基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。     

介观尺度铣削表面形貌仿真物理模型

介观尺度铣削工艺受到尺度效应的强烈影响。综合考虑主轴跳动度、最小切削厚度、间断性切屑成形等因素对切削力的影响,建立介观尺度三维铣削力模型;利用虚位移原理建立柔性铣刀弹性变形模型,建立面向介观尺度铣削的微型柔性螺旋立铣刀铣削表面创成物理模型。在此基础上,构建介观尺度铣削表面形貌三维仿真算法,并给出仿真算例。     

尾巨桉遗传转化系统建立的研究

以建立的尾巨桉(Eucalyptus urophylla×grandis)3226、3228无性系高频再生体系为基础,利用GUS染色组织分析法研究了预培养时间、侵染时间和共培养时间因素对尾巨桉茎段遗传转化的影响,探讨了适宜尾巨桉转化的卡那霉素与抑菌抗生素使用浓度.结果表明,较优的转化条件是:茎段外植体不需进行预培养而直接进行侵染（菌液浓度OD600值为0.5）3 min,共培养2 d,然后转移到含75 mg／L卡那霉素和300 mg／L头孢噻肟钠的筛选培养基上,进行转化植株的再生.3226、3228     

植物三维点云分割

针对植物点云具有形状不规则、密度不均匀的特点,提出一种适用于植物的三维点云分割方法.将烟草、玉米、黄瓜这3种植物作为样本数据,以滤波等预处理方法去除离群点与背景点,以欧氏聚类算法分割植物群体,并用区域增长算法、边缘提取算法、超体素聚类算法以及基于凹凸性的方法来分割叶片器官.将所提出的方法用于分割烟草、玉米的三维点云,其...     

桩锤同步振动系统的机电耦合特性及同步控制

控制同步是实现多锤联动的有效方式之一.针对目前存在的两台桩锤控制同步时出现的机电耦合现象,建立了打桩过程中的"锤-桩-土"系统的动力学数学模型,并构建了两桩锤同步振动系统的机电耦合模型,在此基础上进行了数值仿真分析,发现机电耦合的结果是在一定的条件下出现自同步现象.对机电耦合下的同步控制策略与算法进行了研究,确立了"虚拟主令+比例-积分-微分算法(PID)"的控制方式,最后通过试验验证了机电耦合规律的正确性及同步控制策略与算法的有效性,控制同步的精度可以满足工程应用.     

环境随机激励下在役石油钻机井架试验模态参数识别

针对钻机井架的结构形式和作业特点,详细讨论了模态测试中若干试验参数,如激励方式、传感器位置以及频率分辨率等,提出了基于环境随机激励的钻机井架结构试验模态识别的一种有效方法.根据激振形式,推导了模态参数识别公式,依据结构响应的自功率谱识别井架的模态频率,依据互谱与自谱的峰值之比近似地识别模态振型.针对海洋和陆地钻机两种井架形式进行分析.该方法处理简单、快速、实用,适用于大型复杂钢构结构,具有一定的工程应用价值.     

大跨度悬灌连续梁线型控制施工技术

目前,大跨度连续梁在公路、铁路中广泛应用,施工技术已较为成熟。就线型控制而言,由于建模软件的不同,也有多种监控方式。就国内广深港客运专线铁路连续梁线型监控情况,对Midas civil在线型控制中的应用情况进行了总结性概述,为今后同类工程提供较好的借鉴。     

晶体中稀土离子f-d跃迁光谱的数值模拟

在介绍晶体中稀土离子4fN-15d组态的能级结构、4fN组态和4fN-15d组态之间f-d跃迁线强以及相应的声子伴随跃迁的基础之上,讨论了国际上用于数值化模拟稀土离子f-d跃迁光谱的扩展f-shell程序的使用细节,总结了使用该程序在模拟f-d跃迁光谱方面的工作,并简单探讨了进一步的工作设想.最后,给出了一个氟冰晶石掺Er3+离子f-d跃迁光谱的数值模拟示例.     

模糊交互时态逻辑及其语义结构

Alur等人建立的交互时态逻辑（ATL ＊）是一种重要的多Agent合作逻辑,它对计算树逻辑（CTL ＊）进行了合作算子拓展,然而它缺乏对不确定时态信息的刻画。通过考察模糊时态事件和模糊时态状态、描述相对时间来改进并发博弈结构,并给出模糊并发博弈结构;把模糊并发博弈结构的若干要件从相对时间域到绝对时间域进行映射,给出已映射模糊并发博弈结构;建立了模糊交互时态逻辑（FATL ＊）,给出其语法,在已映射模糊并发博弈结构下给出其语义;阐述了FATL ＊的表达力比ATL ＊强。     

基于情感轮和多任务卷积神经网络的图像情感分布学习

图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直接引入到深度神经网络中.基于Mikel's情感轮定义成对情绪之间的相关性,EW-MTCNN模型采用多任务卷积神经网络学习情绪之间的相关性信息,同时优化情感分布预测和情绪分类任务.EW-MTCNN模型由3个模块组成,3个模块分别是图像特征提取层、情感轮先验知识层和多任务损失层.在情感分布数据集(Emotion6)和单标签数据集(Artphoto)上进行对比实验的结果表明:EW-MTCNN模型在情感分布预测与情绪分类任务上比其他情感分布学习方法具有更优的性能.