玉米自交系性状的遗传相关分析和主成分分析

通过遗传相关分析和主成分分析对110个玉米自交系的14个性状进行了研究。结果表明：穗重、行粒数、穗组、百粒重、株高、穗位高、出籽率占优势的自交系一般单株籽粒产最也高;穗行数、茎粗、雄穗长度、雄穗分枝数,生育期等对单株籽粒产量影响不大,这些性状要根据生产或育种实践的需要进行选择,并以主成分值作为选择指数,在110个自交系中筛选出产量较高的一些自交系。     

玉米mtDNA的RAPD分析与对YⅡ-1型不育胞质的归群研究

选用５１个随机引物对玉米Ｕ８１１２的５种不同类群胞质的同核异质系的线粒体ＤＮＡ进行扩增。结果表明：各类型胞质的ｍｔＤＮＡ间的随机扩增产物有较大的差异。玉米ＹⅡ－１型不育胞质的ｍｔＤＮＡ扩增的电泳谱带了与Ｔ群、Ｓ群不育胞质有明显的差异，与Ｃ群不育胞质之间也存在着一定的差异。     

车联网协作通信移动接入点选择算法

考虑车联网节点高速运动导致的频繁切换和通信中断问题,提出了基于移动接入点的车联网模型,在基于移动接入点的协作通信5G无蜂窝车联网方案中,给出了选择车辆担任协作移动接入点的三个简单有效的原则,以构建5G无蜂窝移动接入网络.仿真实验比较了不同移动接入点选择方法下移动接入点的空间特性分布以及系统的连通性,并给出不同要求下的最佳方案.理论分析和仿真结果表明:采用基于距离的移动接入点选择算法,相比简单的随机移动接入点选择方法,提高了车联网的连通性,而基于顺序的移动接入点选择算法则能提供最好的负载均衡特性.     

基于多通道特征聚合的盲图像质量评价

提出一种基于多通道融合特征的方法,在多种不同颜色空间中提取多种异构且互补的感知质量敏感特征并将其堆叠为一个特征图组,然后使用费舍尔向量对特征图组编码作为图像表征来解决盲图像质量评价问题.实验结果表明:在多个图像数据集中,该算法相较于传统自然场景统计方法有更好的性能和鲁棒性,与人眼主观感知质量有较高的一致性,在LIVE,CSIQ和TID2013三个主流数据库上分别取得了0.952,0.915和0.795的斯皮尔曼等级相关系数(SROCC),同时具有较强的泛化能力.     

混合深度卷积神经网络对人脸年龄的分类

为了提高人脸年龄分类的精度并且减少年龄分类过程所需的时间,提出了由微调深度卷积神经网络(FDCNN)和概率协同表示分类器(PCRC)构成的深度混合模型对人脸年龄分类的方法.首先,在IMDB数据集上将VGG-Face模型微调,得到一个新的深度卷积神经网络模型;然后,用该模型提取人脸图像的年龄特征,并将其送到基于概率协同表示的分类器进行年龄分类;最后,在FG-NET,MORPH和CACD数据集上对由FDCNN和PCRC构成的混合深度模型进行验证.从验证结果可知:PCRC比支持向量机(SVM)平均分类精度高出4.6%,并且对微调的深度模型倒数第二激活层输出的特征进行分类能取得更高的分类精度;与CA-SVR,DeepRank和DeepRank+相比,FDCNN和PCRC构成的混合深度模型的分类平均绝对误差分别低1.24,0.14和0.06;与由DCNN和SVM构成的分类模型相比,该混合深度模型的年龄分类精度高出3.6%.通过与VGG-Face模型各层运算时间分布对比可知该混合深度模型的分类时间大幅减少,因此混合深度卷积神经网络能很好地进行人脸年龄分类.     

基于多分类学习的光学遥感图像舰船检测

针对光学遥感图像中舰船检测易受云层、波浪等因素干扰导致检测精度低的问题,提出了一种基于多分类学习的检测算法.首先利用多光谱图像提取舰船候选区并在对应的全色图像上截取切片,然后采用卷积神经网络自动提取特征并进行分类,最后利用旋转卡壳法求取目标的最小外接矩形进行精确定位.利用自建的数据集进行模型的训练、验证和测试,数据集包含2.375 6×10~4张图像,由于舰船目标类内差异大,将数据集精细地分为10种类别.目标类分为大船、中船、小船、多条船和尾迹5类,非目标类也分为波浪、黑色区域、陆地、海上密集带状物和云5类.实验结果表明:结合了多光谱信息的多分类学习可以有效提高检测率并降低虚警率,该方法在复杂海面背景下能精确地检测舰船目标,检测精度达到95.02%,虚警率低至5.24%;基本可以排除多种因素的干扰,鲁棒性较强.     

基于V型扫描的星载多光谱图像无损压缩算法

为了实现星载多光谱图像的无损压缩,深入研究了空间数据系统咨询委员会(CCSDS)建议的123.0-B-1标准;并结合CCD多光谱遥感成像特点,提出了利用V型扫描对预测方式进行改进;最后在VC6.0平台下实现了该算法。实验结果表明,该算法的平均压缩率比Z型扫描方式的CCSDS 123.0-B-1、CCSDS 121.0-B-1、CCSDS 122.0-B-1、JPEG-LS标准算法的平均压缩率分别高6.7%、68.9%、21.8%和12.9%。该算法复杂度低,适合运用于星上系统。