果。     

基于COMPOSITE设计模式与XML实现变差函数模型的一致表达与存储

采用COMPOSITE设计模式表达复合变差函数的内存模型,为各种类型的变差函数模型实现了统一的访问接口,显著提高了核心代码的重用程度及系统的可维护性和扩展性。同时利用XML实现了变差函数模型的序列化和动态导入,不仅可以方便地记录模型信息,还可以清晰地展现模型的内部结构,为模型的评价分析、模型的对比选择以及相似地质背景下的复用提供了基础。     

基于高拉伸度遗传算法的相关干涉仪测向算法

针对相关干涉仪测向中相位差模糊导致的强非线性问题,提出一种基于高拉伸度的改进遗传算法,该算法以遗传算法中择优选取机制为基础,通过定义拉伸度,根据相关干涉仪测向中相关函数及其对自变量的偏导数在目标方向附近均趋近于0的特性,设计新的适应度函数,增大全局最大值附近适应度函数的拉伸度,扩大与其他方向的适应度的差距,从而实现对选取机制的优化。仿真实验表明,该算法复杂度低,当测向精度基本相同时,测向时间约为网格法的1/600,且具有良好的适用性,可以广泛应用于其他求解最大值的问题中。