运动捕捉数据在Jack平台上的重定向技术研究

提出了一种BVH格式运动捕捉数据驱动Jack三维骨架模型产生人体运动效果的方法。将Peabody结构的Jack虚拟人模型简化成能够映射BVH数据的树状骨骼结构,使用欧拉角旋转方程建立运动捕捉数据与Jack角色模型的关节数据映射公式,最后在Jack平台上用Python等脚语言进行了编程实现。为在Jack平台中大规模重用运动捕捉数据提供了条件。     

基于WI-FI的井下定位算法研究

基于射频指纹的室内定位算法有很多,现提出基于射频指纹的应用在煤矿巷道这种特有的环境特征的一种新的定位算法。根据无线信号的衰减特性,将距离接入点3m处的接收信号强度值设为阈值,若设备接收的信号强度值大于阈值则直接定位到此接入点处。若信号强度低于阈值,则根据射频指纹数据库数据得到估计位置。在煤矿中移动目标的速度一般小于10m/s,根据这一特征,算法中设定前后两次的定位位置不能超过10 m;若超过10 m,则取前一秒的定位位置与该秒采用数据库匹配得出的位置的中点。将这些特征应用到射频指纹定位算法中可以非常有效的减少环境对信号强度的影响。通过实验表明,该定位算法具有较高的定位精度。     

自适应激素调节遗传算法

基于生物内分泌系统的激素调节原理,提出了一种新的自适应遗传算法。该算法以内分泌激素调节的Hill函数下降形式为基础,设计了自适应交叉算子和自适应变异算子,使交叉率和变异率在遗传算法迭代过程中,能够根据各代种群多样性的变化进行自适应调节,在整个进化过程中将种群多样性维持在合理水平。4种测试函数及三维人脑图像分割的实验结果显示,提出的自适应遗传算法可较好地保持种群多样性并克服早熟现象,性能优于其他两种自适应遗传算法及传统遗传算法。     

大型数据集的多维变量关联性挖掘

为了探索多维数据集中各变量之间的关系,特别是非函数关系,对数据集所在的n维立方体的各个维度进行划分,在得到的n维网格中定义自然概率密度函数,以此得到数据集在特定划分下的互信息值。对所有的划分取互信息最大值,正态化后即为所定义的特征张量的一项,取特征张量在给定最大网格数下的最大项的值定义为MIC,它度量了多维变量间的关联程度。     

中国古代治水理念及对城市水系统建设的经验启示

我国历史上水患频繁,劳动人民经过长期的探索,在处理水与聚居地关系方面的经验经过历代总结和传承,形成了比较系统完整的治水理念.在区域尺度重视水资源的综合利用,在城市尺度强调空间的科学布局,在院落尺度推崇天人合一的建设理念.结合我国现代城市水系统问题,对中国古代治水优秀的实践经验进行总结凝练.从系统和理念层面,对我国城市水系统规划建设总结出若干经验和启示.     

黄河流域非点源污染负荷定量化与控制研究进展

通过文献分析,总结了黄河流域非点源污染负荷定量化与污染控制两方面的研究进展,分析了黄河流域非点源污染研究现阶段存在的问题,即农业、城市非点源污染研究总体不多,自主研发模型少见、控制管理措施单一、新型污染物研究不足等。未来黄河流域地区需加大基础数据的监测,加强部门之间数据共享,建立非点源污染数据库;进一步对非点源污染机理进行探究,研发适合该流域的水文-水质-水动力非点源污染和水库水动力-水质耦合模型;深入非点源污染防控研究,制定全过程综合控制模式与管理体系。     

城市洪涝试验研究进展

城市洪涝物理试验与原型试验是开展数值模型验证及提高预报预警精度的重要手段。从城市产流过程、地表洪水演进以及地表径流与管网水流交互三方面,综述了近年来国内外城市洪涝试验的研究进展。针对目前城市洪涝试验研究中存在的不足,指出今后应完善现有城市产汇流过程相关机理方面的试验研究,深入研究地表与管网垂向交互过程,加强与城市洪涝期间的流动行为密切相关过程的定量试验研究。     

邕宁闸坝混凝土施工温控方案研究

为了探究邕宁闸坝混凝土施工温控方案,以该工程12^#溢流闸坝为研究对象,建立三维有限元模型进行仿真计算,分析混凝土在3种施工方案下的温度场和温度应力。研究表明：低温季节采用方案1进行施工时,施工过程中温度场与温度应力均满足规范要求;高温季节采用方案2进行施工时,施工过程中最高温度与最大温度应力值均不满足规范要求;高温季节采用方案3进行施工时,施工过程中最高温度与最大应力值均满足规范要求。建议低温季节浇筑时采用自然入仓的浇筑方式;高温季节浇筑时,应控制底板混凝土浇筑温度不超过14 ℃,闸墩混凝土浇筑温度不超过16 ℃,同时采取通水冷却措施。计算结果可为邕宁闸坝及类似工程施工方案设计提供参考。     

北京安河泄洪闸金属结构安全检测与评价

水闸安全运行,会受到水工金属结构安全性状影响.京密引水渠安河泄洪闸已投入运行54年.为保障水闸运行安全,需对其金属结构进行全面的安全检测.文章采用多种检测手段对安河泄洪闸金属结构开展现场检测,对结构病害进行梳理,对金属结构的安全状态进行综合评价,为水闸安全运行提供技术支撑.     

生成对抗网络及其在图像生成中的应用研究综述

生成对抗网络(GAN)是无监督学习领域最近几年快速发展的一个研究方向,其主要特点是能够以一种间接的方式对一个未知分布进行建模.在计算机视觉研究领域中,生成对抗网络有着广泛的应用,特别是在图像生成方面,与其他的生成模型相比,生成对抗网络不仅可以避免复杂的计算,而且生成的图像质量也更好.因此,本文将对生成对抗网络及其在图像生成中的研究进展做一个小结和分析:本文首先从模型的架构、目标函数的设计、生成对抗网络在训练中存在的问题、以及如何处理模式崩溃问题等角度对生成对抗网络进行一个详细地总结和归纳;其次介绍生成对抗网络在图像生成中的两种方法;随后对一些典型的、用来评估生成图像质量和多样性的方法进行小结,并且对基于图像生成的应用进行详细分析;最后对生成对抗网络和图像生成进行总结,同时对其发展趋势进行一个展望.