基于T矩阵法的水下任意刚硬体声散射场计算

针对水下任意形状刚硬体,建立了其声散射T矩阵法计算模型.利用物体的几何对称性,提出了简化计算Q矩阵的方法.以刚硬回旋椭球体为例,分别计算了在不同入射角下的反向散射和收发分置的形态函数,并讨论了刚硬体的镜反射波和绕行波的干涉物理模型.数值仿真结果表明T矩阵法是一种很简便实用的计算水下物体远场散射的方法,该方法可以广泛用于水下任意形状刚硬体的声散射场计算.     

基于多尺度区域块的糖尿病性视网膜病变级联检测

目前,基于形态学检测糖尿病性视网膜病变的算法复杂度较高,深度学习直接逐像素检测的方法虽然能够避免排除生理结构、手动设计特征的不足,但计算量大、分割速度较慢.为了解决上述问题,提出一种基于深度学习的级联检测框架.首先,分块检测眼底图像是否存在病变区域,然后对病变区域进行逐像素的分割,从而检测出微动脉瘤、出血点、硬渗出及软渗出4种病变.实验结果表明:在眼底图像公开数据库DIARETDB1中,4种病变的检测率分别为88.62%、94.91%、98.91%和92.91%.与形态学方法相比,微动脉瘤和出血点检测精度分别提高了17.39%和15.18%;与直接逐像素检测方法相比,平均检测时间仅为原来的1/4.     

数字图像的设备溯源技术综述

数字图像在司法取证、新闻报道等领域扮演着重要角色,然而验证其来源的权威性和信息的完整性对于相关应用至关重要.为此,学者试图从一组没有先验知识的图像中挖掘出其设备关联信息,即数字图像的设备溯源.数字图像的设备溯源技术在当今的互联网背景下有着广阔的实际应用场合,是取证领域研究的热点.近年来,大量的数字图像的设备溯源算法被提出,并且取得了可喜的性能.针对数字图像设备溯源问题,就设备指纹特征提取和图像设备关联两个关键步骤进行阐述,分析并总结典型算法和关键研究思路.在此基础之上,进一步分析当前研究所面临的问题,指出数字图像设备溯源未来可能的研究重点与发展方向.     

基于关系图邻接矩阵逼近的推荐系统

在基于关系图约束的推荐方法中,引入用户图(项目图)约束的目的是保持原始的高维用户表征空间(高维项目表征空间)与低维的隐性用户表征空间(隐性项目表征空间)之间用户关系(项目关系)的一致性.不同于传统的基于关系图Laplacian矩阵的一致性约束,本文提出一种基于关系图邻接矩阵逼近的推荐模型,从相似性空间一致性角度进行约束,在保持高维表征空间与低维隐性空间的一致性关系的同时,可以一定程度上避免局部过拟合问题.在EachMovie与MovieLens数据集上的实验结果验证了本文算法的有效性.     

Z源逆变器的直通零矢量控制策略的研究

针对离网型的Z源逆变器提出了一种利用直通零矢量对Z源电容电压进行闭环控制方案.介绍了Z源逆变器的概念,并在此基础上介绍了利用直通零矢量对Z源电容电压进行闭环控制的原理,同时给出了完整的控制框图与PI参数的整定方法.仿真结果表明了控制方法的正确性与有效性.     

提高空冷机组夏季出力的方法及改进建议

本文通过对空冷机组(直接空冷、间接空冷方式)运行情况的调研,介绍直接空冷凝汽器目前多采用的加装水喷雾的方法,并提出改进建议;介绍一种用于提高间接空冷机组出力的尖峰冷却装置。     

基于NS2的控制器局域网网络管理模拟系统

为了提高控制器局域网(Controller area network,CAN)环境下OSEK/VDX直接网络管理(Network management,NM)系统的开发效率,本文提出了一种CAN网络管理模拟系统。其通过对经典网络协议模拟模块的分析与对CAN总线协议特性的抽象,利用Network Simulator 2实现了对CAN总线协议与网络拓扑的模拟,并由直接NM模块实现了网络管理功能。实验证明,该模拟系统不仅可生成与真实系统一致的结果,而且可在开发过程中有效地实现对分布式系统统一的参数调整与测试。     

一种辅助用户搜索的聚类可视化搜索服务

针对用户搜索聚类的需求,以描述优先聚类算法为中心,利用提取高频短语获取候选聚类标签,并结合用户行为,提出一种基于搜索引擎的搜索结果可视化服务的实现机制.该机制包括聚类、可视化、用户反馈三个方面的算法,通过将用户的搜索结果动态转化及总结为相关聚类形态,基此进行可视化搜索呈现,引导用户快速获得搜索结果,并统计用户的使用习惯.实验表明:该机制可有效将用户搜索的结果进行汇聚,减少用户选择的选项,利用聚类等呈现手段辅助用户搜索.     

狗年浅说犬科动物

狗年的来临让我们想起了人类最好的朋友——狗。也许,关于狗的知识和故事,您已经知道了很多,但是您了解狗的其他亲戚吗?这也是一个不小的家族呢。狗,即家犬,到底是一种什么动物?只有弄清楚了这一问题,我们才能知道谁是它的近亲。科学家曾经将家犬划为一个单独的种,即Canis fam     

基于DCNN的图像语义分割综述

图像的语义分割是计算机视觉中重要的基本问题之一,其目标是对图像的每个像素点进行分类,将图像分割为若干个视觉上有意义的或感兴趣的区域,以利于后续的图像分析和视觉理解.近年来,深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的出现,极大地推动了语义分割的发展.本文从语义分割的基本定义出发,对语义分割中存在的困难和挑战进行了分析和描述.总结了目前用于评测语义分割算法的典型数据库,并以PASCAL VOC数据库为主线对近年来基于DCNN的语义分割算法进行了梳理和总结.最后对语义分割未来的研究重点进行了探讨和预测.