云南两高辐合背景下低涡强降水过程对比分析

基于气象观测和欧洲中期天气预报中心第五代大气再分析资料（ERA5）,选取2018—2020年发生在云南的3次两高压辐合区（以下简称两高辐合）背景下低涡连续性强降水过程进行对比分析,探究其环流形势、动热力因子及水汽辐合的相似性和差异性.结果显示：(1)夏半年西太平洋副热带高压（以下简称西太副高）西伸时,云南常受两高辐合影响,当辐合区中有低涡生成,易发生连续性强降水,且强降水落区并不完全分布在整个狭长的两高辐合区内.(2)两高辐合区低涡降水具有相似的雨带分布和移动特征,但雨带的集中程度、分布范围、小时雨强和总雨量存在差异.强降水开始时,落区偏东,随着西太副高西伸及东北引导气流的引导,低涡向南向西移动,强降水落区也随之向南向西移动.低涡在某一地区徘徊导致降水集中在该区域,且西太副高西伸较强时,两高辐合形势更强,低涡降水大雨及以上量级雨带也更窄.(3)低涡造成的降水主要分布在低涡中心及低涡切变附近,且降水发生在低层暖湿的环境中,低层及中高层有冷空气侵入时,小时雨强的极端性更强,降水落区也相对偏北.两高辐合区低涡降水落区与水汽辐合区对应较好,水汽辐合强度较弱时,对应的总降水量较小.     

基于多维行为分析的窃电高风险客户精准定位方法

窃电行为对国家电力系统及供电公司造成了极大的损失,故反窃电技术是电力行业的重要研究方向之一。传统的窃电用户定位方法存在定位不准确、查处效率低等问题,为了解决上述问题,提出基于多维行为分析的窃电高风险客户精准定位方法。首先通过相关矩阵R及特征值谱熵正则化完成用户数据去噪,其次在UFS-MI模型内提取用户数据特征,分析用户用电的多维行为,最后根据逻辑回归算法完成窃电高风险客户的精确定位。实验结果表明,所提方法的窃电高风险客户定位精准度较高,误判率较低,整体定位效果较好。     

空间听觉与虚拟听觉空间的计算机仿真

一些科学工作者对人类以及动物听觉的自由声场至耳膜的传递函数进行了测量,他们发现在宽带信号激励的情况下,不同频率分量之间的幅度差异是与声源的方向有关的,这一发现已被用于展现“真实”的三维听觉,称作虚拟听觉空间仿真。     

雷达辐射源信号双谱二次特征提取方法

现有的双谱特征提取方法可以满足信号分类识别，但是出现了交叉项、平凡双谱以及特征维数过高等一些问题。针对以上问题，提出一种双谱二次特征提取方法，将双谱转化为灰度图像，以灰度值表示双谱幅度；再利用图像处理技术提取双谱二次特征，提取出能够表征辐射源信号双谱图像纹理信息的灰度共生矩阵特征集；将该特征集与Hu-不变矩特征集进行对比实验。仿真结果表明：该方法具有更好的分类识别性能，对于CW、LFM和NLFM信号的平均识别率均达90%以上。     

改进的SIFT特征匹配算法

针对SIFT特征匹配算法在特征空间中进行历遍搜索,匹配速度慢的问题,提出一种金字塔层间匹配算法。首先,根据特征点所处金字塔层不同将特征点划分为不同的集合,其次,选择待配准图像金字塔中某一层集合,在基准图像金字塔中寻找相似层,并确定待配准图像金字塔与基准图像金字塔层之间的相似关系,最后,在相似层之间寻找匹配点。待配准图像中的选择层集合由金字塔底层到顶层,寻找相似层所用时间依次缩短。与原算法相比,该算法具有相同的旋转稳定性。将该算法与原算法分别应用实际图像配准中,结果表明:可见光图像配准中,匹配速度提高了3.2倍,正确匹配率提高了10.3％,红外图像配准中,匹配速度提高1.4倍,正确匹配率达到100％。     

基于神经网络的眼底视杯图象分割技术

根据眼底图象中视杯的边沿特征,提出了一种基于ＢＰ神经网络的视杯分割方法,详述了这种方法的实现过程,并研究了ＢＰ学习算法的加速问题．实验证明,这种方法的分割效果较好．     

视觉伺服系统中的最优控制律的探讨

通过建立视觉反馈系统的模型和视觉伺服的公式化模型,对特征信息法作理论公式的推导,讨论线性模型的稳定性和可控性,推导最优控制律．     

一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

遗传算法在立体图象匹配中的应用

基于传统立体图象匹配技术,提出了一种新的使用遗传算法的特征匹配方法．实验中,采用了两种特征提取算法,以适应不同图象要求．实验用图包括自然景物图和人工合成图．此外,用ＢｒａｎｃｈＡｎｄＢｏｕｎｄ算法得出比较结果．实验结果表明,遗传算法有好的匹配正确率和收敛速度,具有鲁棒性,适合立体图象匹配．     

质心层次特征的无约束手写体数字识别

光学字符识别（ＯＣＲ）是模式识别最为成功的应用之一．目前,ＯＣＲ的研究重点是无约束手写体字符识别．采用了基于字符质心的层次特征对无约束手写体数字进行分类识别．基于字符质心的不均匀分块方法,在一定程度上可以克服无约束手写体数字字形千变万化所引起的不稳定性．层次特征将字符在空间的二维分布转化为一维,特征抽取过程简单,易于实现．将该算法应用于无约束手写体数字的信函分拣系统,单字的平均识别率达９７％以上．