多维度深海鱼类识别算法

针对深海光线分布不均匀导致鱼类识别检测困难的问题,提出了符合视觉认知的多维度深海鱼类识别算法.该方法从时间维度优化传统的高斯混合模型(GMM)初步确定变化区域,从空间维度构建目标特征,完整提取运动目标,从时空关联维度建立深度学习的鱼类识别框架,试验结果表明:本算法可在多种复杂条件下准确提取运动目标,面积交迭度(AOM)达到80％以上,优于当前主流算法.     

佛山市“体医融合”发展模式的研究——以佛山禅城区鸿胜堂生物有限公司为例

通过文献资料、问卷调查、访谈、个案分析等研究方法,从佛山市"体医结合"的现状进行深入研究分析,并结合蔡李佛"鸿胜堂"将功夫推拿与医药相结合的实证例子,探索"体医融合"的文化产业发展模式,从而提出佛山市"体医融合"的发展推广模式。为传承、弘扬和发展佛山武术文化提供参考依据,对开展体育与医疗融合相关领域的创新研究和应用实践,具有重大的应用价值。     

产教融合视阈下机器人生产性实训基地建设的研究与实践

本文主要对产教融合视角下的机器人生产性实训基地建设过程中的建设目标与建设定位予以探讨。在此基础上,从建设基础性实训室、建设生产性实训室等方面阐述了产教融合下的机器人生产实训基地的建设,并分析了建设产教融合的机器人生产性实训基地的经济效益以及社会效益。     

基于多源融合产品的区域站雨量系统性偏差检测方法设计

利用由国家气象信息中心下发的多源融合产品,通过对区域自动站降水系统性偏差的异常数据表现形式和大样本统计分析,设计出总偏差、总相对偏差、雨差率、晴差率、邻站降水倍数、邻站相对偏差差值检测参数.结果表明:检测参数可较好地检测出观测雨量长期存在偏差的台站,并对江西省区域自动站雨量数据进行质控试验;在不对观测仪器进行现场检定的情况下,该方案检测结果可为设备维护人员提供观测仪器运行状况参考,提升设备可用率,进而提升观测数据质量.     

装备科研生产军民融合制度变迁、协同机制及治理策略研究

以装备科研生产军民融合制度现状作为切入点,分析了装备科研生产军民融合制度演变历程,构建了装备科研生产军民融合制度变迁逻辑框架,据此剖析了其制度变迁的内外源性因素,提出集体行动者在推动制度变迁的同时,也面临着如何有效链接形成密切协同的问题,从而提出了装备科研生产军民融合协同的形成机制、实现机制、评价机制和反馈机制四个机制,并从激发融合动力、打破路径依赖、优化市场环境和促进协同创新来加强装备科研生产军民融合治理策略。     

基于完备集合经验模态分解-归一化希尔伯特变换的神经网络储层流体识别

地震资料的瞬时属性包含丰富的地质信息,可用于储层流体的识别。希尔伯特-黄变换目前在地震资料的瞬时属性提取中呈现出了很大的优势,但是该方法中存在模态混叠、频率误差等问题,限制了其应用。基于此,引入了基于完备集合经验模态分解和归一化希尔伯特变换的改进方法有效提取地震资料更具物理意义的瞬时属性。同时,为了提高储层含气性检测的准确性和精度,选取瞬时频率和瞬时振幅构建分频剖面模型,对目标区域的储层特性和含气特征进行描述。再结合测井资料,运用有监督的神经网络实现对储层含气性的自适应高精度识别。实例研究表明,基于完备集合经验模态分解-归一化希尔伯特变换的前向反馈神经网络方法能够根据某一区域地震数据有效预测该区域储层的含气状况。     

钎焊磨粒测量系统中的显微图像快速融合

为了直观地表征钎焊砂轮表面磨粒的形貌,针对钎焊磨粒测量系统中显微镜头景深小,难于一次性清晰成像的问题,提出基于聚焦评价函数的磨粒显微图像快速融合方法.以聚焦评价函数的最大值为依据判别聚焦像素点,提取聚焦像素点颜色信息进行图像融合.针对特殊照明条件造成的融合误差进行误差补偿,对融合结果呈现的雾化现象,采用暗通道先验法进行去雾处理.实验结果表明:单颗磨粒137幅1 600 px×1 200 px显微图像融合过程用时5.10 s;文中方法可快速、直观地表征钎焊砂轮表面磨粒形貌.     

媒体智能化背景下的短视频科技产业发展研究

以抖音、快手为代表的短视频传播迅速崛起,成为媒介融合趋势下最具代表性的媒介形式,并将经典传播学的诸多定论至于了重新商榷的位置,既有的结论是否依然有效,短视频的传播特性和生成推广机制能否为传统媒体媒介融合发展助力。针对短视频产业自身的发展如何突破瓶颈走向赢利的可持续化生产的问题,从传播学和媒介经营角度进行了分析。     

技术创新对企业绩效的影响——以军民融合企业为例

军民融合企业的发展对促进军民融合具有重要意义,通过实证研究军民融合企业技术创新对企业绩效的影响.结果表明,在军民融合企业的创新元素中,科技人员和开发产出能力对企业绩效具有显著的促进作用;在控制变量中,公司规模与成长性对企业绩效具有明显的促进作用.针对实证结果和我国军民融合企业的实际发展情况提出了相应的对策和建议.     

基于云雾结合的工件深度学习识别问题研究

统工业自动分拣存在工件识别准确率不高、特征定义复杂等问题,虽然新兴的深度学习为此类问题提供了较好的解决方法,但仍存在对边缘端设备计算能力要求较高的问题,为此本文提出一种基于云雾结合的工件识别算法,即在云端采用改进ALEXNET卷积神经网络进行训练,然后将训练好的模型下载到雾(边缘)端设备,对工件进行实时识别.对100个不同工件进行实验,结果表明:改进后识别准确率从ALEXNET的98%提高到99%,模型参数减少25%,同时可以充分利用云端的强大计算能力与边缘设备的实时性,为智能工件识别提供了一种新途径.