基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。     

《素描与色彩》课程思政建设:思政资源的挖掘、凝练与植入

课程思政是新时期构建全课程、全方位育人的重要组成部分和实现途径,而课程思政资源又是实现课堂教学在育人中主渠道、主阵地地位的重要支撑。《素描与色彩》课程思政建设,基础是思政资源的挖掘与整合,重点是思政资源与教学内容的衔接,难点是思政资源与专业知识点的化合。应对课程教学素材与内容进行梳理分析,挖掘其历史文化内涵与政治文化背景,凝练典型个案,对接专业知识内容,通过系统化整合,达到教学案例蕴含思政背景,教学过程贯穿思政内容,教学评价植入思政主题的全过程课程思政目的。     

碳纳米管模板对 YBO3：Eu3＋（5％）结构、形貌及光致发光的影响

在前驱体溶液中添加和不添加碳纳米管，采用简单的水热合成法并在1000℃下烧结，获得树枝状和类球状纳米结构的 YBO3：Eu3＋样品．研究表明：对于树枝状结构的样品，其红色和橙色光的强度比更高，且其CIE 坐标为（0．67，0．33），几乎与商业红色荧光粉 Y2 O2 S ：Eu3＋的色坐标相同，可见树枝状结构的红色荧光粉YBO3：Eu3＋在纳米器件和照明器件中具有潜在应用价值．该文还对样品的发光性质和机制做了解释．     

新不确定度量下的冲突证据融合

针对证据高度冲突的情况下,DS证据理论在实际应用中出现错误融合结果的问题,提出基于不确定度的冲突解决方法.首先分析现有的不确定度量方法的不足,研究基本概率赋值本身所包含的信息,提出一种新的对证据不确定性度量的方法;依据新的不确定度量,结合证据距离生成权重来修正待组合证据体,再利用Dempster规则完成证据组合,可有效解决证据高度冲突情况下的信息融合问题,最后通过算例验证了该方法的有效性.     

IKONOS影像融合技术对比研究

本文以赣州市章贡区工业园某时期IKONOS影像数据为基础,采用Brovey变换,G-S变换,PC变换,P-S变换4种方法进行融合比较,然后通过主观和客观两方面对融合效果进行对比评价。通过实验对比分析可得,4种融合方法均提高了影像的纹理光谱信息,但P-S变换法融合的IKONOS影像效果突出,较高程度地保持了纹理和分辨率的空间信息,是保持空间信息综合效应的最佳方法。     

酚酞在NaOH,Na_2CO_3和NaHCO_3溶液中的显色现象及其应用

酚酞在不同浓度的Na OH,Na2CO3和Na HCO3溶液中会有不同的显色现象,这些差异可用于区别Na OH,Na2CO3以及Na HCO3溶液.     

回首之美——论席慕蓉《七里香》的情感特征

在《七里香》这部诗集里,席慕蓉以清新的笔调、低语式自白,回首青春年华,回溯生命历程,回望乡土乡愁,文本中充满着热烈的欣喜、深深的眷恋、淡淡的哀愁和超然的豁达等丰富多样而又清晰凝重的情感线条。席慕蓉在《七里香》中表现出的题材偏好和情感趋向,使其诗歌创作呈现出"回首之美"的独特艺术韵致,从而在中国诗坛引发"席慕蓉现象"。席慕蓉以"诗歌之力",唤起人们重铸爱情信仰、重新张扬理想风帆的人类崇高信念。     

多星载光学传感器系统误差极大似然配准算法

针对低轨星座协同探测弹道目标过程中存在系统误差的问题，提出多星载光学传感器系统误差极大似然配准（maximum likehood registration，MLR）算法。通过一阶Taylor近似对非线性量测转换线性化，推导出目标状态的误差协方差与卫星轨道定向、姿态角测量和传感器测量等随机误差的关系，并基于视线交叉获得观测在状态空间中的近似投影，从而将MLR算法扩展到低轨星座多光学传感器的误差配准。通过引入各类测量误差的先验信息对目标状态的误差协方差进行修正，利用期望极大化迭代，实现了对系统误差的无偏有效估计及目标轨迹的融合估计。仿真验证了所提算法的有效性，且配准性能优越。     

基于高维特征选择的跳频电台细微特征识别

将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。