基于GA优选参数的RBF神经网络水质评价

为进一步提高多光谱图像水质反演的评价精度,提出一种基于遗传算法(GA)优选参数的径向基函数(RBF)神经网络水质评价方法.利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,得到符合条件且具有代表性的4类水质变量,对RBF神经网络进行训练和测试,用遗传算法对RBF神经网络的参数进行优化.在训练好的RBF神经网络模...     

纸浆漂白产生的有毒物

自18世纪末期采用氯和次氯酸盐作为漂白剂以来,纸浆漂白技术得到了迅速发展,但随之而来的漂白废水对环境的污染,已经成为制浆造纸工业中最严重的问题之一。目前,对漂白废水成份的调查和减少环境污染的研究,在许多国家的制浆研究工作中已列为首位。研究结果表明,在氯化和碱处理段溶解出来的氯化芳香族化合物,是具有致癌作用的剧毒物质。对漂白车间废水毒性的研究,加拿大处于领先地位。研究的主要课题是对鱼的毒害。研究人员测定了致死量的水平,同时又对于致死效应进行了研究,通过对7个生产漂白硫酸盐浆浆厂取自工艺过程和混合废水1000多个样品,对BOD、TOC和毒性进行分析测     

基于空间和通道注意力机制的目标跟踪方法

目标跟踪是计算机视觉中重要的研究领域之一,大多跟踪算法不能有效学习适合于跟踪场景的特征限制了跟踪算法性能的提升.该文提出了一种基于空间和通道注意力机制的目标跟踪算法(CNNSCAM).该方法包括离线训练的表观模型和自适应更新的分类器层.在离线训练时,引入空间和通道注意力机制模块对原始特征进行重新标定,分别获得空间和通道权重,通过将权重归一化后加权到对应的原始特征上,以此挑选关键特征.在线跟踪时,首先训练全连接层和分类器层的网络参数,以及边界框回归.其次根据设定的阈值采集样本,每次迭代都选择分类器得分最高的负样本来微调网络层参数.在OTB2015数据集上的实验结果表明:相比其他主流的跟踪算法,该文所提算法获得了更好的跟踪精度,重叠成功率和误差成功率分别为67.6％,91.2％.     

中草药专用肥及其生产工艺

大峪口硫酸厂有 2套 860 t/ d硫酸装置 ,装置的余热锅炉为横向冲刷、中压强制式循环热锅炉。锅炉蒸发量为 40 t/ h,主蒸汽温度为 45 0℃。过热器系统由低温过热器、喷水减温器、高温过热器组成。过热器蒸汽流程为 :汽包→低温过热器→喷水减温器→高温过热器→送电厂装置。A系列硫酸装置自 1 998年 3月 31日点火投料试车到 1 999年 8月停产运行期间 ,余热锅炉的低温过热器管共爆管 4次 ,已严重危及硫酸装置的安全、稳定运行。1　低温过热器爆管情况低温过热器管爆管部位集中在中部的下弯头和中部 ,特征为 :爆口呈喇叭状 ,断面粗糙 ,外部渗…     

红麻全秆木浆配抄牛皮箱板纸

由湖南省造纸研究所承担,华容县造纸厂协作的轻工业部重点科研项目“红麻全秆浆代替进口木浆配抄牛皮箱板纸”中试课题,已于1986年元月26—27日在湖南省湘潭市通过鉴定。鉴定会由轻工业部科技局委托湖南省轻工业厅主持。     

基于图像质量评价的嵌入式指纹采集系统

指纹图像质量的好坏对于嵌入式自动指纹识别系统的性能有着重要的影响。利用FPS200的参数可调的特征及其指纹图像本身的方向特征,提出了一种新的针对FPS200指纹传感器获取的图像质量评估方法。通过方向图检查其有效面积与图像的清晰程度,判断图像质量是否合格。若不合格,则调整FPS200的参数,直至获得高质量的指纹图像。实验表明:该方法可以明显提高嵌入式指纹识别系统的整体性能。     

基于CAN总线的飞机重心自动调节系统设计

在飞机试飞过程中,为了验证不同重心状态下飞机的可操作性和稳定性,提出了基于DSP的CAN总线重心自动调节系统设计方案.该系统的设计利用通信速度较快的CAN总线技术,提高了系统通信的稳定性和效率,同时减少了系统的布线和负载.实验表明,飞机重心自动调节系统达到了飞机试飞的要求,为以后的飞机试飞打下了很好的基础.     

面向高光谱分类的局部几何稀疏保持嵌入EI北大核心CSCD

大量维数约简(Dimensionality reducion, DR)方法表明保持数据间稀疏特性的同时,确保几何结构的保持能更有效提取出具有鉴别性的特征,为此本文提出一种联合局部几何近邻结构和局部稀疏流形的维数约简方法.该方法首先通过局部线性嵌入方法重构每个样本以保持数据的局部线性关系,同时计算样本邻域内的局部稀疏流形结构,在此基础上通过图嵌入框架保持数据的局部几何近邻结构和稀疏结构,最后在低维嵌入空间中使类内数据尽可能聚集,提取低维鉴别特征,从而提升地物分类性能.在Indian Pines和PaviaU高光谱数据集上的实验结果表明,本文方法相较于传统维数约简方法能明显提高地物的分类性能,总体分类可达到83.02%和91.20%,有利于实际应用.     

面向高光谱遥感影像分类的监督多流形鉴别嵌入方法

流形学习方法可以发现嵌入于高维观测数据中的低维流形结构,但是传统的流形学习算法都是假设所有数据位于单一流形上,忽略了高维数据中不同的子集可能存在不同的流形.针对上述问题,本文提出一种监督多流形鉴别嵌入的维数约简方法,并应用于高光谱遥感影像分类.该方法首先利用样本数据的类别标签进行多子流形划分,在此基础上采用图嵌入理论构造流形内图和流形间图,然后通过最小化流形内距离同时最大化流形间距离以增强类内数据聚集性和类间数据分散性,提取低维鉴别特征,改善地物分类性能.在University of Pavia （PaviaU）和Kennedy Space Center （KSC）高光谱数据集上的实验表明,相较于其他单流形算法和多流形算法,该方法取得了更高的分类精度,在随机选取2%训练样本时,其总体分类精度分别达到88.04%和84.53%,有效提升了地物分类性能.