基于遗传算法的图像识别方法

分析了图像识别中模板匹配技术面临的计算量大、存储量大的问题,提出了基于遗传算法的图像识别方法。该方法首先对图像模板进行离散化处理,对图像离散点控制,从而把图像识别问题转化成一系列离散点的组合优化问题;然后利用遗传算法对种群优化的性能,对各个控制点组合优化,使各控制点与模板匹配;最后通过计算机仿真实验,证明了这种方法的有效性和实用性。     

用混合表面活性剂合成MCM-48介孔分子筛

在水热体系中研究了以混合非离子一阳离子表面活性剂为模板剂来合成MCM-48介孔分子筛的方法，考察了模板剂用量、晶化温度、晶化时间以及辅助模板剂TX-100用量等条件对分子筛合成的影响，并与用单一表面活性剂CTAB来合成的MCM-48介孔分子筛进行了比较。结果表明，以混合非离子一阳离子表面活性剂为模板剂来合成MCM-48介孔分子筛不仅晶化过程中不易发生转晶，而且还大大缩短了晶化时间，减少了模板剂用量，提高了产物的结晶度和稳定性。此外，辅助模板剂TX-100具有生物降解性，可减少对环境的污染。用盐酸来调节晶化后溶液的pH值，可提高分子筛的产率。     

一种具有超强表示能力的数据类型

通过对数制和数码表示的分析，结合Visual C 模板类的特点，提出一种使用可自动伸缩队列实现具有不限长度的超强表示能力的数据类模型，分析其基本运算方法和性能。该数据类可以作为高级语言的一个强有力的补充数据类型。     

利用VB实现图片切换动画中的溶解效果

更动感的程序界面,更强烈的视觉冲击始终是程序开发人员在进行应用程序开发时的不懈追求,通过构造随机覆盖模板和使用Win32API中的BitBlt函数及VB中的时钟控件,以实现切换动画中的溶解效果,从而为使用VB进行程序开发时创建动画界面进行了一次初步的尝试。     

半导体ZnS纳米管的软模板法制备与表征

在含有表面活性剂Triton X-100 (聚氧乙烯辛基苯酚醚)的溶液中成功地合成了ZnS纳米管, 利用X射线衍射(XRD)、透射电子显微镜(TEM)和选区电子衍射(SAED)对所制得的纳米管进行了表征. XRD和SAED模式表明, 所得产物为纯的多晶结构的立方相ZnS; 由透射电子显微镜照片可以看出, 产物为中空的纳米管, 外径在37~52 nm之间, 管壁厚约9 nm, 长度可达3 μm. 并对纳米管的形成机理进行了探讨.     

一种基于平面直线的摄像机标定方法

为使标定算法更加灵活、实用，提出了一种基于平面直线的摄像机标定算法．该算法的平面模板要求含有4个以上直线段，只需要摄像机作运动未知的自由移动，在3个以上的方位摄取一个模板上的图像，即可线性求解摄像机的内外参数．实验结果表明，该算法的精度和鲁棒性都较高．     

温差电动势对测量灵敏电流计内阻的影响

以测量灵敏电流计内阻为例，分析了温差电动势产生的原因，是由于光点式灵敏电流计内部有照明光源，与外电路存在温差而引起的．并定量给出了由此带来的测量误差．介绍了消除温差电动势影响的方法．     

基于序列图像的工业钣金件三维重建与视觉检测

针对目前工业制造领域面临的难题,提出利用非量测数字摄像机进行工业钣金件高精度三维重建与视觉检测.采用二维直接线性变换分解摄像机参数初值并结合光束法平差进行高精度标定;利用最小二乘模板匹配提取像面上的点、直线信息并进行混合光束法平差,从而进行钣金件的高精度三维重建及其尺寸制造误差的检测.所开发的视觉检测系统硬件成本低、自动化程度较高,实际数据的多次实验均取得了优于1/8 000的相对精度,说明所论述的方法为工业零件的自动化三维检测提供了一条可行途径.     

布朗运动的最大值和阶梯期权

在奇异期权定价中经常遇到具有漂移的布朗运动的最大值问题，通过布朗运动的反射原理和Girsanov定理给出了在有限[0，T]区间上的具有漂移的布朗运动的最大值分布及其与终值的联合分布．然后把其应用到阶梯期权，得到了阶梯期权封闭形式的解．     

深度学习在引力波数据处理中的应用初探

截至2018-01-16,LIGO已成功探测引力波事件6次.可以预期,引力波探测事件会越来越多,引力波天文学会很快进入到大数据阶段.深度学习在大数据处理方面近年来得到迅速发展.它在数据处理速度,准确度等方面都表现出极大的优势.深度学习在引力波数据处理中的应用讨论还不多.本文引入此问题,并对其进行初步研究.引力波数据最大的特点是强噪声、弱信号.现行的数据处理方法是利用匹配滤波的方式把引力波信号从强噪声中挖掘出来.同时,匹配滤波方法还可以确定引力波源的性质,定量确定其参数.匹配滤波方法的弱点是计算量巨大.这导致数据处理速度很慢.对于将来的大数据引力波天文学,这更将是一个巨大的隐患.匹配滤波方法的另一个潜在问题是,完备准确的理论波形模板是其工作的前提条件.这个潜在问题的后果是很难找到理论预期之外的引力波信号.深度学习的数据处理方法有可能在这些问题上提供出路.同时,深度学习也会遇到其自身的若干困难和问题.本文将从网络结构、训练数据制备、训练优化、对信号识别的泛化能力、对数据的特征图表示以及对特征数据遮挡的响应等方面来展开讨论.