基于CPU-GPU异质架构的子孔径算法实现

对于大规模遥感数据处理,单纯依靠CPU实现实时成像处理存在较大挑战。近年来出现的GPU图像处理单元为大规模数据处理提供了一个理想的处理平台。结合GPU和CPU的特点,利用基于CPU-GPU的异构协同处理平台来加速图像处理。同时,为了充分发挥该异质架构的性能,提出了一种改进的基于子孔径架构的成像算法,并在此架构上对超大规模遥感数据进行了成像处理,取得良好的成像效果和加速比。     

套代数上广义导子对的刻画

设τ（ N ）是复可分Hilbert空间H上的套代数,（φ,ψ）是套代数τ（ N ）上的线性映射对。若对任意A,B∈τ（N ）且AB＝0,有φ（AB）＝φ（A）B＋Aψ（B）成立,则（φ,ψ）是广义内导子对。     

基于子空间算法计算汽车轮胎的谐波激励稳态响应

汽车轮胎的动力特性是影响汽车整体性能的一个重要指标,本文利用大型有限元计算软件ABAQUS,建立有限元计算模型,基于子空间算法来计算汽车轮胎的谐波激励稳态响应,通过对轮胎进行模态分析,得到轮胎的固有频率和对应的阵型。     

纯朴坚守的爱——浅评《我的父亲母亲》

<正>没有城市的繁华,没有城市的勾心斗角,有的是美丽的风景,纯朴的爱情。这种爱情叫做坚守,它轻如鸿毛,重如泰山,使天地化为一渺,让时间化为一瞬。影片以儿子回忆的方式向大家展现了父母当年纯朴的爱情故事。大山深处有一辆马车驶来,为这个村子带来了希望,年轻帅气的先生轻松进入了正值芳龄的妱蒂心中。妱蒂爱上了先生,没有太多的语言,有的只是那默默的行动。     

为什么要到美国生孩子?

中国妈妈的美国幻想在赴港生子之门随着香港政策的收紧而逐渐关闭之时,中国的母亲们又掀起了赴美生子的热潮。在这些妈妈们心中,自己的孩子未来是可以竞选美国总统的。在知名女性生活消费网站55bbs的孕婴版块上,一位在美国生下孩子的中国妈妈写道:"赴美生子,我和老公是全程DIY,前期住包餐的民宿,以旅游、购物为主,后期住了月子中心,以静养喂奶为主。回国的时候托运了6个大箱子,身上挂满了     

两株紫色红曲菌根癌农杆菌介导的T-DNA转化子的生物学特性

从根癌农杆菌(Agrobacterium tumefaciens)介导的紫色红曲菌(Monascus purpureus)菌株S的转化子库中筛选出2株产红曲色素性能变化显著且遗传稳定的转化子S62和S158,分别对其菌落形态、显微结构、菌落生长速度、遗传稳定性、潮霉素抗性及其产色素和桔霉素的能力等进行了分析.结果表明,2株转化子的生物学特性均发生了显著变化,且发酵后红曲色素的色价和桔霉素的产量降低.其中:转化子S62液态发酵后色价为2.71 U/mL,仅为原始菌株S色价的0.04倍;转化子S158发酵后色价为17.62 U/mL.     

奇异正交群作用下子空间轨道的长度

设Fq是q个元素的有限域,Fq2v＋δ＋l是Fq上2v＋δ＋l维行向量空间,O2v＋δ＋l,△（Fq）和O2v＋δ＋l（Fq）分别是奇特征和偶特征有限域Fq上的正交群．Fq2v＋δ＋l在02v＋B＋l,z（F。）（02v＋8＋l（F。））作用下导出了它在Fq2v＋δ＋l子空间集合上的作用,因而Fq2v＋δ＋l在0：州＋f．d（F。）（0：。＋：（F,））作用下划分成一些轨道M（m,2sy,s,F,k;2v＋占,△）（Mm,2s＋y,s,,k;2v＋6＋z））．采用正交群0：Ⅲ,。（F。）（02v＋8＋1（‘））作用在F2。。上子空间轨道长度的公式,并且利用矩阵初等行变换的方法,分别给出M（m,2s＋7,s,F,k;2v＋6,△）和M（m,2s＋y,s,F,k;2v＋6＋1）的长度公式．     

高压下过苯胺黑聚合物极化子的迁移率

在改进的Ginder-Epstein模型下,通过变动模型参数V2,0来表示对过苯胺黑聚合物施压,采用分子动力学模拟方法,计算了不同压强下n型极化子的迁移率.结果表明从零压增加到9.3 GPa,极化子迁移率先增加后减小,迁移率达到最大值约370 cm2/(V.s),饱和压强值在4～5 GPa之间.计算结果与实验上观察到的随压力增大聚合物电导率增高直至饱和的现象相吻合,确认了聚合物的极化子导电机制.     

国家关键交通网络的基元结构与系综特征

基于复杂网络模体和超家族辨识方法,辨析国家关键交通网络的基元结构特性和系综特征.研究表明交通网络模体应表述为受到成本、技术和空间约束下,适应网络功能设计和建设,预先明确的、非随机的特定结构形式.阐述了交通地理网和服务网的4节点子图浓度分布的异同,进一步基于4节点子图比剖面阐明了关键交通网络的家族分类和属性特征.     

一种考虑时空分布特性的区域风电功率预测方法

为了有效解决风电场数据丢失时直接相加法无法进行区域风电功率预测的问题,提出了一种考虑时空分布特性的区域风电功率预测方法.为降低模型的复杂性,根据风电场及风能信息对子区域进行具体分析.在此基础上,利用相关系数法,选择风电场出力与子区域出力间相关系数绝对值大的风场为基准风电场.以所选基准风电场预测功率为输入,利用神经网络方法,直接预测各子区域功率,整个区域预测结果为各子区域预测值之和.算例结果表明:利用相关系数法选择基准风电场无需大量历史数据支撑,原理简单易于实现;模型与风电场所采用的预测系统无关,易于工程推广应用;模型无需考虑非基准风电场功率预测情况,成本更低、效益更高;采用该模型后子区域预测误差比直接相加的方法降低了5％,整个区域预测误差仅为20.8％.