分数阶全变分泊松去噪的快速线性化增广拉格朗日方法

近年来,有关分数阶全变分(FOTV)的图像去噪问题被广为研究。快速傅里叶变换(FFT)是求解相关子问题最常用的方法,但是FFT只适用于周期边界条件。为了能在非周期边界条件下也能实现好的去噪效果,针对FOTV泊松图像去噪模型,结合增广拉格朗日方法(ALM)和线性化技术提出新的算法。实验表明,在周期边界条件下,与采用FFT的增广拉格朗日方法相比,本文提出的算法在达到几乎相同的去噪效果时,收敛速度较快。而且在零Dirichlet边界条件时,也能实现好的去噪效果。     

基于衰变链计算的裂变产物缓发γ能谱分析

在军控核查技术中，缓发γ能谱是核材料的“指纹”。为计算和分析铀裂变产物的缓发γ能谱，本文将各种类型的衰变链简化为基态线性链和激发态线性链，推导了零时前后各级核素数目的变化公式，建构了计算缓发γ射线能谱的C语言程序代码，并通过实验对理论推导进行了验证。通过分析几种核素的缓发γ射线计数发现，计算结果与实验数据吻合较好。     

采用八叉树和OSG分页结点的海量点云三维可视化

针对现有海量点云可视化方法存在索引构建时间长、内存占用大等问题，研究一种八叉树索引结合OSG分页结点的快速可视化方法，可在占用较小内存的基础上快速建立点云索引并实时调度。采用八叉树索引结构对海量点云进行数据组织，建立各层级的八叉树结点并以文件映射的方式分块保存，对结点文件重组织转换为支持OSG渲染引擎的多分辨率点云数据。采用基于OSG分页结点的实时调度技术，对海量点云进行高质量可视化。与目前两款主流的点云数据处理商业软件进行实验对比分析，结果表明所提方法具有索引建立速度快、内存占用小等优点，同时可视化交互更加流畅，适用于各种配置计算机下海量点云数据的调度管理与实时可视化。     

大数据在初中信息技术课堂教学中的应用实践与思考

随着计算机技术和物联网技术的飞速发展,大数据频繁出现在人们的生活中。笔者阐述了大数据的含义及优势,探究了大数据在初中信息技术课堂教学中的应用。借助大数据资源,能有效提高课堂教学效率。结合大数据分析,能有的放矢地实施分层次教学。搭建校内大数据资源库,能提供更加符合学生要求的自主学习平台。通过大数据安全教育沙龙,能够提高学生的信息安全意识。     

稀疏孔径和大转角下ISAR对目标转动的估计

逆合成孔径雷达（inverse synthetic aperture radar，ISAR）对非合作目标做成像时图像质量依赖于对目标运动参数的准确估计.针对在稀疏孔径和非均匀转动条件下现存的参数估计方法计算量过大或者方法适用条件不满足，提出了一种基于神经网络的参数估计方法.此方法以成像问题的模型知识指导数据的生成过程，然后训练通用的神经网络，最终实现将数据中隐含的知识转化为转动估计器.从仿真实验结果来看，所得到的网络对满足一定信噪比要求的回波数据可以提供较准确的估计，所得参数可以帮助成像算法提高聚焦效果，大量的样例表明网络可以部分学习到回波与转动之间的关系.     

基于蛋白质组学技术研究秦川牛肉宰后贮藏过程中肌红蛋白含量及其衍生物转化

本实验采用4D-非标记蛋白质组学技术研究秦川牛肉贮藏过程中（0～8 d）肌红蛋白含量及其衍生物的转化情况，阐释冷却秦川牛肉中肌红蛋白含量及其衍生物转化的分子机制。结果表明：贮藏过程中，肌红蛋白表达量在宰后0～4 d上升、4～8 d下降，利用非标记蛋白质组学技术鉴定出与肌红蛋白及其衍生物相关的差异蛋白14 种，具体包括代谢酶、氧化还原酶、过氧化物酶、伴侣蛋白4 类，这4 类蛋白的表达共同调控贮藏过程中肌红蛋白含量的变化及其3 种衍生物之间的转化，具体表现为贮藏过程中肌红蛋白表达量整体呈下降趋势，氧合肌红蛋白相对含量持续下降，脱氧肌红蛋白、高铁肌红蛋白相对含量逐渐增加，导致肉色发生褐变。本研究结果有利于理解秦川牛肉贮藏过程肉类变色的复杂生化变化机制。     

基于改进AHP和熵权法相结合的山区在役柔性悬索桥运营安全风险评估

针对传统的层次分析法(AHP)在桥梁运营安全评估中的不足之处,提出了基于改进AHP和熵权法相结合的在役悬索桥运营安全风险评估分析方法。该方法通过定量、客观的分析,克服传统评估方法中各个风险指标权重值计算的局限性,做到了主观权重和客观权重相结合,为在役悬索桥制定科学、正确、合理的管理方案提供了重要参考。同时以云南新龙桥为例进行验证,得到各个风险源的权重值,并找到超载风险是影响悬索桥安全运营的主要影响风险源。运用有限元软件对悬索桥运营阶段基于超载风险的仿真分析,明确超载对该桥安全运营的影响程度。研究表明该评估方法改进和完善了在役悬索桥运营风险综合评估方法,同时对其他桥型的风险评估也有一定的参考意义。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。