寿命变量的序关系及其封闭性质

基于寿命变量在随机序、凸序、凹序及均值下的比较 ,较详细地研究了这几种比较间的关系以及它们对串、并联系统和卷积运算的封闭性     

一维Z变换中的卷积定理研究

该文讨论了Ｚ变换中的时域、Ｚ域卷积定理，及其几种变异，详细叙述了各种序列组合时的卷积定理及其相应的证明，所得结论与通常的定理有一定的差异。     

关于一般环上的DFT和CRT

给出了一般交换环上DFT、CRT存在的充分必要条件,定出了一般有限环上2阶DFT的个数,构造性地证明了4阶和素数阶DFT与具有循环卷积性质的可逆变换(CRT)的共生性.     

一种用小波求信号突变点的三个参数的方法

信号的奇异性和不规则的结构经常带有大量重要的信息，采用db2小波求突变点的位置和3个参数κ，σ，α，对f(t)=1-|0．5-t|^1.1进行了数值计算。     

一个卷积算子的点态收敛的定理

本文证明了卷积算子在点态意义下收敛的一个定理,这个定理的条件比已有的卷积定理的条件要弱,同时也给出了已有的卷积定理新的证明方法.     

关于二重分数Stratonovich随机积分的卷积逼近

研究了当Hurst参数〈1/2的情形下,关于二重分数Stratonovich的随机积分.利用卷积逼近的方法和分数布朗运动随机积分的性质,最终得到了二维随机积分,这和文献[1]中的方法有很大的不同.     

基于改进SegNet模型的遥感图像建筑物分割

针对原始SegNet网络模型存在的参数数量多、 梯度不稳定及分割精度低等问题, 提出一种通过构建SegNet与带残差的bottleneck块、 深度可分离卷积以及跳跃连接结构相结合的改进模型. 在航空和卫星遥感图像数据集上进行实验的结果表明, 改进后的网络模型在精确率、 召回率及F₁值等性能评价指标上均获得更优结果, 表明改进的网络模型在遥感图像建筑物分割任务中有良好的实用价值.     

电力巡检图像中防振锤的区域全卷积网络识别方法

针对目前电力巡检图像中传统的防振锤检测方法仍存在效率低、精度差、计算成本高等问题，提出了一种基于区域全卷积网络（region-based fully convolutional networks，R-FCN）的电力巡检图像防振锤智能识别方法。该方法通过特征提取网络自动提取防振锤特征，省却了传统检测方法特征提取的过程，提高了效率。此外，在R-FCN网络当中采用位置敏感池化来引入平移变换，抵消全卷积网络造成的平移不变性问题，在检测精度和效率上均有较大提高。实验结果表明，该方法能准确检测出复杂背景下不同形态的防振锤，且平均准确率高达88%，具有较强的鲁棒性     

基于一维堆叠池化融合卷积自编码器的HRRP目标识别方法

针对雷达高分辨距离像(high resolution range profile, HRRP)目标识别中特征提取及识别问题, 提出了一种基于一维堆叠池化融合卷积自编码器(one-dimensional stacked pooling fusion convolutional autoencoder, 1D SPF-CAE)的识别方法。首先构造一维池化融合卷积自编码器(one-dimensional pooling fusion convolutional auto-encoder, 1D PF-CAE), 在编码阶段, 采用最大池化和平均池化同时提取不同的编码特征并进行融合来提取HRRP的结构特征; 然后堆叠多个1D PF-CAE形成1D SPF-CAE; 最后使用标签数据对网络进行微调, 实现HRRP目标识别。并使用AdaBound算法优化网络训练来提高识别性能。基于弹道中段目标仿真数据的实验结果表明, 该方法具有较强的特征提取能力, 对于HRRP目标识别准确率高、鲁棒性强。