基于集成众核的3D蒙特卡罗半导体器件模拟器

3D蒙特卡罗器件模拟计算量大,计算量随网格与粒子数增加而急剧增加。通过分析3D蒙卡模拟加速热点和进一步可并行性,研究有效电势方法的集成众核并行方案;研究粒子自由飞行、统计模拟信息、计算表面粗糙散射等热点并行方案,最终实现基于CPU/MIC的三级并行3D蒙特卡罗器件模拟软件。实验结果显示,三级并行比单级并行获得更好的性能;当提高模拟精度时,相比单级并行,三级并行蒙特卡罗模拟加速比增加。     

双硅氧烷端基溶聚丁苯橡胶/二氧化硅纳米复合材料的结构与性能

用负离子聚合方法制备了线型溶聚丁苯橡胶(SSBR)及其分子链两端接枝硅氧烷官能团的改性SSBR(A-SSBR),用2种方式制备了SSBR/SiO2复合材料和A-SSBR/SiO2复合材料,研究了复合材料的结构与性能.结果表明,在同等填料份数下,A-SSBR/SiO2复合材料具有优异的纳米填料分散性、高抗湿滑性和低滚阻特性;其300%定伸应力、拉伸强度和撕裂强度均可达到较佳水平;高结合胶含量表明纳米SiO2粉体界面与橡胶间有强的相互作用.     

悬索桥施工监控典型问题及其解答

针对荷载沿无应力长度均布的弹性悬链线模型在悬索桥施工监控中的应用,总结了五种常见的基本计算类型:己知索段的跨度和索段左端点内力求索段的无应力长度、两端点高差;己知索段的无应力长度和索段左端点内力求索段的跨度、两端点高差;已知索段的跨度、两端点高差和索段的无应力长度,求索段的内力;已知索段无应力长度、左端点内力,求温度升高情况下索段两端点的高差;已知索段的跨度、两端点高差和索段的无应力长度,和索段中间一点的横坐标,求该点相对于左端点的高差.简要地介绍了各种基本计算类型应用的范围及其求解思路.     

基于UML顺序图测试用例的生成

在分析UML模型可测试性的基础上,提出一种基于UML顺序图模型生成分布式系统测试用例方法,以系统软件配置项为对象对分布式应用典型场景进行模拟,通过解析MDL文件给出对顺序图XML的建模方案,实现一个自动生成分布式系统测试用例工具。实验结果表明,生成的测试用例达到判定覆盖的标准,具有良好的应用前景。     

数据驱动的AVS3像素域最小可觉差预测模型

AVS3作为中国第三代国家数字音视频编码技术标准,在消除视频时域/空域冗余信息方面发挥了重要的作用,但在消除感知冗余方面仍存在进一步优化的空间.本文提出一种数据驱动的AVS3像素域最小可觉差(Just noticeable distortion,JND)预测模型,在尽量保证视觉主观质量的前提下,对AVS3视频编码器进行...     

基于兴趣度的关联规则挖掘

关联规则挖掘是数据挖掘领域中的重要研究内容之一。然而,传统的基于支持度-可信度框架的挖掘方法可能会产生大量不相关、甚至是误导的关联规则。针对现有关联规则挖掘的评价标准存在的问题,提出在评价标准中增加兴趣度,并给出了兴趣度的定义和基于兴趣度的关联规则挖掘算法。利用兴趣度将关联规则分为正关联规则和负关联规则,从而可以用算法挖掘带有负项的关联规则。实验结果分析表明,在传统挖掘方法的基础上引入兴趣度,可以有效地减少正关联规则的规模,产生有意义的负关联规则。     

LF炉运行电抗模型及供电优化

分析了LF炉实际运行行为，根据宝钢150 t LF炉的现场试验结果；建立了描述LF炉运行电抗以及二次侧运行相电压的关系式；并在综合考虑LF炉热平衡的基础上提出了合理的供电制度。     

结合立体视觉舒适度的立体图像显著性检测

针对先前的立体图像显著性检测模型未充分考虑立体视觉舒适度和视差图分布特征对显著区域检测的影响,提出了一种结合立体视觉舒适度因子的显著性计算模型.该模型在彩色图像显著性提取中,首先利用SLIC算法对输入图像进行超像素分割,随后进行颜色相似区域合并后再进行二维图像显著性计算;在深度显著性计算中,首先对视差图进行预处理;然后基于区域对比度进行显著性计算;最后,结合立体视觉舒适度因子对二维显著图和深度显著图进行融合,得到立体图像显著图.在不同类型立体图像上的实验结果表明,该模型获得了85%的准确率和78%的召回率,优于现有常用的显著性检测模型,并与人眼立体视觉注意力机制保持良好的一致性.     

具有异维数子系统的切换系统稳定性分析

研究一类线性切换系统的稳定性问题.该类切换系统包含2个不同维数的线性子系统.首先根据原系统的结构,构造出它的比较切换系统;然后设计出比较系统的切换率,在保证每个线性子系统的被激活时间均大于某一数值τ(＞0)的情况下,构造出2个子系统的Lyapunov函数;随后利用线性矩阵不等式(LMI)的方法给出每个子系统渐近稳定的条件.进一步利用Lyapunov稳定性理论的方法,保证整个比较系统的渐进稳定性,进而给出了原切换系统达到渐近稳定的一个充分条件.最后,一个数值例子说明文中方法的有效性.     

点云算法在医学领域的研究进展

点云作为一种重要的3维数据,能够直观地模拟生物器官、组织等的3维结构,基于医学点云数据的分类、分割、配准、目标检测等任务可以辅助医生进行更为准确的诊断和治疗,在临床医学以及个性化医疗器械辅助设计与3D打印有着重要的应用价值。随着深度学习的发展,越来越多的点云算法逐步由传统算法扩展到深度学习算法中。本文对点云算法在医学领域的研究及其应用进行综述,旨在总结目前用于医学领域的点云方法,包括医学点云的特点、获取途径以及数据转换方法;医学点云分割中的传统算法和深度学习算法;以及医学点云的配准任务定义、意义,以及基于有/无特征的配准方法。总结了医学点云在临床应用中仍存在的限制和挑战：1）医学图像重建的人体器官点云分布稀疏且包含噪音、误差;2）医学点云数据集标注困难、制作成本高,可用于训练深度学习模型的公开数据集非常稀少;3）前沿的点云处理算法大都基于自然场景点云数据集训练,这些算法在医学点云处理中的鲁棒性和泛化能力还有待验证。随着医学点云数据集质量和数量的提升,医学点云处理算法的研究将会吸引更多的研究者。