基于多尺度特征融合的超分辨率重建算法研究

超分辨率重建技术可以提高图像质量,使原图像具有更丰富的细节信息。针对现有的超分辨率重建算法存在提取特征单一、不利于对图像信息进一步提取的问题,提出了一种基于多尺度特征融合的超分辨率重建算法。采用多特征提取模块获取更多浅层信息,并在网络中添加密集连接结构,增强特征的传播,减少相关参数计算,减轻梯度消失问题。在Set5和Set14基准数据集上进行了测试,并在电力巡检数据集上进一步验证了算法的有效性。与主流的超分辨率重建方法进行了对比,实验结果表明,该方法生成的图像有更加丰富的细节信息,能够有效地改善图像质量,峰值信噪比与结构相似度值较其他主流算法均有一定的提高。     

基于隐含边界描述的连续体拓扑优化

基于隐含边界描述的水平集方程推动几何边界,结合形状导数、拓扑导数等工具,实现了柔性目标函数的连续体结构拓扑优化设计.进一步通过引入Von Mises应力作为产生新拓扑结构的策略,给出了单独使用Von Mises应力开孔的算例.算例结果表明,基于隐含边界描述的连续体拓扑优化设计方法,它具有独特的处理拓扑变化能力及消除拓扑优化结果对网格和初始拓扑结构猜测的依赖性.这一类方法具有优秀的高维设计拓展能力,在工程实际和多材料设计等方面具有很好的应用前景.     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果,需先对图像进行优化检测和识别,提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法.首先,通过对原始医学超声图像进行自动标注,构建医学超声图像灰度分布矩阵,利用分布矩阵完成医学超声图像的多尺度分割;其次,构建医学超声图像多尺度边缘的轮廓模型,提取多尺度图像边缘特征;再次,构建深度...     

基于自监督信息增强的图表示学习

针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。     

沉管隧道多尺度方法与地震响应分析

针对目前沉管隧道多质点-弹簧抗震简化分析模型的不足,如无法合理模拟沉管接头的细部构造及力学特征,提出了一种同时表征沉管隧道宏观整体响应和细观接头构造的多尺度分析方法,其中宏观多质点-弹簧-梁耦合模型用于描述沉管隧道结构与地层的动力相互作用以及宏观整体地震响应特征,细观精细化模型用于捕捉沉管接头的张合量、剪力键受力等动态...     

城市大气环境的数值模拟

空气质量是城市可持续发展的保证,是改善人居环境的重要条件之一。大气环境是多尺度的流体运动,本文介绍了城市尺度和居民小区尺度大气环境的现代数值预测方法——大涡数值模拟方法,着重说明该尺度下复杂环境流动的特点和数值模拟需要注意的问题,例如下垫面的处理方法、边界条件的合理提法等;以典型城市和模型小区为例,说明数值预测方法的应用,展示不同下垫面对城市大气环境的影响、风速与小区空气质量的关系等。     

完全模糊线性规划及其近似计算

在扩充LR-模糊数定义的基础上,讨论了完全模糊约束条件的近似表示和转化定理;在新的模糊数序关系下,将完全模糊线性规划问题直接转化为分明的线性规划进行求解;与已有的结果进行了比较,并给出了算例.     

利用脊线检测实现视网膜图像血管中心线的精确提取

提出一种精确有效的基于脊线检测的视网膜图像血管中心线提取算法,该算法首先对原始图像进行脊线检测得到候选视网膜图像血管中心线,然后对原始图像进行照度均衡和多尺度形态学增强处理,最后对各个尺度增强图像在视场ROI区域内进行Otsu双阈值分割或单阈值分割,并将各个尺度的分割结果求和再与脊线检测结果算术相与得到最终的血管中心线。通过对25张荧光造影视网膜图像以及部分彩色视网膜图像进行测试和分析,该算法不但能够检测出低对比度血管和微小血管的中心线,而且提取的血管中心线整体连续性好。将文中算法的结果与血管手动分割血管的细化结果进行比对分析,中心线吻合率平均达到83.5%,且算法性能优于Hoover算法以及保守专家手动检测结果。     

Operational properties and matrix representations of quantum measures

Denoted by M(A), QM(A) and SQM(A) the sets of all measures, quantum measures and subadditive quantum measures on a σ-algebra A, respectively. We observe that these sets are all positive cones in the real vector space F(A) of all real-valued functions on A and prove that M(A) is a face of SQM(A). It is proved that the product of m grade-1 measures is a grade-m measure. By combining a matrix M _μ to a quantum measure μ on the power set A _n of an n-element set X, it is proved that μ ≪ ν (resp. μ ⊥ ν) if and only if M _μ ≪ M _ν (resp. M _μ M _ν =0). Also, it is shown that two nontrivial measures μ and ν are mutually absolutely continuous if and only if μ·ν∈QM(A _n ). Moreover, the matrices corresponding to quantum measures are characterized. Finally, convergence of a sequence of quantum measures on A _n is introduced and discussed; especially, the Vitali-Hahn-Saks theorem for quantum measures is proved.     

论思维的复杂系统模型暨新一代专家系统的设想

在复杂系统研究思想指导下,构建了基于神经元网络结构的复杂系统思维模型,提出以网络节点表示概念,以网络连接表示命题,以网络回路实现知识表达,以网络节点间的时空动力学激发实现演绎推理等思维活动的理论新框架,并以此为基础对新一代专家系统进行了设计。