一类优美有向图的充要条件

研究了由恰有一个公共顶点的有向回路→／Ｃｍ和→／Ｃｎ（ｍ，ｎ≥３）组成的有向图→／Ｗｍ，ｎ的优美性，给出了→／Ｗｍ，ｎ是优美有向图的充要条件。     

夏秋（麦茬）黄瓜一架一膜两茬两用栽培技术

1．播期安排。夏秋苗瓜一架一膜两茬两用的关键是安排好育苗时间。第一茬5月中下旬育苗，6月上中旬移栽，7～8月上旬采收，此茬播种不能过晚，过晚温度高，对生长不利。第二茬7月上中旬育苗，8月初移栽，9～10月上旬采收，该茬播种不能过迟，以免后期气温低，影响产量。播种后插支架覆盖遮阳网，防高温暴雨影响全苗。     

数字MMDS电视覆盖方案设计

一、数字MMDS的特点及其应用 MMDS是一种无线通信技术的缩写，它的英文全名为Multichannel Microwave Distribution System，中文含义叫多路微波分配系统。80年代初使用于美国，90年代初传人中国。当时MMDS是以传送模拟电视节目为目的，随着科学技术的不断发展，MMDS技术正面临模拟单向系统，向数字双向的转变。我们这里讨论的就是采用MMDS通信技术传送DVB—C标准的数字电视节目。若采用MPEG-2数字压缩技术进行信源编码，用64QAM调制技术进行信道传输，     

轴测图中的对称现象及其应用

对正等测、二测和三测图的对称现象进行了探讨和分析,得出了三种轴测图中图形对称存在的条件.并列举了应用这些条件绘制对称图形的实例.     

模糊集合论在矿山控制网布设和图纸质量评定中的应用

应用模糊数学方法研究和处理矿山测量中存在的具有“模糊性”的问题。例如控制网布设方案及矿山测量图纸质量的综合评判。它能更准确地描述用精确数学模型难以描述的问题。     

基于多粒度的异质图表示

异质图表示学习旨在将图中的语义信息和异质的结构信息嵌入到低维向量空间中。目前大多数的异质图表示学习方法主要通过基于元路径、元图和网络模式的采样以保留图中同类型节点间的单粒度局部结构,忽略了现实世界中复杂异质图具有的丰富的层次结构。商空间理论中的多粒度思想可以在不同粒度内捕获节点间的潜在联系。因此,为在异质图表示中有效地保留层次结构的信息,文章提出一个基于多粒度的异质图表示方法（Heterogeneous Graph Representations Based on Multi-granularity,HeMug）。该方法首先基于不同元路径构建多个同质子图,并利用多粒度的粗化思想,将每个同质子图分别粗化形成多个多粒度子网络,以保留异质图中同类型节点在给定元路径下的层次结构。其次,利用多粒度的细化思想,将每个多粒度子网络最粗层通过现有表示学习方法获得的节点表示逐层细化,以得到节点在每个多粒度子网络下的表示。最后,设计注意力机制以融合节点在不同元路径对应的多粒度子网络下的表示。在四个真实数据集上的实验结果表明,与对比算法相比,提出的HeMug获得了更有效的节点表示。     

弱左型B半群的真覆盖

弱型B半群是在半富足半群范围内的广义逆半群.该文利用弱左型B半群真覆盖的定义,给出了弱左型B半群真覆盖的相关性质.特别地,得到了相应于弱左型B半群作用在幂单幺半群上的真覆盖的结构定理.     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

改进位姿估计环节的ORB-SLAM稠密建图算法

为了提高ORB-SLAM2系统的位姿估计精度并解决仅能生成稀疏地图的问题,提出了一种融合ICP算法与曼哈顿世界假说的位姿估计策略并在ORB-SLAM2系统中加入稠密建图线程来实现稠密建图。首先通过ORB特征点法、LSD算法和AHC方法进行点、线、面特征的提取,其中点、线特征跟上一帧匹配,面特征在全局地图中匹配。然后采用基于surfel的稠密建图策略将图像划分为非平面与平面区域,非平面采用ICP算法计算位姿,平面则通过面与面的正交关系确定曼哈顿世界从而使用不同的位姿估计策略,其中曼哈顿世界场景通过位姿解耦实现基于曼哈顿帧观测的无漂移旋转估计,而曼哈顿世界场景下的平移以及非曼哈顿世界场景位姿采用追踪的点、线、面特征进行估计和优化;最后根据关键帧和相应位姿实现稠密建图。采用TUM数据集对所提建图方法进行验证,实验结果与ORB-SLAM2算法比较,最终均方根误差RMSE平均减少0.24cm,平均定位精度提高7.17%,验证了所提方法进行稠密建图的可行性和有效性。