分振幅法偏振光斯托克斯参量测量系统

斯托克斯参量可全面描述光束的偏振态.设计了一个分振幅光度式斯托克斯参量测量系统,在分束镜之间加入1/4波片,使光路在同一平面上.用4个性能一致的探测器同时测量4束与斯托克斯参量有关的光束光强,用偏振片和1/4波片组合产生已知的偏振态来定标该系统,通过矩阵计算,实现快速测量光束的斯托克斯参量,从而确定光束的偏振态.实验结果表明,测量装置构建容易,调节方便.斯托克斯参量的四个分量测量实验值与理论值的偏差小于6%.     

径向哈特曼动态测量控制

径向哈特曼像质检测系统(RHTS)是一种新型的大口径光学检测系统,在室内不用大口径标准平面镜就可以实现光学系统的检测.目前,RHTS存在测量时间长、图像采集数据量大、以及在测量过程中,温度、噪声等周围环境的不稳定因素对系统的测量结果影响严重等问题.在测量大口径光学系统的过程中,基于对该系统控制流程的分析,本文提出了动态测量控制方案,设计出满足该动态测量所需要的控制电路,并采用新的数据采集处理方法,实现了径向哈特曼的快速动态测量,减少了系统测量时间.     

开源软件社区开发者偏好合作行为研究

着重从开发者角度出发,先对SourceForge.net开源社区项目与开发者数量增长情况进行统计分析,以见证社区的快速发展;随后以两个月为时间段分析新增开发者、合作的数目,并将开发者之间新建的合作细分为4种情况,探析4种合作方式情况下的差异,进而判断社区开发者优先选择合作方式的顺序;最后针对新开发者与社区已有开发者之间的合作,分析了新开发者的合作偏好与已有开发者的度数中心性、介数中心性和接近中心性,以及他们的开发项目数与之前项目中角色的关系,发现新成员优先选择与介数中心性或度数中心性大的已有开发者合作,且这些开发者整体上都具有多次开发经验并在开发过程中担任过特定角色。研究结果有利于优化群体软件开发过程,为提高群体软件开发效率与质量水平奠定了基础。     

面向海洋监测的水声传感器网络节点定位算法

为解决面向海洋监测应用的大规模水声传感器网络的节点定位问题,首先,采用整数线性规划理论,提出了多目标约束的水面网关优化部署策略;其次,针对水声传感器网络不同节点的特点,设计不同的定位方案,提出了有预测性的水声传感器网络节点部署算法。仿真实验验证了该方法的可行性与有效性,结果表明,该算法能明显提升节点的定位范围,降低通信能耗,减小定位误差,为水声传感器网络的海洋大规模部署提供相应技术指导。     

基于3维立体技术的视觉加密

视觉加密是新的加密研究领域,其优点是利用人眼视觉系统的特性直接对被加密的内容进行解码,而不需要用专用软件或硬件进行复杂的解密计算。近年来,由于自动立体显示技术和立体眼镜技术的发展,使得3维显示的应用日趋广泛,而传统的视觉加密方法在3维视频领域内尚无法取得令人满意的效果,因此3维立体视觉加密研究具有重要意义。为了更有效地对3维视频进行加密,利用3维显示的原理和特点,将其与视觉加密的优点相结合,提出了一种3维立体视觉加密新方法,该方法利用人眼视觉特性中的视差特性将隐藏信息巧妙地隐藏在右视图中,实验结果表明,该方法是有效的。     

基于注意力机制的3D DenseNet人体动作识别方法

传统人体动作识别算法无法充分利用视频中人体动作的时空信息,且识别准确率较低。提出一种新的三维密集卷积网络人体动作识别方法。将双流网络作为基本框架,在空间网络中运用添加注意力机制的三维密集网络提取视频中动作的表观信息特征,结合时间网络对连续视频序列运动光流的运动信息进行特征提取,经过时空特征和分类层的融合后得到最终的动作识别结果。同时为更准确地提取特征并对时空网络之间的相互作用进行建模,在双流网络之间加入跨流连接对时空网络进行卷积层的特征融合。在UCF101和HMDB51数据集上的实验结果表明,该模型识别准确率分别为94.52%和69.64%,能够充分利用视频中的时空信息,并提取运动的关键信息。     

一种蛙跳和差分进化混合算法

混洗蛙跳算法（SFLA）具有算法简单、控制参数少、易于实现等优点,但在高维难优化问题中算法容易早熟收敛且求解精度不高。导致该缺陷的主要原因是在进化后期种群多样性迅速下降,且缺乏局部细化搜索能力。借鉴差分进化算法（DE）中DE/best/1/bin版本具有全局搜索能力较强、种群多样性较好的优点,将SFLA与DE有机融合,形成混合优化算法（SFL-DE）,以克服SFLA容易早熟收敛的缺陷。给出了6个30维benchmark问题数值对比实验,结果表明,在给定的较小进化代数内,SFL-DE的寻优效率、计算精度、鲁棒性等性能优于SFLA和基本DE（DE/best/1/bin和DE/rand/1/bin）,不足之处是其耗时更长。     

同步数据流模型调度序列的空间优化

提出了一种嵌入式DSP系统的存储优化方法。该方法基于同步数据流模型SDF（Synchronous Data Flow）。针对其他优化算法不适用于存在反馈环的同步数据流模型的问题,该方法为反馈环的空间优化设计实现了启发式的调度算法,并提出了将SAS（Single Appearance Schedules）和Non-SAS类型调度序列相结合的层次化的空间优化方案,为同步数据流模型调度序列的空间优化提供一个通用的解决方案。实验结果证实了该方案的有效性。     

高维数据空间的性质及度量选择

高维数据分析是机器学习和数据挖掘研究中的主要内容,降维算法通过寻找数据表示的最优子空间来约减维数,在降低计算代价的同时,也提高了后续分类或者聚类算法的性能,从而成为高维数据分析的有效手段。然而,目前缺乏高维数据分析的理论指导。对高维数据空间的统计和几何性质进行了综述,从不同的角度给出了高维数据空间中"度量集中"现象的直观解释,并讨论了通过度量选择的方式来提高经典的基于距离度量的机器学习算法在分析高维数据时的性能。实验表明,分数距离度量方式可以显著提高K近邻和Kmeans算法的性能。     

用Monte Carlo方法计算HTR-10余热排出系统物理过程的失效概率

介绍了计算物理过程失效概率的蒙特卡罗方法(Monte Carlo).应用重要抽样蒙特卡罗方法计算了10 MW高温气冷实验堆(HTR-10)余热排出系统物理过程的失效概率,并进行了误差分析.与响应面方法的计算结果进行比较后发现,两种方法得到的计算结果数量级相同,进一步验证了以下结论:由于采用了非能动设计,HTR-10的余热排出系统的失效概率至少降低了3个数量级.