基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

基于小波分析的神经网络识别毒剂的研究

为快速、准确地识别毒剂,在分析神经网络识别毒剂基本方法的基础上,建立了带有偏差单元的递归神经网络识别毒剂模型,包括神经网络识别毒剂的学习算法和基于小波分析的毒剂特征提取. 通过剖析神经网络识别毒剂模型,设计了神经网络识别毒剂的软件,实现了神经网络对毒剂的识别. 用沙林模拟数据进行了测试和分析,结果表明,利用与化学传感器相联结的神经网络识别毒剂,是实现毒剂识别自动化、智能化的一种有效方法.     

指纹特征匹配若干问题的研究

研究了指纹细节点特征匹配的关键问题. 在匹配准则上,算法考虑了待匹配点的质量以及重合区域内匹配点和未匹配点对打分的影响. 将待识模式和模板分解为局部模式,寻找最大密度点作为最优匹配. 实验表明,该方法降低了计算量,并提高了匹配的准确性.     

圆锥凸轮特征造型方法的研究与系统实现

特征造型有利于将零件设计意图传递到后续加工环节,保证设计模型与加工模型数据表达的一致性.以圆锥凸轮机构为研究对象,采用已推导出的圆锥凸轮机构设计模型表达式,在特征造型软件MDT开发平台上,通过API编程,研制了一套具有设计计算和三维特征造型功能的圆锥凸轮机构虚拟设计系统.实例证明该系统具有一定的实用价值.     

滇西北三江地区新构造运动特征

滇西北三江地区新构造运动较为活跃和强烈,新构造运动主要表现为强烈的隆升运动.以地貌研究为主,从该地区多级阶地、多级夷平面的发育、河流袭夺等方面归纳了新构造运动的表现特征,简要总结出新构造运动的特点及其与环境的关系.     

基于事例推理的质量故障处理系统设计

在CBR(Case-Based Reason ing)中高速、有效地完成事例的检索,对问题求解的性能有直接影响,当知识库中事例足够多时,事例匹配可能变得简单,但检索的目标却更难达到。为此,以质量管理系统的设计与开发为背景,提出了一种基于事例推理的质量故障处理方法,给出了基于双库结构的质量故障处理系统的总体结构。该设计采用事例推理方法实现故障处理事例的模糊表示,并利用模糊贴近度完成相似处理事例的检索,所描述的事例表示和检索具有很好的实用价值,可使以往的经验及专家知识得以继承,同时有利于质量故障的准确、快速处理。     

右江盆地晚古生代白云岩与层序地层的关系及其储集性

以广西右江盆地晚古生代白云岩为研究对象,详细研究了白云岩在剖面上的分布与产出的形态, 归纳起来包括5种类型:(1)与硅质岩互层;(2)与灰质泥岩互层;(3)与灰黑色中层含光壳节石的微晶灰岩互层;(4)与灰白色厚层块状生物屑灰岩互层;(5)与厚层块状灰质白云岩、白云质灰岩互层.在此基础上讨论了白云岩的分布与层序地层学的关系,即与LST有关的白云岩主要为一套角砾状白云岩;与TST有关的白云岩主要为薄层状的硅质粉-细晶白云岩或细晶白云岩;与HST有关的白云岩主要为厚层块状中-粗晶白云岩或含残余生物屑结构白云岩.进而研究了白云岩的储集性,讨论了不同类型的白云岩和不同体系域内的白云岩的储集性.这为全面研究白云岩储层提供了基础资料.     

兰州城市特色与发展探讨

从城市的产生、发展以及城市的自然地理、历史人文等方面对城市特色问题进行了探讨.根据兰州城市的历史变迁与发展,论述了兰州的城市特色及其与城市发展之间的关系,提出了兰州城市建设的可持续发展问题.     

模具CAD系统的研究

介绍了模具CAD的发展现状和发展趋势,详细论述了模具CAD开发的技术基础、模具CAD的特点及系统要求,并简要介绍了几种常用的模具CAD应用软件.     

基于Relief的组合式特征选择

ReliefF是公认的效果较好的filter式特征评估方法,但该方法一大缺点是不能辨别冗余特征．提出两种基于Relief的组合式特征选择算法：ReCorre和ReSBSW,这两种算法均首先利用ReliefF算法过滤掉无关特征,然后分别采用相关分析(Correlation)以及顺序后向搜索(SBS)的Wrapper算法去除冗余特征．在实际数据集以及人造数据集上进行了实验,分析比较了Relief,ReCorre以及ReSBSW算法的性能．实验结果得出如下结论：ReliefF方法对无关特征较多的数据集能够很好的降维,但对于实际数据中特征间关系较复杂的情况,只能去掉很少的无关特征,并会去除一部分相关特征,ReliefF不能处理冗余特征,ReCorre可以在ReliefF基础上去除大部分冗余特征．ReSBSW算法可得到较好的泛化性能,但算法计算量很高,不适合大规模数据集．