基于图像邻域特性的高斯噪声去噪

针对传统高斯噪声去噪算法残余噪声较大的不足,根据噪声对图像视觉的影响,提出了基于像素邻域相关性的去噪算法.首先运用邻域像素的连续性判断像素点是否位于平滑区内;其次对非平滑区根据边缘和纹理的局部连续性运用形态学提取图像边缘和纹理进而定位噪声点;最后对平滑区内的噪声运用自适应邻域进行去噪处理,对非平滑区的噪声仅利用非平滑区的邻域进行平滑,实现了对高斯噪声先定位再去噪.经实验结果验证:与传统方法相比,该算法较好地抑制了图像平滑区内噪声,提高了去噪后图像的视觉效果.     

β衰变中共振跃迁高斯分布谱的研究

针对弱相互作用β衰变在恒星演化晚期的重要作用,讨论了晚期恒星状态下β衰变反应中Gamow-Teller(GT)共振跃迁强度的高斯分布,基于核的壳层模型着重计算了高斯分布函数的半宽度,分别给出了核56Fe,56Co,61Ni等元素的GT跃迁宽度,结果与部分核素实验的GT跃迁强度分布谱相近.采用高斯强度分布计算β衰变率较为简单,这对于β衰变率的计算和进一步精确研究恒星晚期演化有一定的意义.     

基于开关电流的Morlet小波变换研究

开关电流技术是一种新型的电流模式的模拟取样数据信号处理技术,对于实现小波变换具有很大的优势.Morlet小波在时域和频域都具有较好的局部性,能够提取信号中的幅值和相位信息.用开关电流技术实现Morlet小波变换的关键是高斯函数发生器.用Padé遥近获得高斯函数的有理分式逼近后,可以用开关电流一阶节和二阶节来实现高斯函数...     

The Young's moduli prediction of random distributed short-fiber-reinforced polypropylene foams using finite element method

The elastic moduli of short-fiber-reinforced foams depend critically on the fiber content and fiber length, as well as on the fiber orientation distribution. Based on periodic tetrakaidecahedrons, the finite element models with short-fiber reinforcement were proposed in this paper to examine the effects of the fiber content and fiber length on Young's modulus. The fiber length distribution and fiber orientation distribution were also considered. The proposed models featured in a three-dimensional diorama with random short-fiber distribution within or on the surfaces of the walls and edges of the closed-cells of polypropylene (PP) foams. The fiber length/orientation distributions were modeled by Gaussian prob-ability density functions. Different fiber volume fractions, different lengths, and different distributions were investigated. The predicted Young's moduli of the PP foams with short-glass-fiber or short-carbon-fiber reinforcement were compared with other theoretic and experimental results, and the agreement was found to be satisfactory. The proposed finite element models were proved to be acceptable to predict the Young's moduli of the grafted closed-cell PP foams with short-fiber reinforcement.     

基于信息熵度量的高斯尺度空间角点检测算法

图像的多尺度表示是指从原始图像出发,导出一系列越来越平滑、简化的图像,这种简化意味着图像信息的丢失。图像角点是图像的一个重要的局部特征,本文结合尺度空间理论,实现了多尺度下Harris角点检测,并利用信息熵计算每一尺度下图像的信息量,信息熵是衡量不同尺度下图像信息的可靠方法。通过实验对提取出的特征点进行攻击,证明了这些点具有很好的鲁棒性,与单尺度Harris角点检测相比,该特征点具有更高的重复率,即尺度不变性。     

互信息在图像检索中的应用

介绍了一种用互信息来衡量相似性图像检索方法.该方法首先生成一种在统计上有代表性的视觉模式,使用这种模式的分布作为图像内容的描述符;基于该内容描述,设计了其互信息的计算方法以衡量图像的相似性.实验结果表明,在图像检索中,相对于其它如KL散度和L2规范等方法,互信息是一种更为有效的衡量相似性的方法.     

视频监控中特定区域入侵检测算法设计与实现

在视频监控中,需要对特定区域进行实时监控。为了克服传统的视频监控系统存在的数据量大、响应时间长和人类自身固有的弱点等缺陷导致的监控效率低下等问题,文中实现了一种智能区域入侵的检测算法。该算法是基于一种三层高斯背景建模的方法,在提取前景图像后,对前景图像进行阴影检测、全局灰度检测、目标完整性检测,同时在提取更加精确的前景目标后,分析运动目标轮廓,对目标的轮廓信息进行统计,计算出特定区域中入侵的人数。最后通过一段实际的监控视频验证了文中提出算法的有效性。     

Gaussian sampling of lattices for cryptographic applications

Gaussian sampling is the major class of algorithms for solving the close vector problem(CVP)of lattices.In this paper we present a novel Gaussian sampling algorithm,which has the same cryptographic applications with original Gaussian sampling algorithms.Our novel Gaussian sampling algorithm has smaller deviations,meaning smaller space sizes of lattice based public-key ciphers.The shape of our novel algorithm is almost repeated implementations of original algorithm,with random repeating times.Major result is that the deviation can be reduced to 0.64～0.75 of that of original Gaussian sampling algorithm without clearly increasing the average time cost.     

结合Transformer的轻量化中文语音识别

近年来,深度神经网络模型在语音识别领域成为热门研究对象。然而,深层神经网络的构建依赖庞大的参数和计算开销,过大的模型体积也增加了其在边缘设备上部署的难度。针对上述问题,提出了基于Transformer的轻量化语音识别模型。首先使用深度可分离卷积获得音频特征信息;其次构建了双半步剩余权重前馈神经网络,即Macaron-Net结构,并引入低秩矩阵分解,实现了模型压缩;最后使用稀疏注意力机制,提升了模型的训练速度和解码速度。为了验证模型,在Aishell-1和aidatatang_200zh数据集上进行了测试。实验结果显示,所提模型与Open-Transformer相比,所提模型在字错误率上相对下降了19.8%,在实时率上相对下降了32.1%。     

面向交通流量预测的多头注意力时空卷积图网络模型

为了充分获取交通流量数据中隐藏的复杂动态时空相关性,提高交通流量预测精度,提出一种多头注意力时空卷积图网络模型MASCGN。首先,采用多头注意力机制为路网中的交通传感器节点自动分配注意力权重,实现对不同邻居节点的权值自适应匹配,充分获取空间相关性;其次,采用带有门控和注意力机制的时空卷积网络充分提取时间序列相关性,并使用残差块结构实现时空卷积层之间的连接,使得模型更具有泛化能力;最后,分别提取周相关、日相关、邻近时间的序列数据,输入三个并行的时空组件以挖掘周、日、邻近三个时间窗口间的时间周期相关性,并通过全连接层获取最终的交通流量预测结果。利用高速公路交通数据集PEMSO4、PEMSO8进行了15 min、30 min、45 min和60 min的交通流量预测实验。实验结果表明MASCGN模型与现有基线模型相比,在未来短期和长期的交通流量预测任务上都具有更优的建模能力。