具有无限类混沌吸引子的保守混沌系统自适应滑模控制

提出一个具有类混沌吸引子的三维保守混沌系统,新系统在Sprott A基础上增加了一个余弦项并将常数项改为变参项。首先,分析了该系统的典型混沌特性,着重分析了参数变化时的李雅普诺夫指数、时序图以及相应相图。然后,通过改变初始值,得到获得无限类共存吸引子的方法并进行仿真验证。最后,在不确定和干扰作用下设计自适应滑模控制器,实现对新混沌系统的同步控制,并利用Matlab仿真验证所提控制器的有效性。     

顾及地形复杂度因子权重的多波束点云抽稀算法

多波束测深数据具有海量性与冗余性的特点,在实际应用中有必要进行简化处理。现有抽稀算法大多基于单一特征参数实现,其结果往往存在地形细节丢失、地形真实性欠佳等问题,为此提出一种顾及地形复杂度因子权重的多波束点云抽稀算法。该算法首先筛选地形起伏度、坡度和粗糙度作为评价因子,然后采用改进CRITIC综合评价法构建地形复杂度指标,基于该指标实现了点云的初步抽稀;最后通过自适应格网保留局部特征点,进一步改善抽稀质量。实验表明：与传统算法相比,该算法的抽稀结果在多级简化率条件下均具有更低的均方根误差(RMSE),有效提升了简化后的地形精度,能够保留更多的地形细节特征。     

融合时间和地理信息的兴趣点推荐研究

在兴趣点推荐任务中,数据的严重稀疏性限制了模型的推荐性能,并且现有工作忽略了用户在不同时间段访问行为的差异性。针对上述问题,提出了一种融合时间和地理信息的兴趣点推荐模型。该模型首先通过循环神经网络联合学习多种因素;然后利用地理关系模块捕获轨迹中的地理影响。最后,通过一个统一的框架,针对用户工作日和节假日的不同出行需求,推荐不同的访问地点。实验证明,所提模型在兴趣点推荐表现上优于现有模型。     

基于量子点-双边光学腔的两自由度并行非定域Toffoli门远程实现

三量子比特Toffoli门非定域远程实现在量子通讯网络、分布式量子计算中有重要应用.已有的Toffoli门非定域远程实现方案大都基于量子系统单一自由度,本文提出超纠缠信道下基于量子点-双边光学腔的两自由度并行非定域Toffoli门远程实现方案.通讯方Alice, Bob使手中光子依次进入量子点-双边光学腔,对光学腔中电子以及纠缠光子执行单粒子测量; Charlie依据纠缠光子单粒子测量结果,执行相应局域幺正操作和极化、路径自由度单粒子测量. Alice和Bob依据单粒子测量结果执行相应局域幺正变换即可完成两自由度并行非定域Toffoli门远程实现.方案以极化、路径两自由度超纠缠光子为量子纠缠信道,具有信道容量高、并行性强的优点.     

一种新颖的基于类GHZ态的两方半量子密钥分配协议

本文提出了一种新颖的两方半量子密钥分配(Semiquantum Key Distribution, SQKD)协议,该协议只使用一种类GHZ态.提出的SQKD协议可以实现在无第三方的情况下在一个具有无限量子能力的量子方和一个具有有限量子能力的经典方之间创建一个共享隐秘密钥.该协议不需要Hadamard门或者纠缠交换操作.详细的安全性分析表明,提出的SQKD协议能够抵御来自外部窃听者的几种著名攻击,如特洛伊木马攻击、纠缠-测量攻击、双重控制非攻击、测量-重发攻击和截获-重发攻击.     

基于RGB-D图像的视觉SLAM算法研究

针对主流的RGB-D SLAM系统精度较低并且仅生成稀疏点云地图的问题,提出一种改进的SLAM系统。前端采用改进的ORB特征提取算法,改进特征点簇集的问题;后端综合利用EPnP与ICP算法进行相机位姿优化,提高位姿估计精度;并增加稠密点云地图构建线程,得到场景的稠密点云地图,以用于机器人的导航与路径规划。在TUM数据集上,使用Kinect V2相机将改进的SLAM算法与ORB-SLAM2算法进行实验比对,验证了改进SLAM算法的综合性能优于ORB-SLAM2算法。     

三大创新发力鹿城企业腾飞

人才创新是企业发展之本申瓯通信设备有限公司成立于1990年,是国家级重点高新技术企业、浙江省信息产业重点企业。其生产的数字交换机年产销     

基于LLE与K均值聚类算法的工业过程故障诊断

工业过程中各类数据间具有一定的相似性,单纯利用K均值算法对其进行故障诊断时,存在很大的错误率.提出一种基于局部线性嵌入(Locally Linear Embedding,LLE)的K均值聚类算法,将正常数据运用LLE算法降维并求出投影矩阵,利用投影矩阵将原始故障数据映射到低维空间,再利用K均值算法对其聚类,建立检测与诊...     

高等院校影视类实验室开放模式探讨

根据高等院校影视类实验教学的特点和目前影视类实验室开放的现状,从加大实验室开放力度和建设实验室开放信息化管理系统方面提出了影视类实验室的开放模式。     

WSN中传感器节点的弹性神经网络任务分配方法

为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组织神经网络优化监测联盟,用最近邻法对神经元弹性子模进行初始化,根据胜者为王原则动态调整子模的感受域,以快速锁定最优监测联盟,实现多目标的精确跟踪.实验结果表明:文中方法能有效解决多目标跟踪节点任务分配的竞争冲突问题,以及竞争冲突时的系统能耗增加与实时性问题;在随机均匀部署节点拓扑和目标直线运动模式下,文中方法的能耗较最近邻法降低了48.2%~55.9%,较未改进弹性神经网络法降低了37.4%~42.5%,且运算速度提高了19.0%~27.4%.