面向对象的无人机影像地物分类

为了对农村用地进行有效分类,本文选取面向对象的分类方法,利用某农村的无人机航摄影像提取其土地类别信息.首先对无人机获取的原始影像进行预处理;然后对研究区反复进行分割实验,选取最优的分割尺度,在不同层次进行最优尺度地物分割;最后根据地物矢量、光谱、形状等特征差异,对最优分割尺度层上的地物进行最适宜的分类规则的建立,进而在...     

丝瓜幼苗的吸水规律

以葫芦科1年生攀缓植物丝瓜幼苗为材料,研究了它在低浓度不同种类盐中的吸水规律和在不同浓度的KCl溶液中以总吸水倍率和叶子中脯氨酸质量分数以及培养外液渗透压变化作为测定指标,从渗透压作为丝瓜幼苗时期吸水动力的角度,探讨其吸水动力学变化及生长规律.结果表明:低浓度(0.001 0 mol/L)各种盐对丝瓜幼苗的总吸水倍率的影响为LiCl＞KCl》二次蒸馏水＞NaCl;不同浓度(0～0.014 0 mol/L)KCl影响下丝瓜幼苗总吸水倍率、脯氨酸质量分数、培养液进入植物体内的粒子数随KCl浓度成峰形变化,并且三者的变化基本吻合.KCl浓度为0.001 0 mol/L时脯氨酸质量分数达最低值,0.004 0 mol/L时脯氨酸的质量分数达最高值,在无盐和高盐环境下脯氨酸的大量积累是植物细胞的适应性反应,其质量分数的高低不宜作为丝瓜的抗盐性指标.脯氨酸质量分数与进入植物体内粒子数变化正相关,并拟合出关系式w=k0+keR0n,w为脯氨酸的质量分数,n为进入植物体内的粒子数,k0,k,R0均为常数.本研究为探讨植物体中脯氨酸积累的生理作用及意义提供参考.     

关于Erlang(n)风险过程的破产概率

考虑一个连续时间的风险模型,其中索赔时间间隔服从Erlang(n)分布,而且风险过程的调节系数不存在,本文给出了破产概率的渐近估计.     

复合二项模型中的更新方程和渐近解

讨论复合二项模型中破产前一刻的盈余、破产时赤字和破产时刻的联合分布.当初始盈余为零时,得到了此联合分布的显式表达式;对于充分大的初始盈余,得到了此联合分布满足的瑕疵更新方程和渐近解.此外,还得到了导致破产的索赔额的分布满足的瑕疵更新方程和渐近解.     

中国无缝钢管技术装备的发展对策探讨

结合中国无缝钢管技术装备发展的问题,从充分发挥现有先进装备的特长和作用进行结构调整等方面探讨了中国无缝钢管技术装备的发展对策。     

北约体制的结构性缺陷与美欧的互动调整

北约体制是以美国为主导,以欧洲国家为主体,以欧洲安全事务为主要内容的结构形式,主导国家与主体国家的分离是形成结构性缺陷的根本原因。在冷战后成员利益出现分化时,这种缺陷凸显,井严重威胁到现行北约体制。为了维护北约体制的存续,美、欧双方基于自身利益和实力都进行了深刻地调整,并逐渐形成北约未来体制模式和制度框架。     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

安徽省大学生竞技健美操比赛难度动作分析

对2005年安徽省大学生竞技健美操比赛六人操项目的前8名共8套动作中难度动作数量、组别、分值和C组难度动作空中姿态类型,进行统计分析.结果表明:目前安徽省大学生运动员的成套动作中所选择的4个组别难度动作的比例基本合理,且符合运动员各自的身体素质能力和训练水平,完成质量比往年有很大的提高.但在C组跳与跃类难度动作的选择上缺乏多样性,存在着较多的空中姿态重复现象,与竞技健美操最新发展趋势有差距.     

面向建筑健康监测的无人机自主巡检与裂缝识别

面向建筑健康的高时效监测需求,为提升表面病害视觉检测的自动化水平,提出了场景信息引导的无人机自主巡检任务规划方法。利用场景先验信息,针对建筑结构特征,设计了平行观测和包络观测两种观测模式,实现了狭窄空间中独栋建筑的全覆盖避障巡检,获取了毫米级分辨率的整体建筑观测影像,并对巡检质量的整体评估提出了有效的量化指标。将建筑立面划分为3 720个子区域,利用深度残差网络开展了裂缝识别分类。错分13个子区域,漏分14个子区域,裂缝识别精度高。将裂缝骨架线映射到建筑三维模型,为裂缝形态与建筑整体的一体化表达提供了数据支撑。该研究将高精度三维重建与表面病害识别相结合,为建筑健康一体化监测提供了有效的观测分析手段。     

Unobserved components in ARCH models: An application to seasonal adjustment

The paper deals with unobserved components in ARIMA models with GARCH errors, in the context of an actual application, namely seasonal adjustment of the monthly Spanish money supply series. The series shows clear evidence of (moderate) non-linearity, which does not disappear with simple outlier correction. The GARCH structure explains reasonably well the non-linearity, and this explanation is robust with respect to the GARCH specification. We look at the time variation of the standard error of the adjusted series estimator and show how it can be measured. Next, we look at the implications this variation has on short-term monetary control. The non-linearity seems to have a small effect in practice. It is further seen that the conditional variance of the GARCH process may, in turn, be decomposed into components. In fact, the conditional variance of the money supply series is the sum of a weak linear trend, a strong non-linear seasonal component, and a moderate non-linear irregular component. This information has policy implications: for example, there are periods in the year when policy can be more assertive because information is more precise. Finally, looking at the non-linear components of the money supply it is seen how linear combinations of non-linear series can produce series that behave linearly.