小样本下基于卷积神经网络的费用估算研究

在当前的费用估算模型较依赖数学模型、无法根据样本大幅度调整模型参数的现状下,针对导弹特征属性和研制费用公开样本稀少以及不同型号的导弹样本对待预测样本的参考意义不同的问题,提出了小样本下基于卷积神经网络的导弹研制费用估算模型.为解决小样本和样本贡献值问题,结合双三次插值算法和反距离加权插值算法对导弹原始样本集进行插值.采用导弹研制费用卷积神经网络估算模型对插值样本进行学习,得到导弹研制费用估算结果.通过与线性回归、神经网络、支持向量机、WPCA&WSVR几种模型的对比实验,验证该模型在整体估算效果上优于其他模型.     

基于FPGA实现的Ferguson双三次曲面插值图像缩放算法

图像缩放作为图像处理中重要的一部分,具有广泛的应用领域。随着科技的发展,实际应用中对图像缩放的质量和速度的要求也随之提高。本文首先在Matlab中实现糖尿病视网膜图像的缩放实验,对比验证了Ferguson双三次曲面插值算法在图像缩放细节处理上的优异表现,然后在擅长以纳秒级速度处理并行数据的FPGA硬件平台上实现该算法,达到了良好的图像缩放效果,这有利于医疗图像处理等工程应用与实践。     

平面黏弹性力学问题的插值型重构核粒子法

插值型重构核粒子法的形函数结合了包含Kronecker delta特性的简单函数和由基函数向量采用重构条件构造的增强函数,并且具有点插值特性和不低于核函数的高阶光滑性.该方法可直接施加本质边界条件,同时也保证了较高的计算精度.基于插值型重构核粒子法,文章提出了一种求解平面黏弹性力学问题的新方法.采用弹性-黏弹性对应原理和Laplace变换,将黏弹性问题转化为Laplace域内的准弹性问题,并采用插值型重构核粒子法进行求解,然后借助Laplace数值逆变换求得黏弹性问题的解.数值算例验证了本文所提方法的有效性.     

温度和压力对砂岩热导率的影响及温压校正计算方法

岩石热导率是岩性分析的重要参数,而温度和压力是影响岩石热导率的2个重要因素.本文收集了不同温度和压力条件下的实验室砂岩测试数据36个,对这些测试数据进行了温度校正以及压力校正.砂岩样品测试的温度范围为2～250℃,压力范围为0.1～200 MPa,实验室测出的热导率范围为2.34～2.91 W/(m·K).首先根据测试数据分析温度和压力对热导率的影响,探讨了岩石热导率随温度的升高而降低,随压力的增大而增大的规律;然后,利用多元拟合的方法,确定了热导率随温度、压力变化的经验公式;再通过拟合和插值的方法,进行温度校正和压力校正,计算不同温压条件下热导率的预测值;最后,利用数值算例验证该方法的有效性.研究结果对不同岩样的热导率温压校正计算具有参考意义.     

基于双层规划的普通克里金插值方法研究

采用双层规划描述了普通克里金法中理论变异函数模型参数求解问题.针对传统变异函数模型参数求解过程中容易受人为不确定性因素影响的问题,建立了以交叉验证统计结果最优和个体样本满足最优无偏线性估计为目标的双层规划模型,并给出了相应的求解方法.该方法根据交叉验证结果优化调整上层系统随机给定的变异函数模型参数,可以减少变异函数模型参数求解过程中人为不确定等因素的影响,从而可以获得合理的理论变异函数模型参数和较好的空间插值结果最后,以土壤pH值为例,通过与加权最小二乘法比较验证了采用该方法的有效性和合理性.     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

牛顿-莱布尼兹公式在与路径无关的曲线积分中的应用

在现有高等数学教材中,对于一元函数的定积分有牛顿-莱布尼兹公式,而对于与积分路径无关的曲线积分,没有给出对应的公式.根据与积分路径无关的曲线积分的充要条件(e)P/(e)y=(e)Q/(e)x,经过严谨的数学推导,得出与路径无关的曲线积分的牛顿-莱布尼兹公式:∫(x2,y2)(x1y1)Pdx+ Qdy=∫(x2,y2)(x1y1)du(x,y)=u(x2,y2)-u(x1,y1).最后,通过实例验证,无论是对与积分路径无关的曲线积分的计算题还是证明题,所给出的公式都是有效的、实用的.     

古巴比伦人求算术平方根的探究

分析了古巴比伦人求算术平方根的算法，证明了其正确性。然后将其算法推广到求n次算术根，并证明了其正确性。