简化型PCNN 的混合噪声图像滤波算法研究

针对脉冲噪声和高斯噪声构成混合噪声的特点,提出了一种基于简化型脉冲耦合神经网络( Pulse Coupled Neural Network,PCNN) 滤波算法,利用了简化模型的几个技术特性,适当的选取参数,并在算法中结合了形态学方法、中值滤波和维纳滤波,该算法相对于均值滤波和中值滤波算法来说具有更好的抑制混合噪声干扰的能力,能较好地保持图像的边缘和细节信息。通过大量实验证实,应用简化型PCNN 滤波算法对滤除灰度图像所受混合噪声的效果较好。在与其他算法的比较中,该算法优于传统的滤波算法,不但能有效地滤除混合噪声,并且计算量适中,具有较好的实时性,同时随着图像受混合噪声污染程度的增大,优势更加明 显。     

PP/PA6复合材料增容改性研究进展

聚丙烯和尼龙6(PP/PA6)共混物是热力学不相容体系,其研究和开发的关键是增容技术和机理。本文综述了近年来PP/PA6复合材料增容改性的研究进展,重点介绍了PP的官能化,马来酸酐型、羧基,羟基型、甲基丙烯酸缩水甘油酯型等增容剂以及多单体熔融接枝物在PP/PA6复合材料增容改性中的应用,并对PP/PA6增容改性发展趋势作了展望。     

高产酯化酶细菌的复合诱变选育及固态发酵条件优化

为了获得高产酯化酶的细菌,该研究以先期分离获得的贝莱斯芽胞杆菌(Bacillus velezensis)Nz 1.201为出发菌株,利用紫外线(ultraviolet,UV)及硫酸二乙酯(diethyl sulfate,DES)复合诱变技术进行诱变育种.采用透明圈法初筛、酯化酶酶活力测定法复筛,选育出高产突变菌株D27...     

地面移动机器人远程监控系统研究

为实现在人在各种各样的环境中进行环境勘探以及取代人在艰难的环境和情况下完成繁重艰巨和危险的任务,本文将地面移动机器人与4G网络与GPRS网络相结合,建立了地面移动机器人与计算机之间的网络通信。其次,对监控系统进行了模块划分和设计。主要分为三大模块：控制命令发送模块、实时定位模块、视频监控及传输模块。通过该平台,实现了无线传输数据的功能,并远程监控了移动机器人的环境状态和实时对地面移动机器人做出控制。因此,操作员和地面移动机器人可以在复杂的环境下排队运行,完成繁重的任务。     

雨课堂与多层翻转课堂在《电力拖动直流控制系统》课程教学中的应用

雨课堂是目前高校中应用最广泛的教学工具.翻转课堂作为有效的教学手段是近几年高校教学改革的热点.根据高校课程理论与实践相结合的特点,提出并介绍了多层翻转课堂的教学方法,并将其与雨课堂结合应用于电力拖动直流控制系统课程中.     

基于用户体验的角色互换设计思考

目的探讨基于用户体验的产品设计过程中角色互换的可行性。方法通过用户体验设计和换位思考重要性意义的研究,重新对产品设计过程进行整合和分析,将角色互换引用到设计过程中,以使得设计师可以得出更优的产品,提升产品品质,同时让用户感受到更好的体验。结论用户体验是判断产品最终归属的重要因素,在产品设计开发的过程中角色互换推动着结果的优化,将角色互换这一过程融入设计过程中,作为一种新的设计思维,最终用户体验才能充分发挥其作用。     

基于加权支持向量机的移动建模方法及其在软测量中的应用

工业过程软测量技术的核心问题是建立软测量模型,然而,利用传统全局建模方法与多模型建模方法进行复杂工业过程软测量建模时,在不同程度上存在一些问题.本文利用支持向量机(SVMs)泛化能力强的特点,结合局部加权学习(LWL)算法思想,提出一种适于局部学习的加权支持向量机(W_SVMs)学习算法和基于这种算法的移动建模方法.利用这种建模方法对Box-Jenkins煤气炉和重油催化裂化(FCCU)装置进行分析建模,并与其它不同建模方法进行比较,显示了该方法的优点和有效性.     

基于F-SVMs的多模型建模方法

针对全局模型难以精确描述复杂工业过程的问题,提出一种基于模糊支持向量机(F-SVMs)的多模型(F-SVMs MM)建模方法。用模糊支持向量分类算法(F-SVC)对输入数据进行预处理,得到多模型模糊隶属度;用模糊支持回归算法(F-SVR)建立多模型(MM)估计器。应用该方法对pH中和滴定过程进行建模,仿真结果表明,F-SVMs MM跟踪性能好、泛化能力强,比USOCPN方法和标准支持向量机(SVMs)方法具有更好的性能和推广能力。     

人脸对齐算法研究

针对因存在倾斜的人脸而导致的人脸属性识别和人脸物体识别不精准的问题,提出了一种比普通人脸对齐算法更快速的方法.算法根据识别人脸5个关键点,定位出倾斜的人脸,从而识别出倾斜的人脸并进行对齐,经过一系列比对和大量实验对比结果,最终基于python语言应用DLIB框架实现了人脸对齐算法,相比较其他开源算法,该算法简洁方便,比...     

分数阶系统的自适应PID控制器参数优化

随着分数阶微积分理论的深入研究,越来越多的复杂系统应用分数阶模型表征更加准确,然而将经典控制器方法应用于分数阶系统时,会出现收敛速度慢和超调量大等问题。针对分数阶系统研究分数阶控制器的参数优化问题。以绝对误差积分模型(ITAE)作为性能指标,引入遗传优化算法实现对分数阶PIλDμ控制器的参数优化,该改进算法通过自适应选择交叉概率和变异概率来优化分数阶PIλDμ控制器的多个参数的选择。仿真结果说明,分数阶PIλDμ控制器能够很好地解决分数阶系统应用经典控制器出现的问题,提高了系统的收敛速度,大大改善了系统的控制性能。