基于时频域特征融合的龙井茶品质判定

智能感官分析技术是模拟人的感官获取茶叶滋味特征信息,用于茶叶品质自动检测的有效方法。本文采用电子舌智能感官分析仪器采集不同等级西湖龙井茶的智能味觉指纹图谱,从时域和频域两个角度提取电子舌传感器响应信号参数,并将时域特征参数和频域特征参数进行特征融合,然后茶叶样品特征分别采用线性降维方法(主成分分析、线性判别分析)和非线性降维方法(核主成分分析、核线性判别分析)进行维数约简,采用最近邻分类器判定茶叶等级。对单特征参数和多特征参数以及线性降维和非线性降维方法的算法效果进行比较,结果龙井茶等级判定的最高正确识别率在95%以上,实现了电子舌对不同等级龙井茶样品的自动模式分类。     

MujavaX:一个支持非均匀分布的变异生成系统

变异分析是一种广泛用来评估软件测试技术性能的方法.已有的变异分析技术通常将变异算子平均地应用于原始程序.由于现实程序中的故障分布往往具有群束的特征,采用平均分布的变异分析方法不能客观地评估软件测试技术的性能.前期研究工作中提出了非均匀分布的变异分析方法,采用实例研究验证了不同的故障分布对测试技术性能评估的影响.为了增强非均匀分布的变异分析方法的实用性,开发了支持非均匀分布的变异生成系统MujavaX,该系统是对广泛实践的Mujava工具的扩展与改进.采用一个实例系统验证了开发的MujavaX的正确性与可行性,实验结果表明该系统能够生成指定分布的非均匀变体集合.     

一种硅油填充术眼内硅油乳化过程模拟可视化方法

眼科中治疗孔源性视网膜脱离(RRD)的玻璃体切割联合硅油填充术中,预测术后硅油乳化情况,并根据其确定术中适宜硅油填充量和最终取出时间是手术成功的关键.然而手术流程中医生无法直接观察眼球内部结构,很难对填充物质进行定量分析,手术完成后亦对硅油乳化状态缺乏可视化认知.该文提出一种基于光滑粒子流体动力学的体积不可压缩多相流体...     

一种基于粗糙集属性度量的集成分类器

为了准确度量属性的重要性,从基于粗糙集的属性度量视角,提出一种基于混合度量机制的属性评价方法,该方法从不同的信息粒度分析属性的重要性.在混合度量机制中,根据数据分布特点引入参数权重因子.在此基础上,构造一种基于粗糙集属性度量机制的集成分类器.通过实验结果和比较分析表明,所提出的方法能有效地降低数据的属性维度,相比较于单一属性度量准则,分类器具有更好的分类性能.      

基于卡尔曼滤波理论的容迟与容断网络自适应感知路由算法

针对容迟与容断网络中的单播通信问题,提出了一种自适应感知路由协议(adaptive context aware routing protocol,ACRP);并引入卡尔曼滤波理论,给出最优的消息轮渡节点选取策略.仿真实验表明,与常见的单副本拷贝或多副本拷贝协议相比,提出的面向情境感知的自适应路由协议拥有更好的传输性能和稳定性.     

深度学习在材料显微图像分析中的应用与挑战

材料的组织结构主要受成分和制备加工工艺的影响,是决定材料性能的关键因素,在材料研发的全周期内具有重要作用。材料组织结构以非结构化图像数据的形式呈现,利用人工经验性的手段进行分析和信息抽取,遗漏了大量的材料学信息和隐含知识。深度学习技术的发展和应用,为材料显微图像中信息的精准、快速、自动获取提供了重要的研究手段。本文从图像处理、图像分析和图像理解3个方面概述了材料显微图像处理与信息挖掘的主要研究内容和关键技术,详细介绍了深度学习在图像分析中的图像识别、图像分割和图像生成3个任务中的研究进展,讨论了深度学习在材料显微图像分析和信息挖掘中的发展方向和挑战。     

全卷积神经网络下的多光谱遥感影像分割

目的 传统的遥感影像分割方法需要大量人工参与特征选取以及参数选择,同时浅层的机器学习算法无法取得高精度的分割结果。因此,利用卷积神经网络能够自动学习特征的特性,借鉴处理自然图像语义分割的优秀网络结构,针对遥感数据集的特点提出新的基于全卷积神经网络的遥感影像分割方法。方法 针对遥感影像中目标排列紧凑、尺寸变化大的特点,提出基于金字塔池化和DUC（dense upsampling convolution）结构的全卷积神经网络。该网络结构使用改进的DenseNet作为基础网络提取影像特征,使用空间金字塔池化结构获取上下文信息,使用DUC结构进行上采样以恢复细节信息。在数据处理阶段,结合遥感知识将波段融合生成多源数据,生成植被指数和归一化水指数,增加特征。针对遥感影像尺寸较大、采用普通预测方法会出现拼接痕迹的问题,提出基于集成学习的滑动步长预测方法,对每个像素预测14次,每次预测像素都位于不同图像块的不同位置,对多次预测得到的结果进行投票。在预测结束后,使用全连接条件随机场（CRFs）对预测结果进行后处理,细化地物边界,优化分割结果。结果 结合遥感知识将波段融合生成多源数据可使分割精度提高3.19%;采用基于集成学习的滑动步长预测方法可使分割精度较不使用该方法时提高1.44%;使用全连接CRFs对预测结果进行后处理可使分割精度提高1.03%。结论 针对宁夏特殊地形的遥感影像语义分割问题,提出基于全卷积神经网络的新的网络结构,在此基础上采用集成学习的滑动步长预测方法,使用全连接条件随机场进行影像后处理可优化分割结果,提高遥感影像语义分割精度。     

基于多尺度的生物医用高聚物降解强度模型EI北大核心CSCD

生物医用高聚物由于其良好的性能与降解性,在医学上有广泛的应用前景。降解过程中的强度变化直接影响到应用情况,而降解过程的复杂性使得强度预测困难。文中在分析强度影响因素的前提下,首先由公式推导证明代表性强度模型的不适用性,然后在生物医用高聚物的降解多尺度模型基础上提出针对降解变化过程中出现的异质相的异相强度模型,不同相采用不同的强度公式,并与多尺度模型耦合计算,计算结果与实验数据拟合得很好,表明文中提出的方法正确可行。     

基于多尺度的生物医用高聚物降解强度模型

生物医用高聚物由于其良好的性能与降解性,在医学上有广泛的应用前景。降解过程中的强度变化直接影响到应用情况,而降解过程的复杂性使得强度预测困难。文中在分析强度影响因素的前提下,首先由公式推导证明代表性强度模型的不适用性,然后在生物医用高聚物的降解多尺度模型基础上提出针对降解变化过程中出现的异质相的异相强度模型,不同相采用不同的强度公式,并与多尺度模型耦合计算,计算结果与实验数据拟合得很好,表明文中提出的方法正确可行。