原油轻烃反吹色谱分析

利用程序升温进样(PTV)和切割反吹色谱分析技术对原油C₁₅及以前的轻烃组分分析方法进行了研究。通过对压力(P₁,P₂)、变压时间和变压速率等进行优化选择,在切除中—重质烃类物质、保护分析柱的同时实现了轻烃组分的快速分离分析,几个难分离物质对的分离度都优于GB/T18430.1—2001和美国1998ASTM:D5134—98的要求,分析结果稳定可靠,轻烃指纹参数和正常色谱分析结果有很好的可比性。应用此方法对准噶尔盆地部分原油样品进行了分析,轻烃地球化学参数特征清晰地反映了油样的同源性和运移方向。      

利用曲线拟合对触觉数据的压缩

为减轻离线触觉数据压缩带来的失真变形,提出利用曲线拟合的压缩方法.在假定触觉数据所对应原触觉信号能用分段二次参数曲线表示的前提下,通过反向采样过程来构造触觉数据拟合曲线,该曲线由分段二次曲线组成,在连接处达到切线连续,且每段二次曲线对原触觉信号具有二次多项式逼近精度.为避免保存拟合曲线的所有系数以进一步提高数据减少率,对拟合曲线系数进行了迭代求解,从而只需编码保存部分系数即可解码.实验结果表明,该方法在保持高数据减少率的前提下减轻了压缩失真变形.     

不规则网格上的曲面设计方法

提出一种在不规则网格上构造曲面的方法.其基本思想是,通过均匀双三次B样条基函数的分解和子基函数的分类,将B样条曲面方法推广到任意四边形网格.给定一个任意四边形控制网格,首先对每个控制点构造一个基函数;所有控制点加权组合形成整体曲面.构造的曲面是分片双三次有理参数多项式曲面.此方法可以看成是均匀B样条曲面构造方法的扩展,如果控制网格是规则四边形网格,那么构造得到的曲面与均匀双三次B样条曲面是一致的.最后,实例证明此方法能够有效地构造曲面.     

三角网格上五次齐次代数曲面的重构

提出三角网格上重建代数曲面的一种方法,利用三次控制曲面来构造五次具有"齐次"形式的GC<'1>光滑曲面,所构造的代数曲面具有2次精度、局部性好、计算量低、自由参数几何意义明确的优点;而且这个五次代数曲面在与一簇特殊的平面相交时,交线为一个四次代数曲线和一条直线,从而化简了这类曲面参数化的计算量.     

散乱数据点多项式插值光顺曲面的构造

为了得到光顺的多项式插值曲面,首先把空间散乱数据点划分为三角形网格,在每个给定数据点处构造C^1连续的分片二次多项式曲面片,针对各数据点的邻接点个数不同,分别利用弯折能量和拉伸能量建立目标函数,极小化目标函数确定插值曲面的未知量,在保持原有的形状特征的同时构造光顺的分片插值曲面,最后用实例说明了文中方法的有效性．     

预训练模型特征提取的双对抗磁共振图像融合网络研究

随着多模态医学图像在临床诊疗工作中的普及,建立在时空相关性特性基础上的融合技术得到快速发展,融合后的医学图像不仅可以保留各模态源图像的独有特征,而且能够强化互补信息、便于医生阅片.目前大多数方法采用人工定义约束的策略来实现特征提取和特征融合,这容易导致融合图像中部分有用信息丢失和细节不清晰等问题.为此,提出一种基于预训练模型特征提取的双对抗融合网络实现MR-T1/MR-T2图像的融合.该网络由一个特征提取模块、一个特征融合模块和两个鉴别网络模块组成.由于已配准的多模态医学图像数据集规模较小,无法对特征提取网络进行充分的训练,又因预训练模型具有强大的数据表征能力,故将预先训练的卷积神经网络模型嵌入到特征提取模块以生成特征图.然后,特征融合网络负责融合深度特征并输出融合图像.两个鉴别网络通过对源图像与融合图像进行准确分类,分别与特征融合网络建立对抗关系,最终激励其学习出最优的融合参数.实验结果证明了预训练技术在所提方法中的有效性,同时与现有的6种典型融合方法相比,所提方法融合结果在视觉效果和量化指标方面均取得最优表现.     

适于图像压缩的二维8&#215;8DCT查表快速算法研究

基于基本图像的概念及其对称性,提出一种计算二维8&#215;8离散余弦变换（DCT）量化后系数的查表快速算法．新算法在消除乘法运算的同时也减少了加法运算量．通过设计查找表结构和组织数据,使得每次访问存储器得到的不是一个乘积数据而是一组乘积数据,有效地减少了查表次数;通过研究基本图像的对称性及DCT计算过程中数据的范围情况,减小了查找表（LUT）的长度．整个计算过程具有很强的并行性．在图像变换编码时,利用新算法可只计算需要被编码和传输的低频变换系数,以大大减少运算量．     

基于多尺度小波包分析的肺音特征提取与分类

提出了一种适于非平稳肺音信号的特征提取方法.以4种肺音信号（正常、气管炎、肺炎和哮喘）为样本数据,通过分析肺音信号的时频分布特点,选择了具有任意多分辨分解特性的小波包.对小波包进行空间划分后找到了适合肺音特征提取的最优基,并基于最优基对肺音信号进行快速多尺度的分解,得到了各级节点的高维小波系数矩阵,建立了小波系数与信号能量在时域上的等价关系,并将能量作为特征值,构造了低维的作为分类神经网络的输入特征矢量,大大降低了输入特征的维数.研究表明该算法的识别性能是高效的.     

带约束的曲面放缩

提出了一种保持曲面形状特征(trimming curves)不变的曲面放缩新方法.该方法的关键是使用了一个新的目标函数来极小化放缩前后两曲面的差别.该目标函数由放缩前后两曲面对应点的导矢叉乘的平方的积分来定义.极小化该目标函数能够保证放缩前后曲面对应点的法向变化尽可能地小,从而保证两个曲面的形状和曲率分布尽可能接近.通过与Fix-and-Stretch方法的比较,新方法对一些汽车部件数据得到了更好的结果.最后给出了两种方法得到的结果曲面的高光线模型.