四旋翼无人机的旋翼空气动力学建模与仿真

针对四旋翼无人机在不同飞行状态与不同姿态角状态下如何提升飞行稳定性的问题,提出了通过调整俯仰角来提升飞行稳定性的方法.首先建立了四旋翼无人机的机体坐标系与地面坐标系,运用动量理论、涡流理论及叶素理论,对四旋翼无人机的旋翼进行动力学分析,得到桨叶叶素所受到的空气动力及力矩,然后建立了各个旋翼空气动力学系数与飞行稳定性系数的数学模型,并使用MATLAB进行了仿真,得出各个旋翼空气动力学系数在不同飞行状态下的变化情况.最后进行了实际飞行检测,得出四旋翼无人机在飞行过程中,俯仰角保持在[-5°,5°]内,能有效提高飞行稳定性.     

标签扩展的协同过滤推荐算法

大多数利用标签与用户和项目之间关系的推荐算法,都要面临用户个体不同所导致的标签稀疏问题,不同的用户为项目所标注的标签会有所不同.针对由于用户标注标签的随意性而导致的用户标签和项目标签矩阵稀疏问题,提出了一种标签扩展的协同过滤推荐算法.该算法根据用户标注标签的行为计算基于标签的标签相似度,根据用户标注的标签语义计算基于标签语义的标签相似度,从用户行为和标签语义2个方面评估标签的相似度,并利用标签相似度来扩展每个项目标签,降低由项目与标签的关联关系产生的矩阵稀疏度.在M ovieLens数据集上的实验结果表明,所提算法在精度上有所提高.     

Image compression and encryption algorithm based on compressive sensing and nonlinear diffusion

Multimedia Tools and Applications - Compressive sensing is widely used to image compression and encryption algorithms due to its high efficiency, but the existing algorithms have some flaws and...     

智能变电站过程层网络异常流量检测

为了避免智能变电站过程层网络通信出现异常变动的现象,需要准确检测智能变电站过程层网络异常流量,为此提出新型的检测方法.设计了基于网络演算的变电站通信网络流量计算模型,将根节点全部设成信源,通过流量路由实现周围输入与输出端口的联系,获取智能变电站过程层网络中全部设备端口输入与输出流量.还应用优化支持向量模型进行异常流量检测,将网络异常流量与正常流量分类,实现智能变电站过程层网络异常流量检测.实验结表明:在检测,网络流量特征提取、异常流量检测效果均符合应用需求.     

基于时频域转换的变压器油纸绝缘介质响应检测研究

变压器的使用环境相对复杂,存在大量噪声和杂音,传统绝缘介质响应检测方法受复杂环境影响,导致不同老化程度的油纸检测结果都较为近似,因此基于时频域转换,研究全新的变压器油纸绝缘介质响应检测方法.以5个老化程度不同的油纸作为实验测试条件,与两种传统检测方法相比,其拟合优度分别高出传统方法近1倍和1.5倍.由此可见,该方法的检测结果符合实际,可以信赖.     

森林资源亚健康状态的卫星遥感预警技术研究

森林病虫害等扰动类型造成的亚健康林木监测预警工作不能及时到位,导致防治工作长期处于灾后救灾的被动局面。基于2019年5~9月份的多时相GF-1 WFV数据,应用比值植被指数和红绿植被指数,准实时地监测逆生长、叶冠胁迫或失色等“灾害”信息。结果表明：虽然树木叶片枯黄、萎蔫等叶绿素降解并逐渐转化成叶黄素和叶红素需要一定的过程,或“灾害症状”有时具有滞后性,但高频次遥感动态监测结果对于指导森林灾害地面踏查,提高监测覆盖率和科学性,防范大面积灾害,具有积极作用。国产GF-1和GF-6 WFV遥感数据的高重访周期能为月度森林资源生长过程的监测提供坚实的数据保障,满足公顷级树叶长势退化预警监测的需要。     

基于区域结构特征的城区LiDAR数据快速分类

机载激光雷达能够及时准确地获取大量具有精确三维位置信息的三维点云数据,在数字城市、森林防火、智能交通等领域有着广泛的应用。城市中心区域的三维点云数据往往会因为高大树木或植被的遮挡,造成建筑物等人造目标识别特别困难。本文通过直接的二次多项式拟合方式提取高大树木等植被与建筑物目标典型局部区域的区域信息,构建区域目标敏感的结构特征,进而,通过模糊逻辑即可完成三维点云数据的建筑物目标敏感的分类任务。实验结果表明,该方法能够快速有效地实现较大尺度范围内LiDAR点云数据的分类,具有较好的应用前景和推广能力。     

基于改进蚁群算法的高速公路协同救援路径规划

针对高速公路多点协同救援路径规划问题,文章综合考虑路段行驶时间和路径安全性两个优化目标,设计路径评价函数.根据高速公路救援的特点,引入"助手结点"的概念来设置信息素初始浓度;引入搜索角、结点直线距离和安全因素设计了启发函数;使用随机选择机制来优化状态转移规则;最后引入奖励机制设计了信息素更新规则,通过这四个方面改进了蚁群算法.在此基础上,建立多点协同救援模型,采用表上作业法确定救援车辆派遣方案.仿真实验结果表明,改进的蚁群算法和原始的蚁群算法相比,不但收敛速度更快,而且优化了全局最优解.改进的蚁群算法与表上作业法的结合,实现了多救援点协同救援的路径规划功能.     

自适应多模态特征融合胶质瘤分级网络

目的 胶质瘤的准确分级是辅助制定个性化治疗方案的主要手段,但现有研究大多数集中在基于肿瘤区域的分级预测上,需要事先勾画感兴趣区域,无法满足临床智能辅助诊断的实时性需求。因此,本文提出一种自适应多模态特征融合网络（adaptive multi-modal fusion net,AMMFNet）,在不需要勾画肿瘤区域的情况下,实现原始采集图像到胶质瘤级别的端到端准确预测。方法 AMMFNet方法采用4个同构异义网络分支提取不同模态的多尺度图像特征;利用自适应多模态特征融合模块和降维模块进行特征融合;结合交叉熵分类损失和特征嵌入损失提高胶质瘤的分类精度。为了验证模型性能,本文采用MICCAI （Medical Image Computing and Computer Assisted Intervention Society）2018公开数据集进行训练和测试,与前沿深度学习模型和最新的胶质瘤分类模型进行对比,并采用精度以及受试者曲线下面积（area under curve,AUC）等指标进行定量分析。结果 在无需勾画肿瘤区域的情况下,本文模型预测胶质瘤分级的AUC为0.965;在使用肿瘤区域时,其AUC高达0.997,精度为0.982,比目前最好的胶质瘤分类模型——多任务卷积神经网络同比提高1.2%。结论 本文提出的自适应多模态特征融合网络,通过结合多模态、多语义级别特征,可以在未勾画肿瘤区域的前提下,准确地实现胶质瘤分级预测。     

基于图像处理技术的烟雾检测在家庭火灾防范中应用

针对家庭火灾防范中缺少更有效、快速的实时烟雾检测问题,本文设计了一种基于图像处理技术的烟雾检测算法,能够对家庭住宅内部进行实时烟雾检测,从而实现火灾防范。本算法主要使用单阶段的端到端YOLO v3算法,对输入的烟雾数据进行学习,提取网络中不同卷积层的特征图进行联合训练。实验结果表明,和双阶段网络的烟雾图像检测方法相比,该方法检测速度快,实时效果好,同时也取得了较高的检测准确率,具有较高的实际应用价值。