监护信息重构方法研究

监护信息系统中通常采用系统建模的方法对监护数据进行分析处理、并识别异常状况.通常这些模型是在模型结构确定的条件下,应用监护数据辨识获得.实际检测获得的监护数据通常包含大量异常值,这会严重降低模型辨识的准确性.提出了一种监护信息系统中异常值分析处理方法.应用Hampel辨识器算法,识别监护数据中异常值出现的位置;并采用kalman滤波器算法的方法对于出现异常值的数据点进行数据重构,实现监护信息系统中出现异常值分析处理.通过应用PhysioNet生物医学信号研究资源中的两组数据集,包括心率和中心静脉压,进行实验研究,结果表明此方法对监护数据异常值分析和处理中取得很好的效果.     

Sb-度量空间中一类映射的公共耦合不动点定理

在Sb-度量空间中,证明了一类具有混合g-单调性的映射的耦合重合点定理和公共耦合不动点定理,并给出实际例子来验证新结果的有效性,拓展和推进了之前文献中的一些相关结果.     

一种基于点监督的显著目标检测方法

提出了一种基于点监督的弱监督显著目标检测方法,设计了一种自适应的掩膜洪水填充算法来生成伪标签,并利用了一个基于变换器的点监督显著性检测模型来生成第1轮的显著图。然而,由于标签的稀疏性,弱监督检测模型往往退化为通用的前景检测模型。为了解决这个问题,进一步提出了一种利用非显著抑制方法修正第1轮中生成的显著图,并利用它们进行第2轮微调。实验结果表明,在ECSSD和PASCAL-S数据集上分别取得了0.035 8和0.064 7的MAE,验证了该方法的有效性。     

基于BP神经网络的电场指纹点蚀信号补偿系数

电场指纹技术是一种依据被测对象表面微小电压变化,对金属结构的缺陷、裂纹、腐蚀及其扩展情况进行检测的无损检测技术,但在点蚀信号的辨识方法上依然存在不足.通过对电场指纹点蚀信号进行数值模拟和仿真建模,根据其特征信号对点蚀进行准确定位,基于BP神经网络建立关键点蚀参数的补偿系数模型,由补偿系数计算电场指纹系数,得出实际腐蚀深...     

m个长为14的圈的不交并的点可区别Ⅰ-全染色

通过构造以色集合和空集为元素的矩阵,利用色集合事先分配法及构造具体染色的方法,证明mC₁₄的最优点可区别Ⅰ-全染色及最优点可区别Ⅵ-全染色,确定图mC₁₄的点可区别Ⅰ-全色数和点可区别Ⅵ-全色数。结论表明,点可区别Ⅰ-全染色猜想和点可区别Ⅵ-全染色猜想对图mC₁₄成立。     

单圈图的邻和可区别边染色

图G的一个k-正常边染色,若满足任意两个相邻点的色集合中所有元素之和不同,则称该染色为图G的一个k-邻和可区别边染色。其中,k的最小值称为图G的邻和可区别边色数。运用分析法与数学归纳法,研究了单圈图的邻和可区别边色数。     

顾及地形复杂度因子权重的多波束点云抽稀算法

多波束测深数据具有海量性与冗余性的特点,在实际应用中有必要进行简化处理。现有抽稀算法大多基于单一特征参数实现,其结果往往存在地形细节丢失、地形真实性欠佳等问题,为此提出一种顾及地形复杂度因子权重的多波束点云抽稀算法。该算法首先筛选地形起伏度、坡度和粗糙度作为评价因子,然后采用改进CRITIC综合评价法构建地形复杂度指标,基于该指标实现了点云的初步抽稀;最后通过自适应格网保留局部特征点,进一步改善抽稀质量。实验表明：与传统算法相比,该算法的抽稀结果在多级简化率条件下均具有更低的均方根误差(RMSE),有效提升了简化后的地形精度,能够保留更多的地形细节特征。     

融合时间和地理信息的兴趣点推荐研究

在兴趣点推荐任务中,数据的严重稀疏性限制了模型的推荐性能,并且现有工作忽略了用户在不同时间段访问行为的差异性。针对上述问题,提出了一种融合时间和地理信息的兴趣点推荐模型。该模型首先通过循环神经网络联合学习多种因素;然后利用地理关系模块捕获轨迹中的地理影响。最后,通过一个统一的框架,针对用户工作日和节假日的不同出行需求,推荐不同的访问地点。实验证明,所提模型在兴趣点推荐表现上优于现有模型。     

基于量子点-双边光学腔的两自由度并行非定域Toffoli门远程实现

三量子比特Toffoli门非定域远程实现在量子通讯网络、分布式量子计算中有重要应用.已有的Toffoli门非定域远程实现方案大都基于量子系统单一自由度,本文提出超纠缠信道下基于量子点-双边光学腔的两自由度并行非定域Toffoli门远程实现方案.通讯方Alice, Bob使手中光子依次进入量子点-双边光学腔,对光学腔中电子以及纠缠光子执行单粒子测量; Charlie依据纠缠光子单粒子测量结果,执行相应局域幺正操作和极化、路径自由度单粒子测量. Alice和Bob依据单粒子测量结果执行相应局域幺正变换即可完成两自由度并行非定域Toffoli门远程实现.方案以极化、路径两自由度超纠缠光子为量子纠缠信道,具有信道容量高、并行性强的优点.     

基于RGB-D图像的视觉SLAM算法研究

针对主流的RGB-D SLAM系统精度较低并且仅生成稀疏点云地图的问题,提出一种改进的SLAM系统。前端采用改进的ORB特征提取算法,改进特征点簇集的问题;后端综合利用EPnP与ICP算法进行相机位姿优化,提高位姿估计精度;并增加稠密点云地图构建线程,得到场景的稠密点云地图,以用于机器人的导航与路径规划。在TUM数据集上,使用Kinect V2相机将改进的SLAM算法与ORB-SLAM2算法进行实验比对,验证了改进SLAM算法的综合性能优于ORB-SLAM2算法。