CW—FAX V1.0中文传真软件

CW－FAX是利用计算机进行传真的软件，它不仅支持DOS应用环境，同时也适用于中文工作环境。本文介绍了CW－FAX中文传真软件的工作环境、工作原理及功能，尤其对中文信息的处理方面做了较详细的论述。     

基于候选特征笔画和多类阈值的手写汉字切分

通过分析汉字的常见结构,鉴于汉字与汉字之间的距离和构成汉字的部件之间的距离的显著差异性,提出一种基于候选特征笔画和多类阈值的手写汉字切分方法.首先从构成手写汉字的笔画集合中提取候选特征笔画,根据候选特征笔画将手写汉字预切分,然后利用基于间距阈值的部件组合规则对过切分的汉字部件进行组合,最后采用基于单字宽度阈值的粘连汉字判断规则搜索粘连汉字,对粘连汉字进行递归切分.实验表明,该方法对连续手写汉字的切分准确率较高,具有一定的实用性.     

一种改进dueling网络的机器人避障方法

针对传统增强学习方法在运动规划领域,尤其是机器人避障问题上存在容易过估计、难以适应复杂环境等不足,提出了一种基于深度增强学习的提升机器人避障性能的新算法模型。该模型将dueling神经网络架构与传统增强学习算法Q学习相结合,并利用两个独立训练的dueling网络处理环境数据来预测动作值,在输出层分别输出状态值和动作优势值,并将两者结合输出最终动作值。该模型能处理较高维度数据以适应复杂多变的环境,并输出优势动作供机器人选择以获得更高的累积奖励。实验结果表明,该新算法模型能有效地提升机器人避障性能。     

中央空调系统分户计费的研究

介绍了中央空调系统分户计费原理及现状,并结合国情,提出了改进方案及相关系统结构.     

高原梯度带地区碎裂岩边坡的地震破坏过程分析

针对高原梯度带地区地震诱发碎裂岩边坡变形破坏问题,采用 UDEC软件对地震波４５°斜入射作用下碎裂岩边坡的破坏进行了数值模拟.结果表明,边坡的变形破坏可以分为３个阶段:在地震波作用下,坡顶处的裂隙首先发育并迅速发展,边坡上部岩体被结构面切割而损伤破裂,完整性差,开始出现局部滑动;随着裂隙扩展贯通至节理面处,形成控制性结构面,边坡整体稳定性迅速降低,坡顶岩体开始局部下滑;随着岩体破碎严重区域增加,坡面上岩块以滑坡和崩塌２种形式掉落,形成堆积体,滑动区域逐渐扩展至边坡中下部,直至整体失稳破坏.地震动荷载对边坡的影响区域可分为破坏区和损伤区,破坏区对地震的动力响应明显大于损伤区;坡角和结构面倾角对边坡的变形破坏特征也有影响,坡角、结构面倾角越大,边坡变形破坏越严重.     

双生结构硅氧烷等基材润湿剂在水性油墨中的应用

通过检测水性油墨在不可吸收表面形成漆膜的特性,评价双生结构润湿剂对水性油墨性能的影响。结果表明：通过在水性油墨中添加双生结构硅氧烷基材润湿剂,漆膜的光泽度、稳定性、附着力和表面均匀性都得到了显著改善。     

一种针对雷达高分辨距离像识别的融合核优化算法

本文提出一种针对雷达一维高分辨距离像(HRRP)的核函数优化算法.该算法基于对模-1距离高斯核和模-2距离高斯核的融合,结合两种核函数的不同特性,不仅优化了核函数,同时抑制了HRRP的闪烁效应.文中,基于雷达实测数据,我们将所提算法应用于核主分量分析(KPCA)的核函数优化中,然后采用支持矢量机(SVM)对提取的特征进行了分类.通过对实验结果比较与分析,我们证明该方法是有效的.     

一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法

在目标识别中,对于样本数较多且分布复杂的数据,若将所有训练样本用来训练一个单一的分类器,会增加分类器的训练复杂度,且容易忽视样本的内在结构,不利于分类。因此人们提出了混合专家系统(ME),即将训练样本集划分为多个训练样本子集,并在每个子集上单独训练分类器。但是传统ME系统需要人为确定专家个数,并且每个子集的学习独立于后端的任务,如分类。该文提出一种基于Dirichlet过程(DP)混合隐变量(LV)支持向量机(SVM)模型(DPLVSVM)的目标识别算法,采用DP混合模型自动确定样本聚类个数,同时每个聚类中使用线性隐变量SVM(LVSVM)进行分类。不同于以往算法,DPLVSVM 将聚类过程和分类器的训练过程联合优化,保证了各个子集中样本的分布上的一致性和可分性,而且可以利用Gibbs采样技术对模型参数进行简便有效的估计。基于人工数据集、公共数据集以及雷达实测数据的实验验证了该文方法的有效性。     

一种基于多极化散射机理的极化SAR图像舰船目标检测方法

针对基于单一极化特性增强的极化SAR图像目标检测方法的缺陷,该文将DP(Dirichlet Process)混合隐变量SVM模型(DPLVSVM)应用于极化SAR图像舰船目标检测,提出一种基于多极化散射机理的检测方法。该方法通过联合Dirichlet过程混合与Bayes SVM模型,将信号空间划分成若干局部区域,然后在每一局部区域学习一个独立的极化检测器,并将各局部检测器进行组合实现全局多极化散射机理的目标检测。模型采用非参数化Bayes方法自动确定局部区域数量,在完全Bayes框架下,将局部区域划分及检测器学习进行联合优化,保证了各局部区域样本的可分性。另外,为了降低极化特征冗余,该文进一步提出带特征选择功能的稀疏提升DP混合隐变量SVM模型(SPDPLVSVM),提高模型的推广能力。该模型由于采用共轭先验分布,因而可以利用Gibbs采样方法进行高效求解。在RADARSAT-2数据上进行的实验验证了所提方法的有效性。     

基于软阈值深度学习的自动调制识别算法

自动调制识别是通信识别、电子侦察、干扰检测等领域中重要的环节. 针对低信噪比（signal-to-noise ratio, SNR）条件下自动调制识别准确率不高的问题,构建了一种基于注意力机制的卷积神经网络（convolutional neural network, CNN）调制识别模型（sequential convolution-based attention model, SCAM）,用于处理原始I/Q序列信号从而进行调制识别. 通过在一维CNN模型中引入注意力机制,SCAM能够有效地在低SNR条件下提取原始I/Q序列信号中的特征信息,再通过特征融合的方式对多域特征信息进行联合提取,并将融合后的特征用于调制识别,从而提升了自动调制识别的准确率. 对比传统CNN模型,开源数据集RML2016.10a上不同SNR环境条件下的调制识别实验表明,本文提出的SCAM模型能取得更高的调制类型识别准确率.