基于遥感的东营市植被覆盖动态变化研究

以东营地区1995年和2010年两期TM影像为数据源,通过计算归一化植被指数,并利用混合像元二分模型计算植被覆盖度,其植被覆盖变化从低到高分为5个等级．植被覆盖度变化结果如下：从1995年一2010年东营地区植被中高和高覆盖度类型面积增加,其面积变化率分别为483．2％和168．35％,极低和低植被覆盖度类型面积减少,其面积变化率分别为61．01％和51．11％．从空间上看,东营地区整体植被覆盖度都有所增加,而北部沿海、中部城区的植被覆盖度有所下降,这与东营市近年来重视植被保护和城市化加速有密切的关系．     

基于ARM的水下目标定位系统的通信模拟系统设计

水下目标定位系统被广泛应用于水下目标的定位和跟踪、水声对抗等水声领域,其系统主要由水声浮标阵、中继站和基站等构成,浮标与基站的通信通过无线网桥进行传输。为了提高该系统的通信可靠性和智能性,采用ARM板作为中继站和通信服务器,以一台电脑作为基站的显控机,一台电脑模拟浮标,设计了一种水下目标定位系统通信模拟系统,其中ARM板搭载LINUX嵌入式系统。该模拟系统可以实现基站和浮标之间的中继通信,完成从基站显控端发送各种命令和参数到ARM板,ARM板进行中继转发给浮标,浮标收到命令后进行响应,并回传相关数据至基站显控端的功能。     

菊花iPBS分子标记的建立及优化

菊花是一种重要的观赏花卉,反转录转座子在其遗传多样性形成中发挥着重要作用.iPBS分子标记技术是一种基于反转录转座子的分子标记技术,建立此标记体系可用于检测菊花品种的多样性.本研究对菊花iPBSPCR体系进行优化,得到的最佳反应体系为:引物浓度0.40μmol/L,dNTPs浓度0.40 mmol/L,Mg2+浓度1.80mmol/L,Taq酶浓度0.10U,DNA模板用量60ng,反应总体积20.00μL.反应程序为:95℃预变性3min;95℃变性15s;48℃退火1min;68℃复性1min,30个循环;最后72℃延伸5min.依据上述iPBS-PCR反应体系和程序,从25个iPBS引物中筛选得到2个多态性较高的引物,对8个菊花品种进行iPBS-PCR扩增,结果显示所选用引物扩增效果较好,可以应用于菊花种质资源材料的iPBS分子标记分析.     

基于梯度直方图特征的实验鼠检测①

为了解决传统的基于图像阈值分割的实验鼠检测方法容易受到光线变化、噪声等影响导致检测效果差的问题,首先根据实验鼠的纹理平滑,且实验鼠整体上梯度均匀,在这个规律的基础上,提出从梯度幅值和梯度方向两个角度出发来构建特征,然后利用直方图降低特征维度并结合SVM(支持向量机)分类器实现新的实验鼠检测方法。实验结果证明,新方法的精准度和稳定性比图像阈值分割方法明显提高。     

跳扩散模型下亚式期权定价的柳树法研究

Merton提出的对数跳扩散模型,将股票价格对数构造为布朗运动与复合泊松过程的叠加,能够更好地刻画股票价格回报的负偏度和过高峰度.由于现有的定价亚式期权的数值算法计算复杂、工作量大,因此提出了在Merton跳扩散模型下,亚式期权的快速定价柳树法,并从理论上证明了该算法的收敛性.通过数值实验,表明柳树法与现有方法相比有相同的计算精度,但计算速度更快.     

知识与数据双向驱动的多粒度认知计算

认知计算是以人类认知为启发而提出的一种一致的、统一的、普遍的智能计算机制。文中介绍一种借鉴人类智能问题求解的多粒度思维机制、人类大脑"大范围优先"的认知机制和智能控制系统中"智能计算前置"的信息处理机制,实现知识与数据双向驱动的多粒度认知计算模型,即数据驱动的粒认知计算模型(DGCC模型),实现符合人类认知的智能计算。在该模型中,数据被视为在多粒度空间中对知识的最细粒度层次表达,知识被视为数据在粗粒度层次的抽象。文中从知识驱动和数据驱动两个方向讨论DGCC模型中需要进一步研究的几个科学问题,并分析几个相关的多粒度认知计算应用案例。     

基于有限元分析的永磁电机重要参数求解

永磁电机设计中，一些重要的参数对设计效果有决定性的作用．在通常的设计中，往往根据经验数据束取定这些参数，需要多次校正。才能最终取得较好的设计效果．在设计永磁电机过程当中，采用有限元分析软件AnsoftEM来精确求解这些参数，取得了较好的设计效果．     

基于有限元数据交会的部件毁伤评估方法研究

武器装备部件级战场损伤评估是实现装备精确保障仿真与战时精确预测的基础。以榴弹破片对付主战坦克为例,采用有限元离散法提出一种的弹目交会计算模型,建立了以概率形式表示的破片打击下部件毁伤准则。确定了一定条件下的火炮身管炮口与炮塔附近处损坏的临界侵彻深度,分别是35mm和85mm。编制了主战坦克与榴弹破片的有限元离散交会计算程序,并进行了示例计算。研究结果也适用于榴弹破片对付其他装备部件的损伤评估,从而为战场修复与精确维修保障提供支撑。      

基于Softmax函数增强卷积神经网络-双向长短期记忆网络框架的交通拥堵预测算法

对交通状态进行预测,就需要准确识别和判断交通状态。该文没有采用传统的以车辆速度为基准的预测方法,而是使用TTI交通拥堵系数,该系数的计算基于道路自身的自由流速度,可以让具有不同速度等级的街道都统一到TTI系数上来作为拥堵评价,因此相较以传统的车辆速度为基准的预测方法更能表现出道路的拥堵状态。该文提出了一种改进的深度学习预测模型（CS-BiLSTM）,该模型基于卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）,并结合Softmax函数增强CNN提取出的交通空间特征信息。深度学习预测模型（CS-BiLSTM）中的S代表的就是Softmax的缩写。使用成都市出租车GPS数据进行验证,结果表明,所提出的CS-BiLSTM模型具有更高的准确性,其性能相比C-BiLSTM网络预测框架提升了13%。     

锚杆支护机理综述

锚杆支护技术在各项工程中发挥着重要的作用,它具有支护效果好、工人劳动强度低、支撑提供力快等诸多特点而被广泛应用,并已经成为一种重要的发展方向．本文对锚杆的类型、数值解法、锚杆支护作用机理做了简要介绍,并且对目前存在的问题和最新锚杆支护技术做了简要的总结,具有一定的现实意义。