视线追踪系统中注视点估计算法研究

针对非接触式视线跟踪系统中注视点估计算法鲁棒性差的问题,提出一种基于角度映射的注视点估计算法。首先,根据人眼特性及视觉成像原理,瞳孔中心相对于角膜反射光斑的位置与注视点相对于红外光源的位置之间具有一定的角度映射关系,据此估计出注视点近似位置。然后,在眼球模型结构的基础上分析了眼球角膜曲面对注视点造成的偏差,通过弧长对误差进行补偿。最后,利用非线性多项式模型对眼球视轴和光轴之间的偏差进行拟合,得到最终的视线落点。实验证明,该系统具有较高的精度和自由度,在水平和垂直方向上最大误差均小于1 cm。     

面向Yarn规范的蛋白质折叠模拟计算并行化算法

为了提高生物信息学中蛋白质折叠模拟计算的速度,提出了面向Yarn(Yet Another Resource Negotiator)规范的蛋白质折叠模拟计算并行化算法Yarn_PERM。分析了蛋白质折叠的格点模型PERM算法的运行流程及其面向Map-Reduce的子任务划分方式。Yarn_PERM算法实现采用Hadoop2.0的Yarn框架作为工作平台,其资源的分配与调度、应用子任务的申请和子任务的具体执行都由Yarn来透明的完成;描述了Yarn_PERM算法的Map程序与Reduce程序及主控程序的功能实现。选择了一个有代表性的蛋白质序列数据作为案例程序进行了测试。实验结果表明：在相同的时间内Yarn_PERM比PERM串行计算、Map-Reduce的PERMS计算在能量最低寻优的吞吐量上明显增加,加速比和可扩展性上也有明显的优势。     

NL-fuzzy拓扑空间与LF完备映射

在L-fuzzy拓扑空间中利用N紧集定义了N紧远域进而定义了NL-fuzzy拓扑空间,并证明了NL-fuzzy拓扑空间是L-fuzzy拓扑空间这一重要结论.同时将fuzzy拓扑空间中的fuzzy完备映射合理的推广到L-fuzzy拓扑空间中,引入了LF完备映射,给出其等价刻画.证明了LF完备映射在L-fuzzy拓扑空间与...     

基于离散元法的龙门山构造带隆升变形主控因素研究

为探明龙门山构造带隆升变形的主要控制因素, 基于龙门山构造带东西两侧下地壳物质层属性差异巨大的特征, 进行3组PFC2D离散元数值模拟对比实验, 将深度扩大至下地壳, 记录颗粒运动状态, 实现定量化分析。实验得到的变形结果及模型颗粒运动矢量图显示, 在下地壳物质属性无明显差异的条件下, 板块碰撞挤压应力及地壳厚度的差异不会在龙门山构造带形成巨大的地形高差。当下地壳黏度系数存在明显差异时, 软弱下地壳物质层颗粒相对运动速率为1.5~2.94 m/s, 平均运动速率为1.62 m/s, 大约是坚硬下地壳层颗粒平均运动速率的54倍。模型中部(龙门山构造带)出现隆升变形, 纵向影响范围为94.74%, 隆升幅度为19.85%。软弱下地壳上覆的中地壳和上地壳颗粒具有较大的向上速度分量, 上地壳物质层上涌趋势明显。巴颜喀拉块体和四川盆地地壳存在20 km的厚度差异, 使得龙门山构造带隆升幅度由14.79%增至19.85%。综合分析3组离散元模拟实验结果, 得出巴颜喀拉地块下地壳物质层与四川盆地下地块物质层的黏度差异是龙门山构造带垂向隆升变形最关键控制因素的结论, 在下地壳黏度结构存在明显差异的前提下, 巴颜喀拉块体和四川盆地的地壳厚度差异对龙门山构造带纵向上逆冲隆升幅度有明显的促进作用。     

SOFM网络下的深圳市城市用地功能识别分析

基于88814条POI数据, 并借助自组织映射网络(SOFM网络), 对深圳市城市土地利用的功能进行分析和识别, 并与中国基本城市土地利用类型制图(EULUC-China)进行比较验证。结果表明: 1) 深圳市城市街区尺度呈现功能混合的特征, 主要分为第二产业和生产性服务业主导、交通设施主导、居住+第二产业及生产性服务业+商业服务业设施混合、居住+公共管理和服务混合以及商业+公共管理和服务混合5类空间用地。2) 基于SOFM网络的用地功能识别模型, 结果更为细致, 混合功能用地的分类更能突出地域特征。     

长三角城市群空间分区与城市边缘区的扩展特征分析

以中国长江三角洲城市群为研究区,选取全球人造不透水面、可见光红外成像辐射仪(VIIRS)夜间灯光、道路、人口等多源数据,从土地利用、人类活动、道路设施3个视角出发构建分区指标,基于人工神经网络对长三角城市群地域空间进行划分,并探讨城市边缘区的时空分异与扩展特征.结果表明:使用多源数据与人工神经网络方法识别城市边缘区具有可行性,空间分区的3个指标较为合理;使用自组织特征映射模型将长三角城市群分为城市核心区、城市边缘区、乡村地区3类;2012-2018年间城市边缘区占长三角城市群总面积的比例由7.82%增长至11.27%,年均空间扩展强度指数为7.35%,城市边缘区面积扩展呈现集聚特征,热点区主要位于江苏省大部及浙江省北部,冷点区则分布于安徽省大部和浙江省南部.     

超短期风电功率预测的混合深度学习模型

针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能.     

度量G-空间中G-强链回归点集的动力学性质

在拓扑群作用下的度量空间中研究了G-强链回归点集的拓扑结构和特征,得到G-强链回归点集的若干结论:(1)设(X, d)是紧致度量G-空间,G是紧致的拓扑群,f: X→X连续,则SCR_G(f)是闭集; (2)设(X, d)是紧致度量G-空间,G是紧致的拓扑群,f: X→X同胚伪等价,则f(SCR_G(f))=SCR_G(f); (3)设(X, d)是紧致度量G-空间,f: X→X同胚伪等价且度量d对群G不变,则SCR_G(f)=SCR_G(f-1)。     

基于响应面和NSGA-II的AGV系统多目标优化配置

AGV（automated guided vehicle）系统对于制造系统的生产柔性和生产效率具有重要作用,由于AGV系统具有许多的变量且有动态性、随机性特点,其优化配置比较复杂。提出了一种将系统仿真、数学解析和多目标优化相结合的方法,对AGV系统进行了优化配置;运用离散事件仿真模拟AGV系统运行,利用敏感性分析分离设计变量,采用析因试验和响应面方法拟合多目标优化数学模型,基于非支配解排序多目标遗传算法求解多目标优化解。通过AGV系统实例,证明了该方法的有效性,可为制造系统和物流仓储领域中AGV系统的优化配置提供一种有效的系统性分析方法。