基于网络学习空间的信息技术教学实践

阐述基础信息技术课程教学特点,信息技术教学中网络学习空间教学模式和教学策略,利用网络学习空间分别进行自主探究式的问题教学和协作共创的创作教学。     

基于自注意力对抗的深度子空间聚类

子空间聚类(Subspace clustering)是一种当前较为流行的基于谱聚类的高维数据聚类框架.近年来,由于深度神经网络能够有效地挖掘出数据深层特征,其研究倍受各国学者的关注.深度子空间聚类旨在通过深度网络学习原始数据的低维特征表示,计算出数据集的相似度矩阵,然后利用谱聚类获得数据的最终聚类结果.然而,现实数据存在维度过高、数据结构复杂等问题,如何获得更鲁棒的数据表示,改善聚类性能,仍是一个挑战.因此,本文提出基于自注意力对抗的深度子空间聚类算法(SAADSC).利用自注意力对抗网络在自动编码器的特征学习中施加一个先验分布约束,引导所学习的特征表示更具有鲁棒性,从而提高聚类精度.通过在多个数据集上的实验,结果表明本文算法在精确率(ACC)、标准互信息(NMI)等指标上都优于目前最好的方法.     

面向复杂大气扰动的GB-InSAR相位误差补偿方法

大气扰动是地基干涉合成孔径雷达（GB-InSAR,Ground-Based Interferometric Synthetic Aperture Radar）测量的主要误差源之一。在复杂大气条件下,常规的大气相位补偿方法不再适用,本文提出了一种基于PS（Permanent Scatterer,永久散射体）技术的改进方法。该方法首先通过Delaunay三角网建立临近PS对,分析各临近PS对的差分相位序列标准差,实现PS集合中的噪声点或部分形变点的滤除;然后根据气象数据估计出参考大气相位序列,通过计算剩余PS的干涉相位序列与参考大气相位序列的MIC（Maximal Information Coefficient,最大互信息系数）,结合空间维相干系数,采用双阈值实现稳定 PS的选择;最后采用Kriging插值拟合方法,实现复杂大气条件下的大气相位估计。采用本文所提方法,对九道拐区域实测数据进行了处理,相比于常规方法,有效降低了大气相位补偿误差,保证了GB-InSAR的形变测量精度。      

基于子空间投影的复杂水下环境运动小目标检测前跟踪方法

针对复杂水下环境运动小目标检测中存在的目标信号强度弱、信杂比低等问题,该文提出基于子空间投影的检测前跟踪(TBD)算法:对原始图像数据截取序列片段,将3维时空片段中的短时运动航迹投影到2维子空间平面;利用2维投影图中平面航迹的形态特征进行初步筛选,提取目标的有效运动区域;将2维平面中的目标短时航迹在局部区域重建3维时序,在3维航迹回溯过程中利用目标运动特征再次筛选目标短时航迹.通过上述分级检测机制,可实现快速高精度的目标短时航迹检测.结合前景检测以及基于层次凝聚聚类(HAC)的长时航迹检测算法,构建了针对运动小目标的完整检测前跟踪方法.最后使用实测声呐图像数据验证了算法的检测精度和检测速度.     

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像。该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。     

基于粒子群算法的LCLC谐振变换器优化设计

LCLC谐振变换器广泛应用在空间行波管放大器(TWTA)中,起到升压的作用.在LCLC谐振变换器中,具有多个谐振参数,即变压器漏感、串联谐振电容、励磁电感以及并联谐振电容.多个谐振参数增加了LCLC谐振变换器总损耗优化的难度.该文提出一种基于粒子群优化算法的LCLC谐振变换器优化设计方法,解决LCLC谐振变换器由于多个谐振参数造成的总损耗优化困难的问题.首先,推导了LCLC谐振变换器的总损耗公式;其次,采用粒子群优化算法,对LCLC谐振变换器的总损耗进行了优化,得到了总损耗最小时的谐振变换器参数;最后,基于优化的LCLC谐振变换器参数,搭建了LCLC谐振变换器,并进行了一系列实验.实验结果证明了该优化设计方法的有效性.     

分离式长电偶极子稀疏阵列的相干信号多维参数联合估计

由长电偶极子或大磁环组成的大尺寸电磁矢量传感器(ElectroMagnetic Vector Sensor,EMVS)比小尺寸EMVS辐射效率更高,研究其参数估计算法有助于推动EMVS的实装化应用.该文针对分离式长电偶极子稀疏阵列相干目标参数估计问题,提出高精度无模糊的多维参数闭式解算法.首先利用空域旋转不变性和单个矢量传感器内部属性得到方向余弦的高精度周期性模糊估计值,然后借助单个矢量传感器导向矢量推导出2维波达方向粗估计值,最后通过解模糊得到高精度无模糊的多维参数估计值.该方法规避了传统极化平滑算法的极化信息损失和迭代搜索过程,且能实现参数自动配对.计算机仿真结果表明了所提算法在分离式长电偶极子线阵中解相干的有效性.     

基于对抗深度学习的无人机航拍违建场地识别

对违建场地的检测方法主要是通过人工对无人机航拍视频进行检查,存在检测精度低、识别性能差、工作效率低的问题。提出一种结合空间变换网络与Fast RCNN的生成对抗网络ASTN-Fast RCNN,通过深度学习与无人机航拍视频相结合自动识别检测处在建设初期的违建场地。将空间变换网络作为生成器,生成Fast RCNN目标检测器难以识别的旋转形变样本,并通过目标检测器与生成器的对抗式训练,提高检测器的鲁棒性。实验结果表明,该方法能够有效提高对无人机航拍违建场地的识别性能。     

低功耗异构计算架构的高光谱遥感图像分类研究

高光谱图像分类算法通常需要逐点对图像中的像素点进行迭代处理,计算复杂度及并行程度存在较大差异。随着高光谱遥感图像空间、光谱和辐射分辨率的不断提升,这些算法无法满足实时处理海量遥感图像数据的需求。通过分析NPU存储计算一体化模式与遥感图像分类算法的实现步骤,设计低功耗CPU+NPU异构资源计算架构的低秩稀疏子空间聚类（LRSSC）算法,将数据密集型计算转移至NPU,并利用NPU数据驱动并行计算和内置AI加速,对基于机器学习算法的海量遥感数据进行实时分类。受到big.LITTLE计算范式的启发,CPU+NPU异构资源计算架构由8 bit和低精度位宽NPU共同组成以提高整体吞吐量,同时减少图网络推理过程中的能量损耗。实验结果表明,与CPU计算架构和CPU+GPU异构计算架构的LRSSC算法相比,CPU+NPU异构计算架构的LRSSC算法在Pavia University遥感数据集下的计算速度提升了3~14倍。     

柴达木盐湖产业生态文明建设战略研究

盐湖产业事关我国粮食安全,也是新能源和新材料产业的重要支撑。柴达木盆地是中国盐湖产业的核心,建设其产业生态文明重要而迫切。为推进柴达木盐湖产业生态文明建设,做强中国盐湖产业,本文从柴达木盐湖产业生态文明建设的现状出发,辨识产业生态文明建设面临的严峻挑战,提出了盐湖产业生态文明建设的四大战略。