一种视频数据代表选择框架方法

为有效处理视频数据问题,提出一种识别海量数据集中代表子集的方法,即代表选择方法,经选择后的小容量的数据代表完全可以代表原始大数据集的结构特征。对于给定的大数据集,首先生成相应₁-norm非负稀疏图,然后利用一种谱聚类算法基于所生成的稀疏图将大数据反复划分直至形成聚类簇。代表选择过程中,将每个聚类看作Grassmann流形中的一个点,然后基于测地距衡量这些点间的距离,接着利用min-max算法分析距离以提取出较优的聚类子集。最后,通过分析被选集类的一个稀疏子图,利用主成分集中性方法探测出数据代表,称此过程为基于非负稀疏图与Grassmann流形测地距的代表选择框架。为验证所提出的框架,将之应用于视频分析中,从一长段的视频流中识别出少数的几个关键帧,实验效果通过人工判断与标准评价方法进行评价,并与现有的几种方法的效果进行比对,结果证明所提出的代表选择框架方法具有更好的效果与可行性。     

有界闭域上的线性赋值循环终止性分析

对有界闭域上的线性赋值循环程序终止性问题进行研究.利用Jordan 标准型技术将原循环程序的终止性问题约减为终止性等价的具有简单结构的循环程序的终止性问题.证明了当线性迭代映射满足一定条件时,该类循环程序不可终止的充分必要条件是：迭代映射在有界闭域上有不动点或周期轨.     

基于深度强化学习的电力物资配送多目标路径优化

针对现有电力物资车辆路径问题（EVRP）优化时考虑目标函数较为单一、约束不够全面,并且传统求解算法效率不高的问题,提出一种基于深度强化学习（DRL）的电力物资配送多目标路径优化模型和求解算法。首先,充分考虑了电力物资配送区域的加油站分布情况、物资运输车辆的油耗等约束,建立了以电力物资配送路径总长度最短、成本最低、物资需求点满意度最高为目标的多目标电力物资配送模型;其次,设计了一种基于DRL的电力物资配送路径优化算法DRL-EVRP求解所提模型。DRL-EVRP使用改进的指针网络（Ptr-Net）和Q-学习（Q-learning）算法结合的深度Q-网络（DQN）来将累积增量路径长度的负值与满意度之和作为奖励函数。所提算法在进行训练学习后,可直接用于电力物资配送路径规划。仿真实验结果表明,DRL-EVRP求解得到的电力物资配送路径总长度相较于扩展C-W(ECW)节约算法、模拟退火（SA）算法更短,且运算时间在可接受范围内,因此所提算法能更加高效、快速地进行电力物资配送路径优化。     

浅谈汽车电脑工作原理和维修

在汽车系统中,具有核心作用的就是汽车电脑,其工作情况以及技术性能能够对汽车运行排放和动力产生直接的影响.了解汽车电脑的工作原理,及时维修出现故障的汽车电脑,不但能够使其工作性能得到回复,并且能够使维修费用得以降低,本文通过汽车电脑的工作过程及特点对其工作原理进行了分析,而后对其维修方法进行了说明.     

智慧灯杆物联网大数据系统平台应用示范

智慧灯杆物联网大数据系统平台以智慧灯杆为载体,集成了智能照明控制系统、音视频监控设备、5G基站、一键呼叫救助报警等各种智能设备,是智慧城市建设的基础.系统融合了立体感知时空数据资源的信息服务,在智慧灯杆物联网综合管理服务平台,融合设备属性、地理位置、运行状态等各种立体感知的时空数据,形成智能调度、控制、管理策略,为用户...     

是非环境权

早期的环境权理论研究以人与自然和谐共生为基准理念,致力于人与自然的法律主体地位的理论储备,进而在环境权理论中融入集环境的权利与人对环境所享有的权利为一体的权利构成.环境权理论从一开始就带有浓厚的革命色彩,即从传统法理学的体系及范畴中提出自然权利的法律化以及环境道德法定化,进而在环境权的权利主体、权利内容以及权利属性等方面呈现出较强的反逆特性,在理论界呈现出较强的是非之态.改变环境权理论研究的混沌之态,必须加强环境权理论的实践认知.环境权理论的确立和发展不在于对传统法理学的变革或颠覆,也不在于对传统权利理论的修正,它的确立应当与传统物权和环境公力救济请求权共同形成生态环境保护的权利体系,形成环境权与传统权利的良性互动,实现整体环境和资源范围内法律权利的有效均衡,最终走向人与自然的和谐共生.     

渝东南地区铅锌矿特征分析及矿产勘探

伴随着近年来国土资源大调查工作的展开,在渝东南周边地区陆续发现了一系列的层控碳酸盐岩型铅锌矿床。这些新的发现对在扬子陆块周边及其隆起边缘的碳酸盐岩地层中的铅锌矿勘探、研究有着重要的现实意义和理论意义。     

地下管线探测各阶段应重视的要点

主要分析了在地下管线探测各阶段应重视的要点以及相应的处理等问题。     

5种稻田突眼隐翅虫触角感器的超微结构研究

本文利用扫描电镜对小黑突眼隐翅虫Stenus melanarius、瘦突眼隐翅虫S.tenuipes、黑胫足突眼隐翅虫S.macies、虎突眼隐翅虫S.cicindeloides和阑氏突眼隐翅虫S.lewisius等5种稻田突眼隐翅虫雌、雄成虫的触角感器进行了观察和比较研究.结果表明,5种突眼隐翅虫的触角感器类型基本相同,均有5种感器,其中毛形感器和锥形感器又分为3个亚型:即B?hm氏鬃毛、毛形感器(毛形感器1、毛形感器2、毛形感器3)、刺形感器、锥形感器(锥形感器1、锥形感器2、锥形感器3)和栓锥形感器,同种感器形态相似;各种感器在触角上的分布相对稳定,具有一定规律;感器的分布、数量在种间及雌、雄两性间无显著差异.因此,触角感器可能不宜作为突眼隐翅虫种类鉴定的依据之一.     

基于点云极化表征与孪生网络的智能车定位

基于3维激光雷达 (LiDAR) 的智能车定位在地图存储空间与匹配效率、准确率等方面仍存在诸多问题。该文提出一种轻量级点云极化地图构建方法：采用多通道图像模型对3维点云进行编码生成点云极化图,利用孪生网络结构提取并训练点云极化指纹,结合轨迹位姿信息构建点云极化地图。还提出一种基于点云极化地图匹配的智能车定位方法：采用孪生网络对查询指纹与地图指纹进行相似度建模实现快速的地图粗匹配,采用基于2阶隐马尔可夫模型 (HMM2) 的地图序列精确匹配方法获取最近的地图节点,通过点云配准计算车辆位姿。使用实地数据集和公开的KITTI数据集进行测试。实验结果表明,地图匹配准确率高于96%,定位平均误差约为30 cm,并对不同类型的LiDAR传感器与不同的场景具有较好的鲁棒性。