校园航拍图像超分辨率重建的粒计算方法

提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.     

独立点数为2的图的Z_3-连通性

设G是独立点数为2的连通简单图.主要证明两个结论:(1)当边连通为4时,G是Z_3-连通的;(2)当点连通为3时,G是Z_3-连通的当且仅当G■{K_4,W_5}且G不是一类特殊的图.     

基于语义关联性特征融合的大数据挖掘方法

提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.     

稀土氯化物喷雾热解装置雾化效果的物理模拟

稀土氯化物雾化热解是稀土氧化物制备新工艺,但目前喷雾热解装备雾化效果差,雾化后液滴粒径分布不均匀.本文自行设计了文丘里管喷雾热解反应器,将粒子图像测速技术与MATLAB图像处理技术相结合,研究了气体流量、文丘里管和引流管几何尺寸等因素对雾化效果的影响.结果表明:文丘里管扩散段中较强的回流作用会加剧气液相间的混合碰撞,进一步破碎液滴;而过多的液相携带量容易导致雾滴密度变大,增大了液滴在运动过程中的碰撞几率,致使雾滴尺寸变大.文丘里管反应器适宜的几何尺寸和操作条件为:内径100mm,喉口内径10mm,引流管内径5mm,气相流量20.5m³/h.     

外包空间数据库的完整性保证机制

存储在云计算服务提供商上的用户数据可能被篡改或删除,查询完整性验证方案的作用是确保查询用户能够验证查询结果中的数据是真实的且包含所有满足条件的数据.本文在现有验证树结构基础上进行改进,提出了一种空间验证数据结构VSS-tree.利用SS-tree作为基本结构并为其附加验证信息,采用边界球进行区域划分增大了节点的度,有效降低了验证树的高度,并避免了不必要的磁盘访问,从而提高了空间查询验证的处理效率.实验结果表明,该方案比MR-tree具有更好的性能.     

采样频率与数据长度对中心动脉波形重建的影响

传递函数法重建CAP(central aortic pressure)多是基于自回归各态历经(auto regressive eXogenous, ARX)模型或傅里叶变换,未考虑采样频率、数据长度.为了研究采样频率和数据长度对重建CAP的影响,基于ARX模型和傅里叶变换,重建CAP并分析误差.结果表明,采样频率100Hz,数据长度大于3s时,基于ARX模型重建CAP效果较好(均方根误差(306.6±80.0)Pa,波形匹配度89%);基于傅里叶变换的算法对采样频率不敏感,数据长度为6s时效果较好(均方根误差(493.3±320.0)Pa,波形匹配度84%).     

基于机器学习的钻孔数据隐式三维地质建模方法

针对基于钻孔数据的传统显式三维地质建模方法存在过程繁琐、模型质量难以保证等缺点,本文提出了一种基于机器学习的隐式三维地质建模方法,将地层三维建模问题转换为地下空间栅格单元的属性分类问题.分别基于支持向量机、BP神经网络等分类算法,实现了钻孔数据的自动三维地质建模.实际建模结果表明,对于有限、稀疏的钻孔数据,支持向量机方法建模准确率较高,建模效率、效果优于显式建模方法.最后通过敏感性分析研究了超参数对建模结果准确率、模型形态的影响,为可控的自动三维地质建模提供了一种新的解决思路.     

一种基于像素标记的二值图像区域围线追踪方法

在研究了多种二值图像连通区域围线追踪算法的基础上,提出了一种改进型的二值图像连通区域围线追踪算法。该算法在已有围线追踪算法的基础上,通过定义特定追踪方向,使得追踪过程始终按照逆时针或顺时针方向沿着连通区域边缘进行。在追踪过程中对像素点进行多次标记,通过在按照追踪方向确定的像素点基础上判断像素标记值来确定下一次待追踪像素点的选取。由于对像素点进行多次标记,有效区分了一次追踪像素点和二次追踪像素点,解决了追踪过程中出现的追踪间断现象,使得追踪结果呈现一条完整围线。实验结果表明,此方法可以快速有效地完成二值图像连通区域的围线追踪和提取。     

基于广义变换矩阵的机械零件三维模型骨架匹配

提出了一种基于广义变换矩阵的机械零件三维模型骨架匹配方法。骨架中两骨架点间的连线称为骨架枝,借鉴机器人学中广义连杆之间关系的表示方法,将骨架枝看成若干个连杆,在骨架点处建立固定坐标系及骨架枝坐标系,采用广义变换矩阵表示骨架枝。将广义变换矩阵转化成向量,引用统计学中的相关性度量方法,通过计算2个向量的皮尔逊相关系数得到2个广义变换矩阵的相似度,即得到2个骨架枝的相似度。搜索相匹配的骨架枝并计算整个骨架的相似度。通过实例验证和实验分析,表明该算法具有较快的检索速度和较高的准确度。     

基于并行残差卷积网络的图像超分辨重建

针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型。模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建。提出的模型具有以下优点：①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力。通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升。