基于主成分分析和BP神经网络的车标识别

在对3种数据降维技术进行了比较研究的基础上,提出一种基于主成分分析(PCA)和BP神经网络的车标识别算法.首先,利用PCA方法获得特征车标;然后,将待识别车标投影到特征车标张成的子空间;最后,通过BP神经网络进行车标识别.实验结果表明,该算法能有效提高车标的识别率,对光照和噪声有很强的鲁棒性.     

致密油藏周期注气微观驱油机理实验研究

针对致密油藏注水难度大,气水交替难以有效实施的问题,周期注气改善注CO_2驱油效果的方法逐渐得到重视。利用大庆外围致密岩心,将致密油藏物理模拟实验方法和低磁场核磁共振仪相结合,建立了一种研究周期注气微观驱油机理的新方法,分析了不同驱油阶段岩心静置前后原油在孔隙中的变化规律,提出了周期注气指数参数,并对周期注气效果进行评价。研究结果表明:气驱至不同阶段,静置前后T_2谱图均发生变化,且不同驱替阶段T_2谱图的变化规律不同,说明不同驱替阶段停注后原油的流动规律不同,其周期注气的微观驱油机理也存在差异。驱替至一定的PV数后,周期注气指数显著增加,周期注气效果显著提高。随着驱替倍数的增加,较小孔隙中的原油逐渐得到动用。岩心实验结果表明周期注气相比于连续注气采收率提高9.92%。上述研究丰富了核磁共振技术在油田开发中的应用。     

基于J2EE架构的网络课程管理系统的设计与实现

建立通用的网络课程管理系统,实现教学资源的合理共享,对于提高教学资源的利用率,改善教学环境具有重大意义.采用当前流行的J2EE架构下的多层应用模式开发方法,给出通用网络课程管理系统的设计及开发方案,实现了教学信息资源共享,提高了教学信息的传播和利用率,该系统已经在某高校开始应用并节约了大量的人力物力.     

用MPL实现汇编程序结构化控制流

讨论在ＭＰＬ（ＭＡＣＲＯＰＲＯＣＥＳＳＬＡＮＧＵＡＧＥ）环境下，实现汇编源程序的结构化控制流的方法．给出通过定义公有标号变量和自定义栈来设计结构化控制流的设计方法，并给出在高级语言中常用的控制流如ｆｏｒｎｅｘｔ、ｉｆｆｈｅｎ、ｗｈｉｌｅｄｏ、ｄｏｗｈｉｌｅ和ｓｗｉｔｃｈｃａｓｅ等在汇编源程序中的具体实现技术．这种方法可压缩汇编源代码的代码量，改善源程序的可读性，进而提高汇编源程序的编码效率     

动力髋螺钉治疗股骨转子间骨折疗效分析

股骨转子间不稳定骨折是老年人常见的髋部骨折.随着社会人口老年化,发病率呈逐年上升的趋势.股骨转子间不稳定骨折的治疗方法较多,但对于老年人股骨转子间不稳定骨折,常因固定不牢靠,制动时间长,而出现各种早、晚期并发症.动力髋螺钉(DHS)能提供坚强的内固定,常用于治疗股骨转子间骨折.作者报道如下:     

改善能源结构的节能装置——地源热泵

本文通过对我国能源消费结构的分析,指出建筑节能对于优化能源结构至关重要。介绍了地源热泵系统的结构原理和在国内外的应用现状,并分析了该系统在推广过程中的一些问题。地源热泵由于其在节能和环保方面性能突出,正在受到世界各国的广泛关注。     

基于2DPCA-ICA和SVM的车标识别新方法

为了进一步提高车标识别率,提出了一种新的车标识别方法.首先应用二维主元分析技术进行数据降维,然后应用独立成分分析技术提取车标图像的特征,最后应用支持向量机技术设计分类器进行车标识别.实验结果表明,和现有方法相比,所提出的车标识别方法具有更高的识别率、更快的运算速度.     

一种新的车牌数字及字母字符识别方法

车牌字符识别是车牌自动识别系统的关键环节．车牌数字及字母字符识别是车牌字符识别的重要组成部分．传统的模板匹配法的缺点是在车牌图像质量退化时识别率较低．提出一种新的改进的模板匹配法．该方法定义前景匹配度、背景匹配度和整体失配度3种匹配测度进行模板匹配,匹配成功则直接获得识别结果,否则,对相似字符情形应用特征区域模板匹配法,对其他情形应用空心模板匹配法．实验结果表明,该方法对车牌字符褪色、污迹、断裂、模糊、光照不均等质量退化车牌图像具有较好的识别效果．     

基于车徽背景纹理识别的车徽定位新方法

车徽是汽车品牌的标志，是汽车分类与识别的重要依据．车徽定位是车徽识别的关键环节．笔者提出了一种新的车徽定位方法．首先，根据车徽和车牌的位置关系进行车徽的粗定位，其次，进行车徽背景的纹理识别，然后，通过边缘检测进行车徽的背景抑制，对水平纹理进行垂直边缘检测，对垂直纹理进行水平边缘检测，最后应用数学形态学进行滤波，精确定位用车徽．实验结果表明，此方法具有很好的车徽定位效果．     

基于压缩表示的实例分割方法

针对目前实例分割领域掩膜表示高复杂度的问题,提出一种新的图像实例掩膜表征方法,使用3个不依赖于任何先验信息的表征单元表示并预测掩膜,且以非线性解码的形式复原掩膜,该方法可显著降低图像实例掩膜的表示复杂度和推理运算量.基于这种表示方法,构建一个高效的单阶段实例分割模型,实验结果表明,相对于其他单阶段实例分割模型,该模型在保证时间开销基本相同的情况下能获得更好的性能.此外,将该表征方法以最小改动嵌入经典模型BlendMask以重建注意力图,改进的模型相对于原模型的推理速度更快,掩膜平均精度提升1.5%,表明该表征方法通用性较好.