基于DPCA、ATI和MUSIC的动目标检测方法

针对SAR(合成孔径雷达)动目标检测,提出一种DPCA(中心相位偏置天线)、ATI(沿迹干涉)和MUSIC(多信号分类)相结合的三孔径动目标检测方法。该方法首先采用DPCA技术消除杂波干扰、检测运动目标,然后用ATI和MUSIC方法确定目标的位置和速度。理论分析和计算机仿真表明,该方法是有效的,不仅能够检测运动目标,而且能够精确估计其运动参数。     

简讯：东华大学科技与哲学研究中心揭牌

东华大学科技与哲学研究中心于2004年12月29日正式揭牌。来自中科院、南京大学、复旦大学、武汉大学、山西大学等十数名哲学界知名学者到会祝贺。东华大学科技与哲学研究中心是该校哲学学科的研究平台。它以现代科技的发展为大背景，综合东华大学有关学科的优势，调动该校人文学院的科研力量，广泛联系国内各兄弟高校及哲学社会科学研究单位，     

完善科技企业孵化体系建设加快用高新技术改造传统产业步伐

自1989年沈阳市高科技创业中心成立以来，作为国家发展高新技术产业的重要组成部分，我市一直对科技企业孵化器的建设和发展给予充分重视，在资金、政策、组织、管理等方面给予了重点扶植。特别是2003年4月，科技部将沈阳市列为国家“科技企业孵化器重点城市”，以此为契机，我市将科技企业孵化器体系建设工作作为用高新技术改造老工业基地的重要内容，取得了明显成效。     

禁止进口固体废弃物的逻辑与前景

封闭经济体中可以进行经济协同的空间较为狭小,经济全球化则深刻改变了各国在全球价值链上扮演的角色。商品、服务、资金、人员等各类要素的流动和分配方式更为多元,为各类经济活动的全生命周期管理提供更多方案。一直以来,生活消费品的最终阶段并非止于消费者,而是需要进一步延伸至垃圾处理、回收和再利用环节。长期以来,作为全球制造中心,中国通过大量进口原材料.     

南海形势:回首2017,展望2018

2017年11月26～27日．由南京大学中国南海研究协同创新中心主办的第五届中国南海研究论坛在南京举行。本次论坛设立特别演讲、专题报告及分论坛．针对“中国一东盟关系与COC谈判””南海安全形势与大国竞争合作“”南海渔业、资源环境与生态保护”“南海法理斗争与历史证据建设”等议题进行研讨。本刊特选登部分内容．与读者分享。     

基于改进模糊C均值聚类的弥散张量成像图像分割

为了避免随机选取初始聚类中心点的缺陷,利用最大最小距离的方法确定初始聚类中心点.实验结果表明,和传统的模糊C均值聚类(FCM)算法相比,所提聚类算法具有较高的稳定性和准确性,所分割的胼胝体图像边缘信息更加清晰.     

基于内容流行度的移动CCN缓存策略研究

近年来,为了适应互联网应用由发送者驱动的端到端通信模式向接收者驱动的海量内容获取模式的转变,并从网络体系架构层面提供对可扩展和高效内容获取的原生支持,研究界近年来提出以内容为中心的新型网络(content-centric networking,CCN)体系架构,它能够高效地支持未来互联网上的内容分发.随着移动用户数量的不断增加,未来移动用户也将访问CCN网络,针对内容中心网络中的用户移动性问题,提出了一种基于内容流行度的移动性缓存策略.该策略考虑用户移动性,利用半马尔科夫模型对用户移动性进行建模,同时采用多元线性回归模型对内客流行度进行预测,结合用户移动性与原有内容流行度提出一种移动性缓存策略.仿真实验表明,移动性的加入会对内容的流行度产生较大的影响,该策略能有效地提升缓存命中率.     

基于不同参考框架的GPS卫星天线校验

重新估计了基于不同参考框架的GPS卫星天线PCO(相位中心偏差)和PCV(相位中心变化)参数.计算过程中,通过固定测站天线的PCO和PCV,并将测站坐标强约束至不同的参考框架之下,降低了GPS卫星天线参数和接收机天线参数以及参考框架参数之间的相关性.结果显示,基于不同参考框架的同类型卫星天线PCV差异的平均值为0.726mm;与IGS发布值差异的平均值为0.844mm;基于新公布的IGS14参考框架的GPS卫星天线PCO估计结果与IGS(国际GNSS服务)发布值差异的平均值为-14.4mm,基于IGb08参考框架的卫星天线PCO估计结果与IGS发布值差异的平均值为-16.8 mm.以上结果表明,本措施提高了GPS卫星相位中心PCO/PCV的一致性,从而也能提高GNSS(global navigation satellite system)技术用于框架传递的连续性.     

成排连铸坯端面中心坐标视觉自动提取方法

为了实现成排连铸坯端面机器人贴标时各连铸坯端面中心坐标的快速提取,提出了先提取连铸坯端面图像角点像面坐标,再计算各连铸坯端面中心像面坐标的研究方案。首先,提出了一种改进型SUSAN角点检测算法,解决了图像中相邻连铸坯端面图像边界间距离过小和连铸坯端面图像角为弧形角所造成的角点漏检问题;然后,提取角点的像面坐标,并确定各封闭区域所包含连铸坯端面个数;最后,采用一种倾斜连铸坯端面图像中心像面坐标的提取方法,计算各连铸坯端面中心像面坐标。应用以上方法进行成排连铸坯端面机器人贴标实验,实验结果表明,连铸坯端面水平和竖直方向贴标位置误差范围分别为-0.625～0.850 mm和-0.550～0.875 mm,完全满足企业对多根连铸坯端面自动贴标位置误差允许值1 mm的要求。所提视觉方法在理论和实际应用上都是可行的,不仅为连铸坯端面贴标机器人提供了准确的贴标位置,而且为矩形图像元素的中心坐标提取提供了一种可靠的方法,具有一定的应用价值。     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。