压缩视频的高清晰度恢复方法

讨论了从一系列低清晰度视频中恢复出高清晰度视频的两种方法,它们有区别于以前针对于原始视频的恢复方法.此两种方法是针对于压缩视频的,例如MPEG压缩视频.它们各有其优点,通过仿真进行比较并得出结论.     

美姑河流域牛牛坝公路泥石流灾害防治

牛牛坝公路泥石流属于粘性泥石流,沉积区洪积扇典型,沉积物淤埋厚度12～25 m,泥石流在沉积区冲淤变动、加积特性显著,爆发周期3～5a.提出了泥石流隧道治理技术,拟定了治理结构方案,并进行了结构计算.以泥石流隧道附近的泥石流沟为对象,运用流-固耦合有限元数值模拟方法,分析了泥石流初始状态及峰值流量状态泥石流隧道及邻近泥石流沉积物内大主应力的变化规律,发现泥石流隧道顶部泥石流峰值流量出现8s以后沉积物及隧道结构内的大主应力才达到峰值.治理工程于2003年底修建完成,4a来经历了2次泥石流检验.现场观测发现,该防治工程治理效果显著.     

变换域时间序列相似性搜索

在时间序列的研究中，经常需要计算二个序列的相似程度。由于序列变化的多样性和，复杂性，结果通常不能很好地满足要求。采用变换法则对时间序列进行从时域到频域的转换，再将转换后的数据按照一定的规则变换成字符序列；利用求最长公共子序列的方法计算三个序列的匹配度，实现时间序列的相似性搜索。     

滇黔桂低温成矿域基底岩石的锆石年代学研究

陇要超基性岩的变质岩捕虏体,为探讨滇黔桂低温成矿域的基底岩石组成提供了极佳的线索．初步的碎屑锆石SHRIMP和LA-ICP-MS年代学研究显示,原岩沉积时代的下限约为430Ma,相当于晚志留世一早泥盆世,该组锆石可能主要来源于盆地南侧坍塌的早古生代晚期（广西期）造山带;沉积物源区地壳可能主要存在-430Ma,-520Ma,-770Ma,-860Ma,-960Ma,-1100Ma和-2500Ma等七组地壳或再循环地壳组分;对于深厚覆盖区之下的基底岩石类型及其性质,深源岩石包体能够提供其他研究对象无法提供的直接证据．     

瞬态热传导方程的时空有限元法

基于Gurtin变分原理，推导了适用于热传导方程时空有限元法的泛函，并对空间域和时间域同时进行离散，建立了求解瞬态热传导方程的时空有限元模型。最后对二维热传导方程采用面向对象技术进行了编程计算。计算结果表明时空有限元法精度高而且稳定收敛，是一种有效的方法。     

基于灰色信息的支持向量域分类算法

当被识别的样本包含有未确知性的灰信息时,传统的SVDD算法无法对其类别作出判别.针对这一问题,并考虑到SVDD算法是一种基于样本间距离测度的判别方法,提出了一种针对灰信息样本进行判别的支持向量域数据描述算法-GSVDD算法,该算法利用区间数对未确知性的灰信息进行表达,将区间运算引入到SVDD算法中,以区间距离取代原来的确定性距离,从而对灰信息目标样本进行识别.理论分析和实验结果均表明,该算法是有效和可行的.     

基于可信第三方的快速域间垂直切换认证协议

针对异构无线网络中的域间垂直切换,提出一种基于可信第三方的切换认证和密钥协商协议,协议分别考虑了向上切换和向下切换两种切换场景.文中还改进了一种三方密钥分配协议,用于实现域间垂直切换认证过程中的临时密钥分配.分析比较表明,该方案在安全和性能上具有较好的折中性.     

基于交叉变异操作的连续域蚁群算法研究

研究一种基于交叉变异操作的连续域蚁群算法,该算法对解的每一分量的可能取值组成一个动态的候选组,并记录候选组中的每一个可能取值的信息量.在蚁群算法的每一次迭代中,首先根据信息量选择解分量的初值,然后使用交叉、变异操作来确定全局最优解的值,通过相应算法设计,对于来自相对适应度较大的解的分量值, 其变异的区域较小,成为局部搜索,反之,变异的区域较大,则构成全局搜索.同时,随着迭代次数的增多,分量值的变异幅度逐渐变小,这样可使收敛过程在迭代次数较多时得到适当的控制,以加速收敛.最后通过仿真实验,把交叉变异操作的连续域蚁群算法与遗传算法性能进行比较,证明了交叉变异操作的连续域蚁群算法具有较高的搜索较优解的能力,大大节约了计算时间.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时,不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题,提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分...     

基于低秩交叉重构的领域自适应算法

为了解决现有领域在自适应方法中忽略了整个数据域内部结构的信息和源域与目标域之间的差异问题,提出了一种新的基于低秩交叉重构的领域自适应方法.通过对源域和目标域的交叉重构来构造新的源域与目标域,使得同类数据相互交织,缩短了同类数据之间的距离; 通过对重构矩阵施加低秩约束,将2个域的同类数据对齐,以此来充分挖掘源域和目标域同类数据之间的内在结构信息,并利用该结构信息来学习分类器,从而取得更好的跨域识别效果.在5个公开数据集上的实验结果表明:该方法具有较高的跨域识别准确率.