4D打印将改变商业生态

当3D还在路上.很多人还对其持观望态度,尽管业内异常热闹.有种欲改变制造业模式的态势,但进入生活应用似乎还需要一些时间。而科技的新技术发展总是以超乎我们预见的速度发展,正如智能穿戴在一夜之间从科幻片中走出并走入了我们的生活中,4D打印也是如此,在我们还没有预见的时候一夜之间进入了我们的视野。     

教师修正性反馈对高职理科学生写作中冠词使用的影响

本研究检测了直接和间接两种修正性反馈与国内高职理科学生写作水平的关系。本实验持续五周,将150名学习者分为直接反馈组、间接反馈组及控制组,共安排了一次预先测试,,一次即时后测和一次延时后测,并分别对各组进行考察,结果显示两个实验组进步显著,且直接反馈效果最明显。     

GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

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。     

一种基于非下采样Contourlet变换的去噪算法

文章提出了一种新的去噪算法,算法是基于非下采样Contourlet变换(NSCT)的自适应阈值。首先需要对含噪图像进行非下采样Contourlet变换,然后得到各个尺度各个方向子带的系数。为了克服软、硬阈值函数的缺点,提出了一种自适应的新阈值函数。仿真实验表明,文章方法在峰值信噪比(PSNR)、信噪比(SNR)、均方误差(MSE)与视觉效果上均优于其他去噪算法。     

复杂电磁环境三维态势展示方法研究

在复杂电磁空间斗争这条无形的战线上,对电磁环境的准确、直观描述一直是制约指挥人员实施准确、高效指挥的关键因素,本文围绕复杂电磁环境三维可视化方法展开研究。首先提出了混合八叉树分割方法解决了传统八叉树不能对大规模体数据直接体绘制的问题,设计了球形规则网格体数据组织模型,通过抽象电磁环境数据模型的输入、输出和计算功能,构建了复杂电磁环境的通用组织计算框架。针对传统光线投射直接体绘制算法不能正确处理视锥体裁剪问题,提出了一种视锥体裁减修正的方法,通过绘制视锥体近、远截面与体数据包围盒的相交面,解决了由于被视锥体裁剪而丢失数据的绘制错误问题。研究运用等值线绘制算法、颜色映射切片绘制算法和光线投射算法三者相结合的可视化方法,从不同高度和不同方向切割电磁环境,不仅能直观感受到复杂电磁环境的全貌,而且能观察对作战指挥最有影响的细节信息。     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。