语音激励下的耳蜗传输特性

本文根据语音可以表示为有限项正弦级数的理论，在把耳蜗流体视为实际的粘性流体的条件下，建立了一种瓣的听觉模型，并在频域上求出了模型的传输函数。本文给出的听觉模型与传统的听觉模型在数学结构上非常接近，所不同的是前者避免了求格林函数以及由此而带来的卷积运算，因此，结构更加简化。在不计及中耳影响的条件下，新模型的传输特性曲线比传统模型的传输特性曲线有较大的改进。     

正弦激励下的非线性耳蜗模型:传输函数及频率响应

对正弦激励下的二维非线性耳蜗模型,该文采用空间离散法使其在坐标 x 方向(基底膜长度方向)离散化,并在时域上求出了基底膜在给定激励(镫骨运动速度)下,各点稳态振动速度的解析解.以基底膜稳态振动速度为输出、镫骨运动速度为输入,定义了非线性耳蜗模型的传输函数,并由此求出了耳蜗模型的频率响应。计算结果表明,耳蜗流体的粘滞性及非线性运动特性是影响实际耳蜗频率特性上升斜率的两个主要因素。     

无线传感器网络中的模糊信息暴露路径分析

研究无线传感器网络中的模糊信息暴露路径,提出模糊信息暴露最佳(最差)路径算法,根据传感器覆盖半径、融合参数以及覆盖阈值,建立模糊覆盖模型。分析覆盖强度融合因子与融合参数对路径信息暴露强度的影响。仿真结果表明,与概率覆盖模型相比,模糊覆盖模型的最差路径信息暴露强度更小、最佳路径信息暴露强度更大。     

高维数据自适应分类研究

利用高维海量数据点的自身特性和所属类别的唯一性,提出一种改进的无监督分类算法。计算高维点间的互相似度,利用相似性图像处理技术,在每次迭代计算中对数据集进行分割与分类,对数量较少的孤立点进行重分类。实验结果表明,该算法可在没有人工干预的情况下实现高维数据的自适应分类,相比K-means和Isodata算法,所需的计算迭代次数与计算时间较少。     

基于Web的税务数据仓库的设计与实现

为了充分利用税务系统的大量基层数据,解决税务数据的"蜘蛛网"问题,给税收信息化建设提供更多的决策建议,提出了基于Web的税务联机分析系统的解决方案.首先介绍了数据仓库的相关技术,分析了现存数据仓库模型组建过程中的弊端,然后结合Web技术,详细介绍了该方案的设计、实施过程.通过组建的基于Web的税务联机分析系统,结合数据挖掘技术,对实验数据进行组织、分析,可以从杂乱的数据中快速的得到有用的决策分析信息.     

多视角实时大气渲染算法研究

提出了一种在把瑞利散射和米氏散射列入考虑的情况下,从地平面到外太空的任何视角实时渲染大气的算法.该算法能够呈现出许多光的散射现象,例如目光和曙暮光天空的颜色和航空视角等所有视角下的光线方向,或者地面和山脉的阴影在大气里形成的光束,并展示了运用一个适应GPU的算法在几秒钟之内预处理完成这些数据.这个预处理的数据使得我们能够在考虑到地面上阴影和自然光束的情况下,评估光线传输方程在固定时间内的运行时间,从而克服了常规方法在实时性方面的瓶颈,并且有良好的显示效果,在航空仿真等领域可以得到广泛应用.     

基于SPH的三维流体模拟

流体模拟是计算机图形学和虚拟现实技术的一个研究热点和难点,针对目前的流体模拟真实感不够强,不能描述流体表面破碎的缺陷,根据流体的物理模型,采用基于光滑粒子动力学（SPH）的方法实现了三维流体的模拟。算法的核心思想就是将流体视为一系列“粒子”的集合,粒子的物理量及其空间导数是通过搜索光滑半径内与其相互作用的粒子的物理量进行插值得到。此举可以简化拉氏流体力学偏微分方程组求解过程。与传统的流体模拟方法相比,采用SPH算法所得到的模拟结果不仅可以比较真实地模拟流体流动的效果,而且还能实现流体表面的剧烈变形,甚至表面破碎（如浪花飞溅效果）。试验结果表明采用的算法在流体自由表面描述的逼真度上具有十分明显的优势。     

一种基于动态四叉树划分区域的兴趣管理方法

兴趣管理是虚拟互动仿真中的一种重要技术,该技术为了使仿真实体能够获取相关数据而过滤去无关的信息,是提高分布式仿真系统性能的关键技术.本文提出了一种动态划分虚拟场景来实现兴趣管理的方法,目的是为了解决大规模场景情况下通过静态划分区域实现兴趣管理的限制,实验结果表明该方法较大地提高了服务器的性能,并分析了划分区域容量对其性能的影响.     

基于语义感知和空间注意力的人脸图像超分辨率重建

人脸图像超分辨率重建在人脸图像处理中具有重要的应用价值,近年来得到了广泛的研究。然而,以前的工作往往不能为真实世界的低质量人脸图像产生可信的高质量结果,例如在关键人脸结构（眼睛、嘴巴等）以及皮肤纹理等方面还有较大的改善空间。提出了一种基于语义感知和空间注意力的网络结构,用于人脸图像超分辨率重建。引入了一种语义感知风格损失,以改善人脸纹理的细节。此外,还引入了空间注意力残差块（SARB）,这使得卷积层能够自适应地引导与关键人脸结构相关的特征。最后在Helen和CelebA数据集上的实验结果表明,该方法在人脸图像超分辨率重建方面优于其他方法。     

基于改进PSO-Apriori算法的恐怖组织关联特征分析

通过分析和挖掘出恐怖组织内在的关联特征,得出恐怖主义袭击事件组织者的时空活动规律,为针对特定组织者的全球反恐战略部署提供理论依据和指导。利用20年的全球恐怖主义数据库(GTD)作为数据源,以全球恐怖组织为主体研究对象,通过改进的多值属性Apriori算法对提取出的恐怖组织时间、空间及其相关特征进行关联分析,并以粒子群算法(PSO)优化Apriori算法的支持度和置信度两个重要参数。研究结果表明,改进算法规则提取时间有所缩短,冗余规则数量大大减少,特定恐怖组织在时空分布上具有很强的内在关联特征。由此得出结论,通过对多值属性Apriori算法的剪枝步和连接步设定规则限制能够提高关联算法的运行效率并提取出更加有效的规则。同时,经过粒子群算法的优化能够避免人为主观意识对算法结果产生的影响,从而验证了改进算法的有效性和准确性,挖掘出恐怖组织的基本时空活动规律。