二维扫面观测方法横向分辨能力的数学推证

二维扫面观测法地下共中心点分布情况及叠加次数的论证大都通过尺规作图或计算机编程手段来确定,本文从数学角度进行严密论证,从道数无限排列满足共中心叠加的条件2tp=kΔ到任意连续t步内形成反射点的互斥性,再到t步激发接收形成地下反射点的等间距性CMPmin=φ/t=Δ/2t,进而阐明[at,1,+∞)情况下道数有限排列与道数无限排列在共中心点分布情况及叠加次数完全一致,最后进行实例分析。     

基于CT图像3D特征的肺结节检测

为了提高肺结节检测的性能,提出一种基于中心点连续性的肺结节检测算法.该算法使用基于简单线性迭代聚类超像素方法分割CT图像,并根据相似度合并超像素,进而得到肺部区域及疑似肺结节区域,降低了疑似肺结节的漏检率.根据各帧CT图像中疑似肺结节区域的中心点偏移程度评价其中心点连续性,最终判断出阳性肺结节.文中的实验数据来自于上海市胸科医院和LIDC数据库.实验结果表明,改进后算法的敏感度达到86.36%,假阳性率为1.76.     

如何统一规范指纹中心点与外角点的定点

指纹中心点及外角点是在指纹存储、查档、通报、串并案及比对检验中经常用到的12个点。本文提出一套统一规范的指纹中心及外角点的定点方法。     

基于中心点三角白化权函数的地表沉降模糊综合评价模型及应用

根据金属矿山地下开采对地面沉降影响的因素构建了影响地面沉降评价指标体系,分别借助Fuzzy AHP法和中心点三角白化权函数确定各指标权重和隶属度,建立了金属矿山地表沉降模糊综合评价模型.运用此模糊综合评价模型对江西某矿地下开采引发地表沉降进行了评价.     

基于磁通和电流不对称椭圆模型的变压器励磁涌流判别新算法

依据变压器空投时磁通和电流的严重不对称变化和正常运行或内部故障时磁滞影响使磁通和电流成偏移的近似椭圆对称变化,对磁通和电流做适当的变换处理.在一定数据窗内定义一个反应准椭圆中心的偏移度,并连续取半个周期准椭圆中心的偏移度平均值来反应磁通和电流是否对称变化.变压器空投时偏移度较大;内部故障时偏移度小;空投略微严重的内部故障时偏移度由大到小变化.偏移度大小作为区分励磁涌流和故障电流的判据,简单可靠,具有较高灵敏度.通过试验和仿真证明此种方法可以有效地区分励磁涌流和故障电流,具有较高的实用性.     

智能制造系统可靠性与风险评估模型

针对智能制造系统的可靠性与风险评估问题,提出一种基于改进失效模式与影响分析(FMEA)的智能制造系统可靠性与风险评估模型。从创新运用组合权重、逼近理想解排序法思想和模糊多准则妥协解排序法的角度对传统FMEA模型进行改进;基于逼近理想解排序法思想得到专家权重,减少了专家团队对失效模式风险因子分析过程中的个体差异;使用模糊层次分析法和熵权法分别计算风险因子的主观和客观权重,减少了风险因子确定的主观性。最后,运用围绕中心点划分(PAM)聚类算法对改进模型得到的结果进行分析,并应用于智能制造系统风险评估中,确定了智能制造系统中各失效模式的重要程度,通过比较分析验证了改进模型的有效性。     

一种优化的基于网格的聚类算法

新的基于网格聚类算法(GCAB)利用网格处理技术对数据进行了预处理, 并引进了网格密度阈值处理和网格中心点两种技术. 实验表明, GCAB算法不仅具有DBSCAN算法准确挖掘各种形状的聚类和很好的噪声处理能力的优点, 而且具有较高聚类速度.     

基于中心点的多类别车辆检测算法

针对多类别车辆检测任务中存在计算复杂、检测精度不高的问题,提出一种基于中心点的多类别车辆检测算法.该算法首先通过Hourglass网络对各类型车辆特征进行提取,考虑到多类别车辆检测时易受车辆大小、视觉变化及非刚体形变等因素的影响,采用可变形卷积替换传统卷积的方法对Hourglass网络重建;在网络预测模块中,结合不同的预测分支支路,采用组合损失函数度量模型拟合的程度,同时引入GIoU损失提高模型拟合效果,减少车辆检测中漏检和误检现象的发生;最后通过Sigmoid激活函数得到最终的检测结果.在公开数据库上仿真实验,测试精度和检测速度分别达到了93.42％和49 f/s,在自制数据库上仿真实验,所提算法的精确率和召回率相比CenterNet算法分别提高了2.7％ 和5.6％.实验结果表明,本文算法在车辆检测任务中具有明显优势.     

复杂网络图中心节点分布的研究

复杂网络图中不同的节点的作用和重要程度不同.节点的中心性度量,可以反映节点在图中的作用以及对其他节点的影响.复杂网络的全局中心节点有时分布较为集中,不能很好地反映网络图各处的重要节点.局部中心点是中心性度量值大于等于它的所有邻居节点的中心性度量值的节点,分散分布在网络图中,分散分布在社区中,是复杂网络中具有大的局部影响力的重要节点.     

一种求解点到点的最短路径的高效下界算法（英文）

在许多应用中,实时计算一个源点到一个目的点的最短路径是一个非常重要的问题.学术界已经提出若干下界算法求解点到点的最短路径问题,如A*算法,ALT算法等.这些算法所使用的距离估值比较松散,仍然有很大的提升潜力.ACT算法是一种新的两阶段目标制导下界算法,它组合使用了A*搜索,中心点和三角不等式,并且不依赖于特定领域的先验知识.新算法充分利用了预处理数据,可以获得非常好的距离下界.在真实路网上的实验结果表明,新算法的性能明显优于以往的算法.在某些实例下,最优版本的ACT算法所扩展的顶点数量仅仅比最短路径上的顶点数量多25%左右.