古尔班通古特沙漠梭梭林地NDVI的时间效应-基于物候变化和MODIS图像的研究

遥感图像信息提取研究是遥感研究中的一个关键问题,也是遥感研究的热点和难点之一。使用2000~2010年MODIS-NDVI 16 d合成数据和物候记录,借助GIS空间分析和统计分析方法,重构了古尔班通古特沙漠梭梭林地Mean NDVI时间序列特征曲线。分析物候与Mean NDVI时间序列表明,梭梭林地内的短命植物生长期早于梭梭。研究梭梭林地Mean NDVI时间序列曲线发现,曲线中存在一个明显区别于其他地物的特征点,该点可以作为梭梭林地信息“诊断点”。根据“诊断点”特征构建了梭梭林地特征指数模型(HFFI),进而反演了古尔班通古特沙漠梭梭林地信息,并利用地面实际观测资料进行验证,结果表明分类精度达到83%。     

锡膏激光扫描三维测量系统光强自适应调节技术

根据锡膏激光扫描三维测量系统在测量PCB电路板时底板和锡膏对激光光强的散射效果不同,设计并研制了一套光强自适应调节光源。该光源以程控电源为基础,分析光条中心提取效果与激光光强的关系,应用小波分解与频带能量比相结合的光强自适应调节算法实现测量系统光强自适应调节功能。进行了相关实验,实验结果表明该光源能够很好地实现锡膏激光扫描三维测量系统的激光光强自适应调节,并能选出最适合测量的激光光强,具有很好的适用性。     

智能视频监控中运动目标检测的研究

针对某武器试验中背景复杂,现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,以及对近地目标提取检测困难的问题,提出一种改进的背景差分法。该算法采用结合邻域信息的背景差分法和最大方差阈值法,能够在一定程度上减小背景滞后更新引起的运动目标检测误差,且使目标边缘提取更加明确,从而提高了系统的运行速度,实现复杂背景下的运动目标检测。在Visual C＋＋6.0中用OpenCV实现了相关算法的设计,并给出了完成系统任务所需的部分关键代码,实现了运动目标和试验场景的分离与提取。仿真实验验证了该算法的有效性以及实时性。     

PTN网络的二次断纤链路规划算法

在PTN（PacketTransportNetwork）网络规划建设中,需要对光纤链路留出备份带宽,以保证部分光纤断开时,受影响业务有足够的容量进行路由重组。这也是提高网络生存性的有效方法之一。文中首先遍历网络双链路的失效状态,然后断开网络中任意两条链路,通过逐次增加链路容量来保证失效业务能够重组路由;最后提出二次断纤链路容量规划算法并进行试验仿真。结果表明,该算法在节约网络带宽、降低建造成本以及故障容错方面有着良好性能,能够很好应用于传送网络的链路规划中。     

基于非竞争机制的改进GAF拓扑控制算法

能量问题是制约无线传感器网络发展和应用的瓶颈之一。为均衡网络节点的能量消耗,延长网络的生命周期,需要建立高效的拓扑控制机制。在深入研究GAF算法的基础上,提出了一种基于非竞争机制的改进算法。利用建立的适合度函数和顺序表优化了簇头的选举策略;通过改进虚拟单元格的划分方法,并推导出动态剩余能量阈值估算公式,有效地改善了GAF算法的相关性能。仿真结果表明,改进算法对于减少拓扑控制耗费、延长网络生命周期具有显著效果。     

基于SmartFoxServer 2X平台的移动应用程序开发

随着移动设备的发展,移动应用程序也变得丰富多彩。本文主要介绍如何在SmartFoxServer平台上开发移动互联网应用,并且实现实时与SmartFoxServer 2X服务器进行交互,更新和持久化玩家相关信息。简要介绍SmartFoxServer的Java扩展以及Android应用程序的构成,通过一个网络游戏系统的开发过程,详细说明其开发原理和开发流程。最后结合游戏应用程序的开发实现,进一步说明Android在SmartFoxServer 2X平台上的应用前景和巨大应用潜力。     

基于中值滤波和梯度锐化的边缘检测

实现一种基于中值滤波和梯度锐化的边缘检测方法。首先采用既能过滤噪声又能保护边缘信息的中值滤波对图像进行平滑处理。然后采用梯度锐化加强边缘像素强度,通过简单的二值化获得图像的初始边缘,系统采用连通区域标记的方法去除位于图像封闭边界内的残留黑块。最后通过实验结果与人工提取的结果比较,进行误差分析,找出本文算法的不足之处,以便对该算法进行改进。实践证明,本文的边缘检测方法对含有噪声点且灰度分布比较均匀的图像有很好的效果。     

基于XML的新闻管理系统设计

简要分析基于XML的新闻管理系统的架构及主要功能模块设计,构建Web Service实现新闻发布旨在实现信息资源共享,并通过案例加以说明。     

Simple Question Answering over Knowledge Graph Enhanced by Question Pattern Classification

Knowledge and Information Systems - Question answering over knowledge graph (KGQA), which automatically answers natural language questions by querying the facts in knowledge graph (KG), has drawn...     

A two-stage adaptive multi-fidelity surrogate model-assisted multi-objective genetic algorithm for computationally expensive problems

Surrogate model-assisted multi-objective genetic algorithms (MOGA) show great potential in solving engineering design problems since they can save computational cost by reducing the calls of expensive simulations. In this paper, a two-stage adaptive multi-fidelity surrogate (MFS) model-assisted MOGA (AMFS-MOGA) is developed to further relieve their computational burden. In the warm-up stage, a preliminary Pareto frontier is obtained relying only on the data from the low-fidelity (LF) model. In the second stage, an initial MFS model is constructed based on the data from both LF and high-fidelity (HF) models at the samples, which are selected from the preliminary Pareto set according to the crowding distance in the objective space. Then the fitness values of individuals are evaluated using the MFS model, which is adaptively updated according to two developed strategies, an individual-based updating strategy and a generation-based updating strategy. The former considers the prediction uncertainty from the MFS model, while the latter takes the discrete degree of the population into consideration. The effectiveness and merits of the proposed AMFS-MOGA approach are illustrated using three benchmark tests and the design optimization of a stiffened cylindrical shell. The comparisons between the proposed AMFS-MOGA approach and some existing approaches considering the quality of the obtained Pareto frontiers and computational efficiency are made. The results show that the proposed AMFS-MOGA method can obtain Pareto frontiers comparable to that obtained by the MOGA with HF model, while significantly reducing the number of evaluations of the expensive HF model.