带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数;第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数;第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

超临界压力下煤油传热特性试验研究

得到了煤油在超临界压力下流过电加热圆管的传热试验结果．试验结果表明,在试验段壁温升高到拟临界温度后有传热强化现象发生,在极高热负荷下不但没有发生传热恶化,而且会发生第二次传热强化．煤油中加入添加剂能提高烧损热负荷．给出了煤油在超临界压力下的传热关联式,其计算值和试验值吻合良好     

一种新颖的全差分CMOS运算放大器的设计

研究了一种全差分高增益、宽带宽CMOS运算跨导放大器 (OTA) .放大器采用三级折叠 级联结构 ,结合附加增益提高电路 ,大幅提高整个电路增益的同时获得较好的频率特性 ,采用 0 .35 μmCMOSN阱工艺设计 .HSPICE模拟结果放大器的带宽为 2 15MHz(相位裕度 6 2 .2°) ,开环增益为 10 3dB ,功耗仅为 2 .0 1mW .     

影响USFE萃取海藻EPA和DHA的因素分析

研究了萃取温度、压力、时间、CO2流量和超声参数对超声强化超临界流体萃取海藻EPA和DHA的影响,发现与超临界流体萃取相比,超声强化超临界流体萃取过程使CO2流量减小,萃取温度及压力降低,萃取时间缩短,而EPA和DHA的萃取率提高,在单因素实验的基础上进行了正交实验,结果表明,超声强化超临界流体萃取EPA和DHA的最佳工艺条件为：萃取温度35℃,压力25MPa,时间3．0h,CO2流量3L／h。     

基于突变粒子群算法的图像自适应增强

利用突变粒子群算法自动获取图像非线性增强函数的最佳变换参数,达到图像增强的效果。该算法基于粒子群算法原理,采用针对图像质量评价效果的新适应度函数（包括方差、信息熵、紧致度、信噪改变量以及像素差别五要素）,提出一种基于突变机制的粒子群算法,有效增大粒子间的差异性和非均匀性,打破平衡态,从而增强系统内动力以提高系统进化的效率。实验表明,该算法具有较高的自适应性,即避免了陷入局部极小,加快了收敛速度,且增强质量评价明显提高。     

基于二维直方图变换的红外烟幕遮蔽下目标图像增强

根据红外烟幕遮蔽条件下目标热像的特征,就利用一维直方图均衡化增强方法的对比度和清晰度不高以及损失图像细节的缺点,提出了一种基于二维直方图变换的目标热像增强方法;该方法充分利用了热像的高相关性特点,得到了较好的对比度和清晰度,保留了图像细节。采用该方法可以有效地改善目标红外像,使烟幕遮蔽目标的帧数减少10帧以上,显著减少了烟幕背景对目标的遮蔽时间     

用于实现医学图像对比度增强的密文域可逆信息隐藏算法

针对现有密文域医学图像可逆信息隐藏算法存在解密图像视觉质量较低的问题,提出了一种基于差值直方图平移的密文域可逆信息隐藏算法。首先,发送方采用具有同态密文比较性质的加密算法对原始医学图像进行加密,从而保证医学图像的隐私内容不被泄露。然后,嵌入方利用同态性质对接收到的密文图像计算差值直方图,并通过平移差值直方图在密文图像中嵌入信息。为了获得较大的嵌入率,嵌入方可对密文图像进行多轮次信息嵌入。最后,接收方根据拥有的密钥种类对接收到的含有嵌入信息的密文图像进行信息提取、图像解密和图像恢复。实验结果表明,本文算法提升了解密医学图像的视觉质量,同时具有较高的嵌入率和安全性。     

X光图像增强处理的研究

X线图像有很宽的动态范围,而人眼不能分辨这样微小灰度的差别。为了提高组织结构细节的显示,文中提出了一种自适应的直方图均衡算法,实验证明,该算法能够有效的提高图像的对比度,同时抑制噪声的放大。     

融合生成式模型的知识增强实体链指方法

未链接实体分类是实体链指(Entity Linking, EL)任务中的重要研究内容之一。现有方法存在上下文语义信息不充分、分类准确率低等问题,导致实体链指任务表现不佳。本研究提出一种融合生成式模型的知识增强实体链指方法。该方法将实体链指分为两个子模块,即候选实体排序模块和未链接实体分类模块。本研究基于高精度的候选实体排序模块,获得高质量的知识扩展信息,并对未链接实体分类任务进行知识增强;针对未链指实体提及的分类问题,提出一套生成式框架,该框架能够取得超过基线模型的性能。本研究方法在2020年全国知识图谱与语义计算大会(CCKS2020)评测任务二的中文短文本实体链指数据集上取得了目前最佳性能(整体F值为91.76%),证明知识增强和生成式框架的引入能提高模型的泛化能力,缓解未链接实体分类中的信息不充分问题。     

基于改进YOLOv5的X射线图像危险品检测

目前安检甄别工作主要依靠人工完成,但巨大的工作量使自动安检成为必然趋势。为了在保证精度的前提下轻量化模型,并进一步克服X射线安检图像存在物品重叠遮挡、背景干扰严重等问题,提出了一种基于YOLOv5的改进模型。该模型采用Ghost模块对原模型进行剪枝处理;引入坐标注意力机制,使网络在训练中更好地聚焦危险品,生成更具分辨性的特征;采用传统数据增强策略与Mixup数据增强策略相结合的方式来改善模型的泛化能力和鲁棒性。实验结果表明：改进模型的参数量和模型大小比原模型分别减少了17.3%、16.1%,改进模型在SIXray和OPIXray数据集上的平均精度均值(mAP)比原模型分别提高了2.3%、5.7%。所提出模型在轻量化的同时能够进一步提高检测能力,满足实时检测要求,具有较好的应用价值。