基于神经网络的红外焦平面光学非均匀性校正改进算法

基于场景的非均匀校正依然是红外领域的一个研究热门。神经网络算法是一种较为典型的场景校正算法。本文主要针对神经网络算法本身不能校正光学引入的非均匀性问题,提出了新的改进算法,通过对神经网络输入层的预处理,消除图像的低频噪声,此外,为了消除预处理对图像对比度的影响,本文增加了神经网络的层数,使用双层神经网络对算法进行更新,从而消除了图像对比度下降的现象。实验结果表明,改进的神经网络算法能够有效的改善图像质量,消除图像中光学引入的非均匀性。     

一种非平衡数据分类的过采样随机森林算法

在灾害天气、故障诊断、网络攻击和金融欺诈等领域经常存在不平衡的数据集。针对随机森林算法在非平衡数据集上表现的分类性能差的问题,提出一种新的过采样方法:SCSMOTE(Seed Center Synthetic Minority Over-sampling Technique)算法。该算法的关键是在数据集的少数类样本中找出合适的候选样本,计算出候选样本的中心,在候选样本与样本中心之间产生新的少数类样本,实现了对合成少数类样本质量的控制。结合SCSMOTE算法与随机森林算法来处理非平衡数据集,通过在UCI数据集上对比实验结果表明,该算法有效提高了随机森林在非平衡数据集上的分类性能。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。     

基于传承"工匠精神"人才培养的探索与实证性研究——以粉彩、古彩非遗教育为例

本文以粉彩、古彩非遗教育为例,从深化人才培养模式、改革课程教学体系、更新教学团队、提升创新意识四个方面探索将非遗传承与职业教育深度融合的非遗文化教育方法。     

非牛顿流体减速带的应用研究

减速带意在提醒司机减速,但在通过减速带时会感到有强烈的震感。而非牛顿流体减速带可以使车辆在低速过该减速带时如履平地,不会产生不适感。非牛顿流体减速带利用非牛顿流体的粘度随剪切应力和剪切速率增大而增大的性质。通过建立非牛顿流体减速带的模型,设置临界速度V_K。对于水泥生料浆作为填充物,车速小于临界速度V_K(33.5m/s),减速带仅产生形变,而以大于临界速度通过减速带时,减速带变成刚体,表现出与常规减速带相同的效果。本模型使得定制"特征"减速带成为可能,推进了非牛顿流体减速带的应用。