复合材料在坦克装甲车辆上的应用

主要介绍复合材料在坦克装甲车辆的装甲、结构件、发动机和隐身等方面的应用研究新进展,并简要论述了坦克装甲车辆的发展现状.     

2002年我国工程塑料应用进展

根据2002年国内公开发表的文献，综述了我国工程塑料及改性塑料在车辆、机械设备、电子电气及通讯、建材、家电及家具、薄膜、兵器等领域的应用情况及研究进展，并介绍了以上领域内塑料新产品的开发、性能评价和使用效果。指出2002年我国塑料新产品的开发应用重点是机械设备、电子电气、建材等领域，汽车、家电、通讯领域较上一年有所减少。     

WZ型系列真空铝钎焊炉的研制

简要介绍了WZ型系列真空铝钎焊炉型号，规格等技术参数，并以WZLQH－30型真空铝钎焊炉为例介绍了真空铝钎焊炉的结构及其特点，总结了真空铝钎焊炉设计研究及调试过程中的一些经验体会。     

青海钾肥厂一期工程建设方案的选择及实施

本文从建厂规模、产品方案、厂址方案和总图布置、采卤方式、盐田光卤石矿采收、盐田规模及其建造、老卤排放、氯化钾产品加工方案、供电供水及引进设备等10个方面,回顾了青海钾肥厂一期工程重大建设方案的选择及实施情况。     

纺织产业集群内的合作交易定价策略

产业集群内的产品交易是一种基于业务和非业务依存关系上的合作交易行为,产品定价是非常敏感和复杂的策略性问题.本文从集群内企业合作交易的动机分析出发,验证了企业处在集群这种经济、社会和学习网络中,其交易行为无法通过非合作博弈达到均衡,而长期的合作博弈既能增加企业个体利益和集群总体利益,又能实现总体利益在企业之间的合理分配.笔者在此基础上提出了成本加利润、歧视价格、行业协会指导价等合作定价策略.     

基于小波的纹理合成方法

将KL变换与小波变换相结合提出了一种新的纹理合成方法,利用KL变换克服了合成彩色图时存在的颜色失真;对样图进行二维小波分解使得最佳匹配块的搜索仅在原样图的低频部分进行,从而提高了合成速度。在搜索最佳匹配块时,使用多尺度小波变换后的小波系数的差异作为误差度量,并在比较匹配误差时增加高频系数的权重,突出了纹理结构的匹配。实验结果表明,该方法不仅得到了较好的合成质量,而且在很大程度上减少了合成时间。     

Perona-Malik模型离散格式的改进

Perona和Malik给出的离散格式是原Perona-Malik模型的近似模型的离散形式.这个离散格式用差商代替梯度,并略去了原模型的一项,本文通过理论分析发现这些简化影响了平滑的速度和效果.文中将省略的一项也加以离散,并将差商绝对值替换为梯度模,最终得到一个隐式的离散格式.实验结果表明,本文的离散格式提高了平滑速度,改进了平滑效果.     

基于初始聚类中心优化的K-均值算法

针对传统的K-均值算法对初始聚类中心的选取和孤立点敏感的问题,本文提出了一种基于点密度的初始聚类中心选取方法。利用该方法选出初始聚类中心,再应用K-均值算法进行聚类,同时对孤立点进行特殊处理。实验表明,该方法能够产生高质量的聚类结果。     

运动目标检测的ViBe算法改进

目的 目标检测在智能交通、自动驾驶以及安防监控中均有重要的地位,ViBe算法是常用的运动目标检测算法,它主要由背景模型初始化、前景检测、背景模型更新3部分组成,其思想简单,易于实现,运算效率高,但当初始帧有运动目标时,检测结果会出现“鬼影”现象,且易受噪声和光照变化影响,不能适应动态场景。同时,其逐帧逐像素进行前景检测,在计算复杂度方面有较大提升空间。为解决这些问题,提出一种改进的ViBe算法,称为ViBeImp算法。方法 在背景模型初始化时,用多帧平均法给出初始背景,采用该初始背景构建初始背景样本模型。在前景检测过程中,采用背景差分法、帧差法与OTSU算法相结合给出半径阈值的自适应计算方法。同时,根据背景差分法找出运动区域,只对运动区域进行前景判断和模型更新,降低算法的计算复杂度。结果 对25个不同场景视频分别给出ViBeImp算法在初始化背景,自适应半径阈值和计算复杂度方面改进的结果及有效性指标,实验结果表明,与ViBe、ViBeDiff2、ViBeIniR,以及Surendra等算法和高斯混合模型相比,ViBeImp算法对噪声、光照和背景动态变化有较好的鲁棒性,检测结果更完整,且实时性较好。同时,ViBeImp算法将ViBe算法的查准率、查全率以及F1值分别提高了17.98%、11.40%和15.96%。结论 ViBeImp算法采用多帧平均法构建初始背景可有效地消除“鬼影”,并给出半径阈值的自适应计算方法,使ViBe算法更快适应视频环境变化,准确且完整地检测出运动目标,具有较低的误检率和漏检率。该方法克服了ViBe算法对初始背景以及视频环境的依赖,很大程度上提高了运算速度,具有很好的鲁棒性和适用性。     

基于精英混沌搜索策略的交替正余弦算法

正余弦算法是一种新的基于种群的随机寻优方法,利用正余弦函数使解震荡性地趋于全局最优解,其线性调整策略及较弱的局部搜索能力严重地影响了算法的性能.为了提高正弦余弦算法的计算精度,提出基于精英混沌搜索策略的交替正余弦算法.新算法采用基于对数曲线的非线性调整策略修改控制参数,利用精英个体的混沌搜索策略增强算法的开发能力,并将基于该策略的正余弦算法与反向学习算法交替执行增强算法的探索能力,降低算法的时间复杂度,提高算法的收敛速度.对23个基准测试函数进行仿真实验,与改进的正余弦算法以及最新的基于启发式的算法进行比较,深入的参数实验分析以及比较结果验证了所提出算法的有效性,统计分析证实了所提出算法的优越性.