基于SUSAN和加权非负矩阵分解的图像融合算法

为了更好地保留源图像边缘信息、提高抗噪能力,提出一种基于SUSAN和加权非负矩阵分解的图像融合方法.运用SUSAN对像素点进行分类,根据分类结果构建加权矩阵,最后运用加权非负矩阵分解方法实现图像融合.实验证明,该方法能有效地保留边缘信息且抗噪性较好.     

钠离子依赖的中性氨基酸转运蛋白SNAT2-HA融合蛋白的构建及鉴定

钠离子依赖的中性氨基酸转运蛋白SNAT2在哺乳动物组织中广泛表达,具有转运中性氨基酸的功能,在谷氨酸-谷氨酰胺循环、肝脏糖质新生等生物通路中发挥重要作用．为了方便测定SNAT2在细胞膜上的表达和定位,本研究采用PCR扩增和酶切连接将HA标签蛋白与SNAT2的C末端连接,构建了真核生物表达载体pBK-CMVA（1098—1300）-SNAT2-HA表达载体．用脂质体转染法将该表达载体瞬时转染到HEK293T细胞中,通过Westernblot法检测到SNAT2-HA融合蛋白在细胞膜上的正确表达和定位．pBK-CMV△（1098-1300）-SNAT2-HA表达载体的成功构建,为今后对SNAT2的结构和功能的研究提供了有效方法．     

上半平面的Hardy空间到增长型空间和Bloch空间的加权复合算子

讨论了从上半平面的H ardy空间Hp(Π+)到增长型空间A∞(Π+)和B loch空间B∞(Π+)的加权复合算子的有界性,得到以下结论:(i)uCφ是空间Hp(Π+)到A∞(Π+)之间的有界算子的充要条件;(ii)uCφ是空间Hp(Π+)到B∞(Π+)之间的有界算子的充要条件.     

重庆双碑嘉陵江大桥桥区平面二维水流数值模拟

从平面二维水动力学方程组出发,根据有限元Galerkin加权余量法离散模型方程组,并利用Newton-Raph-son迭代法求解,成功地模拟了重庆双碑嘉陵江大桥桥区河道水流流场.经综合分析,得出大桥的建设对通航水流的影响很小.     

基于形状加权的三维模型特征提取算法

提出了一种基于形状加权的三维模型特征提取算法,同时考虑采样点与中心点间的距离,以及采样点所在三角面片面积大小,构建直方图获取特征描述符.该算法能够充分利用模型表面信息,提取步骤简单,时间消耗少.实验证明,利用本文算法得到的特征描述符进行检索,查全率和查准率都有明显提高.     

一种高效的分布式数据库完整性技术

研究高效的分布式数据库完整性技术以准确评估完整性检查的预期代价,现在仍是一个难以解决的问题.为此,文中提出了一个新的完整性检查策略,设计了分别采取局部预测试策略和支持测试策略的两种完整性测试生成算法,并使用人工智能的降维技术建立代价评估模型,为完整性检查代价估算提供一个量化比对的依据.文中还通过分布式数据库实验对完整性测试、数据获取量、网络数据传送量和参与计算的网络站点数进行了验证,结果表明,文中提出的策略、算法有效降低了分布式数据库的完整性检查代价,所建立的代价评估模型能对代价进行准确评估.     

基于步态的身份识别研究综述

步态是远距离情况下能被感知的生物特征。本文综述了步态识别研究的起源、历史与现状,介绍了现有的步态识别方法并作了分类对比,分析了步态识别未来的发展趋势,指出步态与其他生物特征的融合将是其走向实用的必经之路。     

耦合分布式系统多线程任务管理算法

针对耦合分布式系统中多个计算任务以不同的线程运行在单一计算结点的情况,提出了一种多线程计算任务管理算法.该算法能满足耦合分布式系统协同仿真的要求,并提高分布式系统计算资源的利用率,平衡耦合器负载,满足大规模仿真计算的要求.     

采用多分类器集成方法的带钢表面缺陷图像识别

现有带钢表面缺陷在线识别系统中单个分类器对部分缺陷识别率不高,并且对训练样本依赖性较大;针对这一问题,提出了一种基于并行多分类器集成技术的带钢缺陷图像识别方法.该方法选择LVQ神经网络、RBF神经网络和支持向量机作为基分类器,应用加权投票法对基分类器进行集成,从而实现基分类器能力互补.实验表明,采用多分类器集成的带钢表面缺陷图像识别方法可以更准确地对带钢常出现的边缘锯齿、焊缝、夹杂、抬头纹等缺陷进行识别,能够得到相当或优于任何单个分类器的分类精度,总体识别率达到96%以上.     

基于多特征融合的遥感图像河流目标检测算法

针对近似河流无法准确检测出来的问题,提出了一种基于多特征融合的遥感图像河流目标检测算法.首先根据提取样本图像的局部熵、纹理和角点信息特征构建了有效区分河流区域和背景区域的特征向量,利用支持向量机进行训练获得决策函数,通过决策函数判断测试图像的河流区域,完成河流区域的粗检测;然后结合粗检测的结果,应用测地线活动轮廓模型提取完整准确的河流区域.实验结果证明该算法对河流目标定位准确,获得的河流检测结果具有良好的连通性,可以准确地检测复杂背景下的河流区域.