Cs相似度函数下正则谱聚类的收敛阶

用覆盖数逼近的方法给出Cs相似度函数下正则谱聚类的收敛阶.     

救荒野豌豆对根竞争的响应及其识别机制

以救荒野豌豆为材料,研究其对邻体根的响应机制以及根之间的识别方式.结果表明:邻体根存在时,叶、茎、冠、根生物量,根冠比和花数量均没有变化,而繁殖生物量明显增加,表明根的生长与繁殖不存在权衡,也表明救荒野豌豆能够检测到邻体根的存在并做出响应;根之间的识别方式既有直接接触,也有间接的化感作用.     

网格笔划密度特征的OPCCR错误自动检测

现有的光学印刷体汉字识别（OPCCR）系统中,汉字识别率虽然已经高达98%以上,但仍然会发生错误识别的情况.通常,这些错误的识别还不能被自动检测,采用人工检测,费时费力,大大降低了实际应用系统的自动化和智能化程度.为此,本论文提出了基于网格笔划密度特征的OPCCR错误的自动检测算法.本算法首先建立标准汉字的网格笔划密度特征的特征库.然后,在OPCCR错误的自动检测时,对光学印刷体汉字图像进行预处理、行分割、列分割得到单个汉字图像,提取单个汉字图像的网格笔划密度特征.再把特征和相应的识别出的汉字的特征库中的特征进行相关匹配.于是,根据特征匹配自动检测OPCCR的错误.     

逆向工程中一种鲁棒的平移对称提取算法

为了解决逆向工程中平移对称提取的问题,提出了一种鲁棒的提取算法.首先利用特征线将模型分割成体素的集合,然后计算各个体素的形状分布曲线,通过形状分布曲线匹配的方式获取了几何形状相似的体素,并利用最小包围盒从中提取大小相似的体素,以构成对称体素的集合.利用鲁棒的PCA方法估算对称体素的初步对称信息,在此基础上利用迭代最近点算法对提取的平移对称进行优化.采用一个机械零件的三角网格模型进行实验的结果表明,体素分割结果对应构成模型的各个特征,具有明显的工程语义,对称提取结果的误差较小并具有较强的鲁棒性.     

海量信息异常检测问题的异常概率排序算法

针对异常检测算法速度慢、精度低、稳定性差等问题,提出了一种通过异常概率排序提取异常点的算法(OAP).由于异常点相对正常点更容易通过对数据空间的均匀分割而孤立出来,所以OAP通过数据点在均匀N叉分割树中的孤立深度估算异常概率的大小,从而得到异常概率的排序,最终构造由k个异常概率最大的点组成的列表,列表中的数据就是所求的...     

基于马尾松测交系子代的生长、干形和木材密度的配合力分析

利用设置在浙江省淳安县姥山林场的14年生测交系交配设计(测交系未经过一般配合力测定)的遗传测定林,研究马尾松生长、干形和木材基本密度的一般配合力(GCA)和特殊配合力(SCA)及所受的遗传控制。结果表明:马尾松胸径、树高、木材基本密度和干物质积累量皆存在显著的GCA和SCA效应,其全同胞家系遗传力在0.746～0.908间,受较强的遗传控制,其中胸径、木材基本密度和干物质积累量受加性基因效应控制为主、显性基因效应次之,树高受基因的显性效应控制略高于加性效应,而树干通直度完全由加性基因效应影响。统计分析表明,来自中南部的1134、1127和5906测交系其胸径、树高和木材干物质积累量的GCA为正值且较高,而来自北部安徽的3203测交系木材基本密度的GCA最高。在9个待测系中,5476、5158、3205的胸径、树高、木材干物质积累量和树干通直度的GCA均较高,但5476和5158的木材基本密度的GCA则较低,与木材基本密度GCA较高的5910和3205差异显著。马尾松SCA的大小则独立于GCA,因性状和组合而异。依据单株干物质积累量大于总体平均值的20%及树干通直度得分不小于4的选择标准,筛选出7个优良杂交组合,其单株干物质积累量的现实增益和遗传增益分别为22.68%～67.34%和20.25%～60.13%。     

一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

基于FLAC3D的砂质淤泥质土层地铁施工影响因素分析

为分析叠交地铁施工中既有隧道变形的影响因素,依托苏州市轨道交通S1线工程S1-TS-05标段,针对在砂质淤泥质土层中盾构上穿施工导致的既有隧道的沉降与变形,采用数值模拟方法分析隧道几何参数、空间位置、地层参数等因素对既有隧道的影响,结合现场监测验证数值计算的准确性。研究结果表明：在砂质淤泥质土层盾构上穿施工中,既有隧道的位移和管片变形以竖向沉降为主,且沉降量随着盾构直径的增大而增大,随着覆土层厚度、新旧隧道净距、下穿角度,以及地层弹性模量的增大而减小。现场监测数据与模拟结果较为吻合,既有隧道位移与距叠交中心距离呈负相关关系。研究结论可为同类型地层条件下叠交地铁隧道盾构施工变形控制提供参考。     

基于多尺度特征注意力网络的施工安全预警方法

安全管理是建筑施工过程中的重要工作之一,设计自动化的安全预警方法对保障工人安全、减少施工事故有着重要作用.本文提出一种基于多尺度特征注意力网络的施工安全预警方法.首先,设计融合多尺度特征注意力机制的施工现场实例分割网络,使用具有丰富语义信息的高维特征指导网络对低维特征的学习,从而增强网络对施工设备专有特征的聚焦能力,实现复杂环境下施工设备与工人的精准分割;其次,提出基于位姿估计的三维边界框重构方法,利用神经网络提取到施工设备在三维空间上的朝向,并结合二维边界框所反映的几何约束实现对施工设备三维约束的重构;最后,设计施工现场动态预警方法,根据生产安全要求将施工现场划分为危险区、预警区与安全区,并对施工现场的设备与工人进行实时追踪与三维约束重构,当工人进入危险区及预警区时及时发出警告.实验结果显示,本文所提方法在MOCS公共数据集上取得超过90%分类准确率与59%的分割mAP,优于其他融合特征注意力机制的深度学习算法;从施工现场安全预警案例可知,本文所提方法能够对工人的安全状态进行准确判断.