排序方式: 共有28条查询结果,搜索用时 0 毫秒
11.
12.
膨胀超分辨技术是近几年出现的一种对样品制备进行改进实现分辨率提升的超分辨技术,由于其与其他光学技术的兼容性强,可以进一步提高分辨率,引起了越来越多研究人员的关注。复合膨胀技术是膨胀超分辨技术改进的一个主要发展方向之一,膨胀结合光学波动超分辨技术(ExM-SOFI)在复合膨胀技术中是一种受限较小且使用较为广泛的技术。为了增强现有ExM-SOFI技术的成像效果,本课题组将成像缓冲液技术应用于ExM-SOFI技术,以增强膨胀样品在拍摄过程中的抗淬灭能力,从而使普通染料在ExM-SOFI中的荧光强度、荧光波动幅度和闪烁比等均有增强。微管和囊泡的染色成像结果表明,使用这种技术可以使样品在高阶SOFI中保持真实结构,伪影更少,因而高阶SOFI技术可以提升膨胀样品的最终分辨率。 相似文献
13.
14.
15.
16.
17.
离子交换除盐系统中的再生剂输送系统,一般由两部分组成:一部分是从再生剂运输槽车至再生剂储罐;另一部分是从再生剂储罐至再生剂、计量箱,而这两部分的输送方法基本相同.目前由于其输送方法尚不完善,其输送系统中均无防止再生剂流失装置,一旦运行人员维护不当,便可造成再生剂大量流失,严重地威胁电厂水处理系统的安全与经济运行.几年来,我们对此问题进行了 相似文献
18.
目标识别正逐渐成为自动化领域中提供准确目标类别信息的一项重要技术,并且当前大多数目标识别方法都是基于深度学习框架实现.通常,深度学习框架的输入数据均为原始图像数据,而在实际应用中,探测器获取原始图像数据并作为深度学习框架的输入进而实现目标识别的方式并非是高效的,数据获取并识别的过程包含了大量的冗余信息,降低了识别效率.在本文中,通过深度学习与压缩感知技术的结合,提出了一种基于联合感知矩阵的压缩学习目标识别技术(Target recognition technology based on a new joint sensing matrix for compressed learning,TRNPCL),使得探测器可快速生成目标图像多维压缩数据,且压缩数据可直接作为深度学习目标识别框架的输入数据,而无需再进行解压缩步骤.该方法不仅大大减小了深度学习框架的数据输入量,在与同等压缩比下的单空间域数据压缩学习方式相比较,还保持了较高的识别准确率.在未来,该方法有望成为一种更有效、更灵活的目标识别方法,并特别适用于指纹识别、人脸识别等应用领域. 相似文献
19.
20.
提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。 相似文献