基于IE思想的城市交通道路交叉口的规划设计

基于城市主要道路交叉口实际情况的调查,该论文结合了工程理论知识和方法,通过工作抽样和秒表计时的方法,该论文收集了道路交叉口的基本数据跟信息,然后通过排队论中M/D/1的模型来确定车辆的平均等待时间,接着从设备布置跟人员安排的角度来实现道路的全面提高。通过采用AHP(根据某些目标)来实现采用方案的选择跟评价。结果表明,对道路交叉口的既有方案的分析跟优化能有效地降低交通压力,以及在保证交通安全的前提下提高道路通行能力。     

基于重抽样优选缓存经验回放机制的深度强化学习方法

针对深度强化学习算法中经验缓存机制构建问题,提出一种基于TD误差的重抽样优选缓存机制;针对该机制存在的训练集坍塌现象,提出基于排行的分层抽样算法进行改进,并结合该机制对已有的几种典型基于DQN的深度强化学习算法进行改进.通过对Open AI Gym平台上Cart Port学习控制问题的仿真实验对比分析表明,优选机制能够提升训练样本的质量,实现对值函数的有效逼近,具有良好的学习效率和泛化性能,收敛速度和训练性能均有明显提升.     

确定抽样检验性质的重要性

了解、估计、判定产品总体质量水平的高低，往往采用抽样检验的方法，以样品的质量情况来评价或确定产品总体的质量水平。然而，由于各部门的工作内容不同，抽样检验的目的也不同。例如，有的抽样检验是为了监督产品质量水平。其性质为监督抽样检验；有的是为了控制产品质量水平，其性质为验收抽样检验；有的是为了判别产品质量水平，其性质为交易抽样检验。     

2012年国外技术性贸易措施对我国出口企业影响调查情况

2013年1月起,质检总局在全国范围内组织开展了2012年国外技术性贸易措施对我国出口企业影响的调查工作。调查采用双层复合等比例抽样法,依据HS编码,将被调查的出口企业划分为七大行业,随机抽取分布于全国31个省、自治区、直辖市的3152家出口企业,通过对企业所属行业、地区、性质、规模、出口国别、贸     

基于多分辨率分析的多传感器遥感图像融合方法

给出了一种基于非抽样Contourlet变换的遥感图像融合算法.根据分解后不同层次的特点采用不同的融合规则,对高频分量采用区域能量的融合规则,使得融合图像的光谱质量和空间质量得到均衡提高、实验表明,该算法可以更好地表现高分辨率全色图像的细节特征,同时在保持多光谱图像的光谱信息方面具有较大优势.     

基于数字信号处理的γ仪器谱合成方法研究

本文提出一种基于数字信号处理的γ仪器谱合成方法,可将在相同测量条件下阵列探测器测得的不同仪器谱进行准确的合成。该方法可应用于NaI(Tl)或HPGe探测器组成的阵列探测器γ仪器谱的合成及其它需进行仪器谱合成的场合。     

基于分数阶Hilbert变换的多路加密

基于分数阶Hilbert变换的单边带通信可以同时将分数阶旋转角度作为加密密钥,从而保证通信安全。但基于分数阶Hilbert变换的单边带通信加密技术只能让信号使用一个加密密钥。为了达到增大密钥空间以更有效地保证信息安全的目的,采用多通道滤波器组分路处理的方法,在减少了系统计算复杂度的基础上增大了密钥空间。     

基于局部保持投影和核直接判别分析的掌纹识别

为了提高识别性能,提出运用局部保持投影(LPP)和核直接判别分析(KDDA)相结合的方法进行掌纹识别.在小样本图像识别中,为了解决特征方程矩阵的奇异性,首先运用图像下抽样降低掌纹空间的维数,然后应用LPP提取掌纹局部结构特征作为KDDA的输入提取分类特征,计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库,...     

改进的最大后验概率估计法实现单幅图像超分辨率重建

从图像降质模型出发,研究运用最大后验概率(MAP)估计法实现图像超分辨率重建。简单介绍了MAP方法的发展现状,并分析了该算法中存在的缺陷,即目标函数的吉布斯(Gibbs)项对于重建图像的噪声抑制力不均衡。针对该缺陷采用原始低分辨率图像插值后图像的梯度场对MAP目标函数的Gibbs项系数进行修正,使该系数对各像素根据相应梯度值自适应的调整,在一定程度上均衡了目标函数对于不同梯度值区域的约束力。采用共轭梯度法对改进前后MAP算法分别求解并进行了仿真。结果显示相比传统MAP算法,改进的MAP算法得到的超分辨率图像,既很好地恢复了细节,又很好地抑制了重建过程中引入的噪声,总体像质有了明显提高,同时在迭代求解过程中也表现出很好的收敛性与稳定性。     

分块自适应加权改进大规模模糊聚类

为解决传统模糊C均值聚类(Fuzzy C-means,FCM)算法在处理大规模数据集时遇到的时间复杂和内存不足等瓶颈,提出基于大数据集抽样分块的多视角自适应模糊聚类算法,算法通过邻域正则约束提高传统FCM算法的抗噪性,通过低秩与熵加权约束提高多视角一致性,以提高算法对多样化数据聚类的适应性,最后通过Canopy算法初始聚类中心提取、数据抽样分块和自适应加权优化算法对大规模数据聚类的适应性.实验结果表明,算法在继承传统多视角FCM算法良好聚类性能基础上,减少了计算复杂度,提高了聚类准确率,适于大规模数据集聚类.