基于生成对抗网络的砂岩薄片图像视野外重建

利用生成对抗网络(GAN)模型,对砂岩薄片图像的微观颗粒和孔隙结构进行视野外重建,并对预测图像的语义进行评价。结果表明,模型能够预测2.25倍于原始视野的砂岩微观结构,并且针对不同类型的岩石图像语义均具有良好的性能。模型对不同颗粒的表面纹理、颗粒形态以及多颗粒间复杂接触关系等语义的图像视野外预测结果与真实图像较为吻合。但是,在微观特殊现象图像的视野外重建任务中,模型缺乏对特殊现象的敏感性。在孔隙结构重建时,模型对微孔面孔率的预测误差大于粒间孔、裂隙和溶蚀孔等孔隙空间。不同孔隙空间重建图像的预测效果可能与孔隙特征(如孔径大小和连通性)有关。     

基于无监督学习的智能数据中心电力拓扑系统

在任务关键型云计算服务中,构建准确的数据中心电力拓扑结构对于实现快速准确的故障处理,减轻故障事件对云计算服务质量的损害十分重要。但目前数据中心电力拓扑结构的生成过程具有劳动密集型的特点,其准确性难以得到有效评估和保障。该文设计了一种基于无监督学习的智能数据中心电力拓扑系统(intelligent data center power topology system,IPTS),不仅可为电力系统的运行部分自动生成实时变化的电力拓扑结构,而且可利用电力系统的监控数据对人工构建的数据中心电力拓扑结构进行验证。实验结果表明,IPTS可自动生成准确的数据中心电力拓扑结构,一致性比率(CR)可达到0.978,并可有效地定位人工构建的电力拓扑结构中的大多数错误。     

基于生成对抗网络的渐进式夜视图像彩色化算法

受限于夜景光照不足等影响,夜视成像中的部分内容极易缺失或模糊,导致这部分的彩色化效果不佳.为此,本文提出了一种基于生成对抗网络的夜视图像彩色化算法, 通过对纹理细节的修复来提升图像模糊区域的彩色化效果.首先,在模糊区域修复中,利用下采样操作减少模糊图像块的比例,并用梯度调节预测器对模糊图像块周围的像素值进行预测,以此来不断增强和修复模糊的纹理细节.其次,在彩色化过程中,依托于生成的超分辨率图像和已有的先进对抗网络着色模型,通过最小化亮度和纹理等失真,来生成较为清晰的彩色图像.实验结果表明,经过模糊区域恢复和增强之后,灰度图像的PSNR平均提升0.33 dB.相比之前的夜视图像彩色化方法,本文方法可以赋予灰度夜视图像更丰富、自然的色调,更清楚地表达图像的细节,从而提高目标探测和识别效率.     

自适应菜单生成程序的设计思想及实现方法

提出了一种设计具有自适应能力的菜单生成程序的基本方法,在Ｖｉｓｕａｌ ＦｏｘＰｒｏ平台上,开发一种新的自动化编程器,使生成的菜单程序具有用户干予下的自完善能力,并使整个操作过程更简洁。     

关于Hamilton图的一点注记

通过类似于对一可平面图求生成树个数的方法,得到一个关于Hamilton图的Hamilton圈的个数的等式。并讨论了一类特殊的平面图。     

偏微分方程网格生成技术中非线性系数的研究

网格生成技术是ＣＦＤ中极为关键的问题之一,偏微分方程数值网格生成技术是目前应用和研究最多的网格生成方法。本文应该各非线性系数对网格正交性和空间分布的影响进行了理论研究和数值验证。结果表明系数β具有控制网格正交性的作用,系数α和γ具有调节网格空间分布的作用,且其调节作用的强弱和α／γ的值有直接关系。     

水稻液泡膜H＋—ATPase诱导性冷失活性机制研究

以水稻液泡膜Ｈ＾＋＿ＡＴＰａｓｅ为研究对象,探讨了造成诱导性冷失活现象的机制。运用ＭＣ５４０荧光对诱导性冷失活过程的膜脂状态研究表明,冷失活处理后膜脂的有序程度大幅度下降。     

利用虚盘技术改进 NCP 生成过程

ＮＣＰ（ＮｅｔｗｏｒｋＣｏｎｔｒｏｌＰｒｏｇｒａｍ）是通讯控制器上运行的网络管理软件,当网络资源发生变化或网络参数修改时,ＮＣＰ都要重新生成,其生成时间直接影响到网络使用效率．本文陈述了ＮＣＰ的生成过程并通过引入虚盘技术,改进了ＮＣＰ生成过程,有效地缩短了其生成时间．     

血小板反应素-1活性片段的克隆与表达

选择两段血小板反应素（TSP-1）中抑制血管再生的活性片段，设计两对引物，使用RT-PCR的方法从人血细胞中进行克隆并对获得片段进行测序验证．克隆片段大小分别为723和522bp，命名为聪P-1-1和聪P-1-2．利用原核表达载体pET-29a获得大肠杆菌重组子，重组子经过IPTG诱导以包涵体的形式表达相应的多肽片段．再对包涵体进行体外溶解、纯化，得到了目的多肽．     

最终范数连续半群的一些性质

主要讨论了Banach空间中当t＞t0（t0≥0）时，最终范数连续半群{T（t）│t≥0}的性质，给出了最终范数连续半群无穷小生成元的一个谱分布性质．主要定理如下：设{T（t）lt≥0}是Banach空间X上的C0半群，A是其无穷小生成元，ω0=inft＞0（1/t1n‖T（t）‖）．若T（t）关于t＞α≥0是最终范数连续的，则存在一个减函数φ：（0，∞）→R，满足φ（M）→-∞（M→∞）且S={λ∈C│Reλ≥φ（│Imλ│） }lReA≥P（1ImAl）}包括于ρ（A），其中ρ（A）为A的预解集．