大唐生态农业示范园现代农业浓缩版休闲度假好去处

大唐生态是昆山国家农业综合开发现代化示范区的生态示范园，位于昆山千灯镇南头大唐村，由大唐村合作开发。该园已成为昆山旅游的又一去处，并与水乡古镇旅游交相辉映。生态园的南边，是“中国民间博物馆之乡”——锦溪和“中国第一水乡”——周庄，向北是千灯古镇景区。该园依据“昆山市2005年-2007年优势农产品发展实施计划”，结合千灯古镇旅游，投资开发建设的现代生态农业基地。     

保存土豆,保护文化

秘鲁农民准备把1500个土豆品种放在北极的冰窟里保存起来——炸薯条、烤薯片、土豆泥,西方的饮食中到处可见土豆的影子。但是,在秘鲁本地人眼里,土豆远不止配菜那么简单,这些含大量淀粉的块茎类植物已经成为秘鲁社会的重要组成部分。如今,气候变化对土豆的威胁不断增加,当地农民正在争分夺秒地挽救这种濒危作物。     

基于非局部Bayesian的单掩膜编码衍射成像算法

为了降低编码衍射成像系统的硬件复杂度,研究基于单个编码衍射图案(coded diffraction pattern,CDP)的成像算法.以图像本身具有的非局部区域自相似特性作为相位恢复中的信号约束,克服单个CDP携带信息过少的不足,提出一种基于非局部Bayesian估计与图像自相似性的相位恢复与图像重建算法.研究结果表...     

融合压缩感知与网络编码的多速率与变速率传输

结合压缩感知与网络编码的优势,面向单信源异构信宿网络,研究压缩感知观测数据基于线性网络编码的多速率与变速率传输.研究压缩感知观测矩阵与网络编码全局编码核矩阵的联合等效,设计了一种融合有限域压缩感知与线性广播网络编码的精细粒度多速率传输方案;研究压缩感知观测矩阵、线性广播类型保持降维转换矩阵和网络编码全局编码核矩阵的联合等效,基于有限域压缩感知与变速率线性广播,为多媒体数据设计了一种变速率-多速率传输方案.     

一条难以负重的河流

绿野像一条带子,颤颤巍巍地沿着河岸铺陈开去。即便是在绿带的最宽处,600米以外就是怪石嶙峋的荒漠。密布的灌溉沟渠和抽水机将尼罗河水输送到村里,维系着纤弱的绿野。奥马尔和他的同乡们在这里种植葡萄、无花果、西瓜和其他谷物,并将它们卖到开罗的大市场去。     

可持续发展新见解

在这个环保风日盛的时代,到底什么才是真正的可持续发展？减少碳排放真的可以缓解全球变暖吗？请听一位丹麦科学家的新见解。     

基于聚类与稀疏字典学习的近似消息传递

基于传统字典学习的近似消息传递(approximate message passing, AMP)算法对训练样本数量的需求较高,且运算成本较高。本文引入双稀疏模型,构建基于稀疏字典学习的AMP框架,降低迭代过程中字典学习对训练样本数量的需求,提高压缩感知图像重建的质量与效率。进一步,提出基于聚类与稀疏字典学习的AMP算法,在迭代过程中依据图像块特征进行分类,并为各类图像块分别学习稀疏字典,实现自适应去噪。与基于传统字典学习的AMP算法相比,基于聚类与稀疏字典学习的AMP算法能够将重建图像的峰值信噪比提高0.20～1.75 dB,并且能够将运算效率平均提高89%。     

基于广义模式耦合稀疏Bayesian学习的1-Bit压缩感知

在1-Bit压缩感知(compressive sensing, CS)框架下,将信号的稀疏结构先验引入广义稀疏Bayesian学习(generalized sparse Bayesian learning, Gr-SBL),研究基于Gr-SBL的1-Bit CS重构。将广义线性模型与模式耦合稀疏Bayesian学习相结合,提出了一种基于广义模式耦合稀疏Bayesian学习1-Bit CS重构算法,简称为1-Bit Gr-PC-SBL算法。该算法将1-Bit CS重构问题迭代地分解成一系列标准CS重构问题,在信号稀疏模式未知的情况下,基于模式耦合稀疏Bayesian学习实现信号重构。进而,引入阈值自适应的二进制量化,设计了自适应阈值的1-Bit Gr-PC-SBL算法,进一步提升了算法的信号重构性能。     

基于近似消息传递与卡通纹理模型的图像重构

近似消息传递(approximate message passing, AMP)的高相变性能与低计算复杂度使其非常适用于图像重构等大数据量应用领域。如何充分利用图像的结构化稀疏先验是基于AMP研究图像重构的一个关键问题。将卡通-纹理模型引入AMP图像重构,根据迭代滤波中待处理图像卡通、纹理成分的不同特点,设计基于双树复数小波变换与全变差的层次化AMP滤波算子,进而分析AMP迭代次数对滤波对象结构特征与滤波算子性能的影响,研究AMP的阶段化滤波操作,提出一种基于卡通-纹理模型与分段滤波的AMP图像重构算法。实验表明,该算法能够更好地保留图像轮廓与纹理信息,提高图像的重构质量。