集成成像三维数字重构技术研究

集成成像三维重构技术作为一种真三维重构技术,成为当今三维成像与显示领域的重要研究方向。以光线追迹方法为基础,使用像素映射算法实现了三维场景的数字重构;同时使用对同名像点提取误差具有较强鲁棒性的统计重构算法对三维场景进行高精度数字重构,并开展了标准量块的数字重构实验,实现了量块的高精度数字重构。     

基于分时重构混沌相空间的电力系统负荷短期预测

为了实现高精度的电力系统负荷短期预测,该文对电力系统负荷时间序列数据分时段进行相空间重构,并计算分形维数和提取最大Lyapunov指数,经分析得出了系统负荷分时序列数据的演化具有混沌特征,由此提出了短期电力系统负荷的分时重构混沌相空间预测算法,相比目前通常采用的单一时间序列混沌预测算法,该算法具有相空间嵌入维数少和模型参数配置灵活的特点,通过电力系统负荷短期预测实例验证,结果表明该算法比单一时序混沌预测算法在预测精度上有显著提高。     

压缩感知在医学图像压缩中的应用

调研压缩感知的数学理论基础和常用方法,包括稀疏变换、测量矩阵和重构算法,利用Matlab软件实现压缩感知实验,比较几种测量矩阵的性能,提出双阈值分块正交匹配追踪重构算法。根据图像不同区域信息量的不同,采取分块处理的方法并加入采样阈值,针对不同子图像块采取不同采样率,提高采样效率;加入判断阈值,降低重构效果对采样阈值的依赖。实验结果表明,该方法能够以较低的采样率实现较高的重构精度,使压缩感知在医学图像压缩方面得到了较好应用。     

基于分时重构混沌相空间的电力系统负荷短期预测

为了实现高精度的电力系统负荷短期预测,该文对电力系统负荷时间序列数据分时段进行相空间重构,并计算分形维数和提取最大Lyapunov指数,经分析得出了系统负荷分时序列数据的演化具有混沌特征,由此提出了短期电力系统负荷的分时重构混沌相空间预测算法,相比目前通常采用的单一时间序列混沌预测算法,该算法具有相空间嵌入维数少和模型参数配置灵活的特点,通过电力系统负荷短期预测实例验证,结果表明该算法比单一时序混沌预测算法在预测精度上有显著提高.     

浅谈大学非计算机专业C语言教学改革

C语言是大学非计算机专业学生在学习计算机公共基础课程不可或缺的内容之一,其课程教学效果的好坏对学生计算机应用能力的发展有着重要影响.就目前来看,国内诸多高校虽然都开设了这门课程,但大多都未获得理想的教学效果,因此,为了不断提升学生学习编程,以及沟通、交流能力,应充分重视起C语言教学改革.