基于双重字典及联合特征的遥感图像超分辨率算法

为了解决低分辨率遥感图像超分辨重建的问题,本文提出了一种基于双重字典及联合特征的遥感图像超分辨率算法.超分辨率重建技术目的就是根据低分辨率图像重建出原始高分辨率图像的高频信息.本文将图像的高频信息分解成为主高频信息和残差高频信息两个部分,然后针对主高频信息和残差高频信息,分别训练主高频字典和残差高频字典,并结合稀疏表示方法对图像进行重构.同时,为了建立更能反映图像内部结构信息的字典,本文联合图像的不同的结构特征,建立统一的字典.本文算法对图像取得较好的复原效果,复原出的高分辨率图像更接近于真实图像,与其他方法相比具有更好的主观和客观质量.     

2009年《Journal of Memory and Language》与《Brain and Language》期刊关于园径句研究综述

本文通过分析近一年来国外两本核心期刊关于园径句研究的文章,总结影响园径句理解两大因素、展其示研究成果、概括这一领域的发展趋势,并研究这些成果对于语言学习和教学的启示。     

小城镇土地利用与社会经济发展研究

本文通过对吉林省双辽市土地利用现状的分析,分析了该市城镇建设中土地利用形式粗放,利用结构不合理,小城镇基础设施薄弱,环境破坏严重等问题,结合当地经济发展的实际需要,提出解决问题的对策,为双辽市社会经济发展提供参考。     

CCl_4接触者SCG水平探讨

COl4为侵肝性毒物，为了解CCl4作业人员SCG水平，本文采用RlA法对92例接触者进行了SCG测定，其结果表明接触者和正常对照组SCG水平分别为198±173．41μg/L和105±87．1μg/L，它们之间有极显著性差异（P＜0.001）。实验结果还表明，接触2－5年者异常率为24．4％；6－13年者异常率为54．9％。由此可见CCl4接触者sCG水平有明显改变，与接触时间长短有密切关系。     

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

CCl_4致肝脏损害的研究

采用四氯化碳（CCl4）对大鼠染毒模型，分别用不同浓度的CCl4，不同的染毒时间致大鼠急性染毒和慢性染毒，以血清甘腿酸（sGG）含量和血清谷丙转氨酶活性（sGPT）测定做为肝脏早期损害指标，用肝脏病理学检查观察肝组织损害程度。实验结果表明，急慢性染毒组sCG含量均明显高于对照组（P＜0．001），增高幅度急性组为2．79倍，慢性染毒组为3．9倍，另外，急性染毒组sCG含量及sGPT活性均明显低于慢性染毒组（P＜0．05），实验证明，CCl4浓度致使大鼠肝脏的损坏程度不如染毒时间长短密切。另经病理学检查证实、肝脏组织的破坏程度与染毒剂量不明显，与染毒时间有密切关系。     

血液白细胞计算机分类中的特征提取研究

在所建的血液白细胞自动分类ＬＥＵＫ分析系统上，对每个细胞提取了不同性质的三组共３５个特征，包括７个形状参数、１２个光密度参数和１６个纹理参数。对１２００余六类白细胞样品进行了自动分类测试。实验结果表明：若仅用形态和光密度特征，总体识别率达８０％左右，其主要误识率来自于颗粒细胞的分类。而该文提出的纹理特征弥补这一不足，使系统的总体识别率提高了十个百分点。该文重点介绍这三组特征，并就其在白细胞自动识别分类中的作用进行详细讨论。     

基于Tamura纹理和广义判别分析的岩屑图像识别算法

自动、快速、客观地对岩屑进行分类是录井过程中一个非常重要的问题.以往在现场主要是靠人工经验的方式对各类岩屑的百分含量进行估测.但该方法受人为因素的影响较大.本文针对这个问题,提出基于Tamura纹理和广义判别分析的岩屑图像识别算法.算法采用Tamura纹理特征对不同岩性的岩屑图像进行纹理提取,然后将提取的Tamura纹理特征带入GDA(Generalized Discriminant Aanalysis)分类器进行岩屑的识别.通过对四川某地气田4口井的现场随钻的实验结果表明本文算法识别算法具有较高的识别率,为快速自动岩屑分类提供了一个有效的方法.     

基于支持向量机的车牌字符识别

作者将支持向量机SVM方法用于车牌字符的识别.算法首先采用Gabor变换和外围轮廓结构特征提取的方法提取车牌字符图像的特征参数,然后采用提取的特征训练SVM分类器,再应用SVM分类器分类和判别车牌字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

原油产能预测中色谱指纹的特征选取方法研究

通过动态监测油井分油层的产能可以掌握油井的生产状况,监测产能在油田生产中具有重要的意义.目前基于色谱指纹的产能预测越来越受到油田相关部门的重视,但是目前色谱指纹的选取还是依靠专业技术人员进行选取,这导致特征选取存在一定的主观性.到目前为止还没有研究者对色谱指纹特征的选择问题进行系统的研究.为了对色谱指纹特征选取问题进行分析,本文分别采用主成分分析(PCA)、线性相关以及随机森林中的重要性分析理论进行特征选取,最后提出了一种新的联合特征选取方法.对来自南海某油田的配比数据进行了测试,实验结果表明,本文提出的方法取得了很好的试验效果,在原油产能预测领域有较大的应用价值.