基于误差加权哈希的图像检索方法

图像检索技术旨在大规模图像库中准确、快速地检索与查询图像相似的图像。基于此,对误差加权哈希Error Weighted Hashing(EWH)快速近似最近邻搜索算法进行分析,并将其与Locality Sensitive Hashing(LSH)局部敏感哈希、Multi-Index Hashing(MIH)多索引哈希进行分析比较,然后基于误差加权哈希(EWH)算法构建图像检索系统,设计分段哈希索引的结构以及该系统所需要实现的功能模块。     

空间到加权型空间的复合微分前置算子

从算子的性质出发,研究Bloch空间到加权型空间的复合微分前置算子的有界性和紧性,得到了算子有界性和紧性的充分必要条件。     

城市轨道交通车站客流特征影响程度分析

城市轨道交通车站客流特征与其周边建成环境和社会经济因素密切相关，且不同影响因素对客流特征的影响也存在时间和空间异质性。以车站工作日日均客流量、工作日特殊时段(如早高峰进站、早高峰出站、晚高峰进站和晚高峰出站)客流量为因变量，从车站属性、连接性和建成环境3个方面选择23个自变量，采用多尺度地理加权回归(MGWR)模型构建客流特征分析模型，分析不同时间尺度下轨道交通车站客流量的影响因素及其相互作用，并以南京市轨道交通系统进行实例分析。结果表明：与普通最小二乘法(OLS)回归模型和地理加权回归(GWR)模型相比，MGWR模型更为可靠；忽略早晚高峰客流影响的全天客流量预测模型拥有的显著自变量最多，到市中心的距离对客流量有显著的负影响，证明距离市中心越近的车站的客流量集聚性越明显；周边居住、生活类设施占比较高的车站对早高峰进站和晚高峰出站客流有很强的吸引作用，而周边居住、生活类设施占比不高的车站对早高峰出站和晚高峰进站客流有很强的吸引作用。研究结果可以为城市规划部门促进城市轨道交通与城市建设的协同发展提供理论支撑。     

基于熵值法和线性加权模型的承德市新型城镇化路径研究

基于承德市2006—2015年的时间序列数据,采用熵值法和线性加权模型对其新型城镇化路径进行实证研究.结果表明,环保、经济、人类系统和社会建设水平在推进新型城镇化进程中所占地位和影响力度不同.其中人类系统发展水平是加速新型城镇化进程的主要因素和薄弱环节,特别是户籍人口城镇化率和常住人口城镇化率影响最为突出.     

加权源伪抛物型方程解的爆破时间的上下界

研究了一类带加权源的伪抛物型方程的爆破现象，得到了这类问题解的爆破时间的上下界估计.     

基于IRLS的跳频模式下GTD散射参数提取和RCS重构

现代谱估计方法能够反演基于几何绕射理论(geometric theory of diffraction, GTD)的模型参数，但不能处理非均匀不完备的雷达散射截面(radar cross section, RCS)数据。此外，通过暗室测量获取完备的RCS数据也需要较大的时空开销。针对上述问题，提出一种基于迭代加权最小二乘(iteratively reweighed least squares, IRLS)的跳频模式下GTD散射参数提取和RCS重构方法。该方法将稀疏重构理论与GTD散射模型相结合，能够在RCS数据非均匀不完备的条件下反演散射参数和实现RCS重构。仿真数据和电磁计算数据用于验证所提方法的有效性，实验结果表明该方法对降低暗室步进频率RCS的测量成本和扩增雷达RCS数据具有重要意义。     

基于低秩双线性池化注意力网络的舰船目标识别

针对多模态舰船图像融合识别质量不高等问题，构建了一种端到端的低秩双线性池化注意力网络。首先对各模态原始特征向量基于跨模类别中心进行注意力加权重构，使不同模态特征更好地关注公共类别信息；然后采用双线性池化捕获不同模态图像的交互信息，并引入权重低秩分解降低网络参数规模；最后依靠特征级联实现模态信息的交互与互补，并设计联合损失提升网络跨模态融合识别效果。实验结果表明，相比现有融合方法，所提方法可有效提升多模态遥感舰船图像的融合识别效果，在公开的遥感舰船数据集上取得了较高的识别准确率。     

加权Coxeter群(_3,)的胞腔(英文)

仿射Coxeter群(_3,S)可以被看做仿射Coxeter群(D_4,S)在满足条件α(S)=S的某种群自同构α下的不动点集合,设是D_4的长度函数.本文明显地刻画了加权Coxeter群(_3,)的所有左胞腔.同时证明了:加权Coxeter群(D_4,)和(_3,)的所有左胞腔都是左连通的,所有双边胞腔都是双边连通的.     

认知网络中无线电信号智能感知方法研究

无线电信号在噪声波动情形下的检测性能有待提高.该文提出了认知用户根据无线电环境变化自动调整检测阈值的感知方法.融合中心应用坐标搜索算法为认知用户提供最优控制参数，认知用户依据最优参数设定检测阈值，并自主学习特定无线电环境下的最佳阈值.此外，该算法充分考虑了各认知用户的个体特征及其感知贡献，并提出了一种基于能量值的加权算法体现用户特征.实验结果说明该算法对噪声波动具有卓越的鲁棒性，在信噪比低于-15 dB时的检测概率远高于传统方法.