基于改进残差特征蒸馏的轻量级超分辨率网络

基于深度学习的图像超分辨率算法通常采用递归的方式或参数共享的策略来减少网络参数，这将增加网络的深度，使得运行网络花费大量的时间，从而很难将模型部署到现实生活中。为了解决上述问题，本文设计一种轻量级超分辨率网络，对中间特征的关联性及重要性进行学习，且在重建部分结合高分辨率图像的特征信息。首先，引入层间注意力模块，通过考虑层与层之间的相关性，自适应地分配重要层次特征的权重。其次，使用增强重建模块提取高分辨率图像中更精细的特征信息，以此得到更加清晰的重建图片。通过大量的对比实验表明，本文设计的网络与其他轻量级模型相比，有更小的网络参数量，并且在重建精度和视觉效果上都有一定的提升。     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

蜂窝网络用户上行覆盖率的数值计算方法

对于蜂窝用户上行覆盖率这类含无穷上限的多重积分公式,直接调用积分函数进行计算耗时长且无法确保收敛。文章提出通过逐层分析被积函数特征来缩小积分区间,从而提高计算速度并保证收敛性。为验证方法的准确度,与一种特殊情况下的解析式和仿真结果进行比较,结果显示差异可忽略;同时,与直接进行无穷积分的方法进行比较,显示计算时间至少节省一半以上,且随着用户密度的降低,本方法计算效率方面的优势更加突出。     

条形药包爆破震动场的试验研究

通过时条形药包周围实测爆破震动数据采用数值计算方法进行处理，作出了条形药包周围的爆破震动场，使我们对条形药包的爆破地震效应有了全面的认识，从而在实际工程爆破中能够有针对性地进行安全防护。分析研究认为：条形药包周围的震动场由一系列同心椭圆形等震线组成。在爆破近区由于位置因素的影响，等震线的长轴与药包轴线重合；在远区的震动主要受波动干涉作用的影响，致使长轴与药包轴线垂直，因此不能采用集中药包的计算方法。     

基于竖缝式鱼道的鱼类上溯试验研究

为分析影响鱼类上溯的影响因素，基于竖缝式鱼道对19～27 cm体长范围内的鲫鱼开展连续上溯试验。通过物理模型和数值模拟相结合的方法，对鲫鱼上溯过程的位置与数值模拟得到池室内部的流速场和紊动能叠加分析，得到鲫鱼上溯所喜好的流速范围。试验结果表明，体长为19～27 cm的鲫鱼上溯所喜好的池室流速范围为0.091～0.524 m/s,试验中水流的紊动能最大值为0.035 6 m²/s²,小于0.050 m²/s²,属于低紊动能区，适合鱼类上溯，鱼类在上溯过程中会寻找流速和紊动能低的地方进行上溯。研究成果可为其他鱼类上溯提供参考。     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。