贵州水文巡测信息化的发展现状与建议——以黔南自治州为例

水文巡测是推进水文工作现代化的必由之路,在分析贵州水文巡测信息化发展现状及存在问题的基础上,提出对策及建议,包括：构建基于大数据技术的水文巡测智能管控系统、加强水情数字化基础建设及管理、推进多源水文信息共享融合、提高洪水预测预报智能化水平和提升水文信息服务社会能力,以期为促进水文巡测信息化发展提供参考。     

一种无线电引信杆试验升降装置

针对目前广泛使用的无线电引信杆试验升降装置的不足，提供一种先进、简单、实用的升降装置，此装置主要由一体化减速、制动电机和控制电路组成，具有体积小、可靠性高、成本低廉等优点，是解决无线电引信杆试验测试弹升降问题的较好方案。     

无线电引信电池性能红外非接触测量方法研究

论述了引信电池性能对无线电引信的影响，分析了引信电池测量技术现状，提出了一种引信电池性能(电压、噪声等)非接触测量方法，该方法采用红外光介质从电磁场中传递信号，克服了传统测量方法易受电磁场干扰，精度低等问题，大大提高了引信电池性能参数非接触测量的准确度。已获国家专利，专利号：00114815．X。     

基于注意力机制的图像超分辨率重建

目前,单幅图像超分辨率重建取得了很好的效果,然而大多数模型都是通过增加网络层数来达到好的效果,并没有去发掘各通道之间的相关性.针对上述问题,提出了一种基于通道注意力机制(CA)和深度可分离卷积(DSC)的图像超分辨率重建方法.整个模型采用多路径模式的全局和局部残差学习,首先利用浅层特征提取块来提取输入图像的特征;然后,...     

基于注意力机制的病毒软件可视化检测方法

针对当前的病毒软件检测方法难以应对大数据时代下病毒软件快速分类问题,提出一种病毒可视化检测的分类方法.详细阐述了病毒软件可视化过程,并提出一种卷积神经网络结合注意力机制的模型(即CNN_CBAM模型)进行病毒软件家族分类的深度学习方法.病毒软件样本采用BIG2015和Malimg数据集,将其进行可视化,并将CNN_CB...     

个性化旅游推荐技术研究及发展综述

该文首先分析了个性化旅游推荐系统的数据来源,并介绍了用户行为数据、用户标签数据、上下文信息和基于社交网络数据等推荐技术近年来的研究进展。其次,分析了能提升推荐性能的混合推荐技术以及满足多约束场景的基于约束的推荐技术,介绍了相关领域的最新研究成果。最后,展望了个性化旅游推荐技术研发的发展方向。     

基于自适应多尺度与轮廓梯度的遥感图像分割网络

遥感图像分割算法易受环境因素干扰,如物体遮挡、光照不均匀等。现有的深度学习遥感图像语义分割方法通常采取端到端的编解码结构,但针对相似度较高物体的结构和轮廓,仍存在分割不准确的问题。为了提高算法鲁棒性、分类准确率,提出一种基于轮廓梯度学习的深度卷积神经网络遥感图像语义分割算法。为了提高预测特征图的质量,首先基于SegNet模型,提出自适应注意力的多通道多尺度特征融合网络（D-MMA Net）,其中D-MA block采用基于注意力的自适应多尺度模块,根据学习到的权重自适应地对不同尺度特征进行提取,以获得更多有效的高级语义特征。为进一步细化提取物体的边界,基于Sobel边缘检测算子原理提出可学习的轮廓提取模块。最后将轮廓信息与多尺度语义特征相结合,以增强对图像空间分辨率的鲁棒性。实验结果表明,所提算法提高分割的准确率,对于不规则物体边界,能有良好的分割效果。     

QPSO算法的改进及其在DBN参数优化中应用

为了提升标准量子粒子群算法(Quantum Particle Swarm Optimization,QPSO)的收敛精度,提出了基于粒子势阱长度变化率的粒子平均最优位置权重计算方法,通过平均最优位置的调节,来提升粒子的寻优能力,并将改进后的QPSO算法应用于深度置信网络(Depth Belief Network,DBN...     

废弃纸基复合包装再生利用技术的探讨

随着市场需求和包装技术的发展,纸基复合软包装在世界范围内得到了广泛的重视和迅速发展,逐步地替代金属、玻璃等包装材料。纸基复合软包装由于使用的原辅料品种较多,而且基材相互的粘结强度高,用单一的回收利用方法很难实现复合包装材料的有效再生利用。纸基复合包装材料含有优质的木质纤维、塑料和金属铝,如果不加以回收利用则一方面造成较严重的环境污染,而且造成优质资源的浪费。因此做好纸基复合软包装废弃物的回收再利用是一项即有社会效益又有经济效益的再生综合利用工作。该文重点对纸塑铝复合软包装盒的再生利用工艺技术做了较详细的分析与研究。     

一种基于优化QPSO的大数据云存储调度方法研究

为了提升量子粒子群算法(QPSO)的全局收敛性及收敛效率,优化QPSO的全局最优位置计算方法.通过计算粒子当前适应度值与历史最高适应度值的差值占所有粒子适应度差值和的比重,来作为全局最优位置计算中各粒子局部最优位置的权重.粒子的寻优能力越强,其局部最优位置在全局最优位置计算中所占的权重就越高,使得粒子迅速向优秀粒子靠拢.将优化后的QPSO应用于大数据云存储平台的任务调度中.仿真实验表明,优化后的QPSO具有高效的全局搜索性能,能快速地为大数据云存储平台提供最佳任务调度策略.