垂直腔激光器中弛豫振荡频率的优化控制

从垂直腔面发射的半导体激光器（VCSELs）的结构出发，利用增益与载流子密度的广义对数关系，借助小信号分析法，推出了直接调制情形下驰豫振荡频率的严格解析关系。分析指出，量子阱器件的光子寿命并非越短越好，欲提高VCSELs的驰豫振荡频率，除了增加注入电流，提高微分增益等基本途径外，控制器件的结构参数可使驰豫振荡频率达到极大值。同时，自发辐射因子的可控性，以及降低稳态载流子密度，也都是提高VCSELs驰豫振荡频率和拓宽调制带宽的有效措施。     

DSQ·40×10P型高倾抛料胶带输送机通过技术鉴定

一九八四年十二月十二日至十四日,四川省粮食局在崇庆县对DSQ·40×10 P型高倾抛料胶带输送机(简称高抛输送机)进行了技术鉴定。应邀参加鉴定会的有商业部郑州粮食科研所、商业部四川粮食科研所、四川粮食汽车大修厂和有关院校、制造、使用等21个单     

关于当前网络环境下CG艺术创作的探讨

"设计入侵"是"文化入侵"的重要代表和主要表现形式。文化自信和文化自律是当前中国CG人迫切具备的品质。探索本土CG创作的思路,提升本土cg艺术水平,保证本土CG产业良性发展既具有现实经济意义又具有巨大的文化社会意义。     

流域规划时空数据管理关键技术研究

针对流域规划工作中存在专业模型计算数据格式众多、时空数据分离、包含时间和空间信息的多方案对比不直观等问题,对流域规划中数据管理关键技术进行了研究。利用水资源分区和行政区划组合出了"流域-子流域-计算分区"不同层次的空间尺度,运用历史年月统计数据、长时间日观测系列数据,预测计算出了从规划基准年到近、远期规划水平年间不同时间粒度的成果,按照"数据集-对象图层-要素"的组织形式存储于关系型数据库中,用以构建厄瓜多尔流域规划时空数据库,实现了多格式数据集成化管理、不同尺度时空数据的整合以及多方案成果的直观表达,增加了流域规划工作中数据多样化分析的应用方式,提升了数据分析及其应用的自动化程度,通过对时空数据变化的直观模拟,提升了对比分析的工作效率。     

基于有向复杂网络模型的形状描述与识别

针对传统复杂网络方法对形状的非刚性变形较为敏感等问题,在形状内部距离的基础上利用有向复杂网络进行形状分析.首先提取形状边界点作为复杂网络的节点,以形状边界点之间的内部距离作为复杂网络中节点之间的边权值构建初始网络;然后对初始复杂网络进行k近邻演化,得到不同演化时刻的有向子网络;最后提取各有向子网络的特征来实现复杂网络的特征描述,进而实现形状的特征表示.实验结果表明,该方法对常见的形状变形具有更强的鲁棒性;与传统的无向网络模型相比,具有更高的检索和分类精度.     

MATLAB软件在系统稳定性分析与仿真中的应用

系统的稳定性是系统实现其功能的前提,因此,对系统进行稳定性判断就显得很有必要.判断系统的稳定性可以从系统的线性模型出发,导出系统的系统函数,利用MATLAB软件对系统函数的极点分布情况和冲击响应的模式进行分析,并对系统进行建模仿真,得到系统的极点分布图和冲击响应的模式图,在此基础上,对系统的极点分布图和冲击响应的模式进行分析,根据系统稳定的条件,判断系统是否稳定.     

基于SIFT的区域复制窜改检测算法*

提出了一种区域复制窜改检测算法,用于检测同幅图像中经几何变换的区域复制窜改问题.先利用SIFT算法提取出图像中SIFT关键点后,再用欧式距离找出所有匹配的关键点,最后根据同一幅自然图像不存在互相匹配的特征点这一特性,判定图像是否被窜改以及定位出被窜改的区域.实验结果表明,算法不仅可以检测出伪造图像中经平移变换的窜改区域,还可以检测出经旋转、缩放以及两者组合的几何变换.与其他的区域复制窜改算法相比,算法对伪造图像的检测有了较大的改进.     

改进复杂网络模型的形状特征提取

目的 传统的基于欧氏距离的复杂网络表示方法容易受形状的非刚性变形影响。鉴于此,提出一种基于复杂网络模型与相对一致性距离相结合的形状特征提取方法。方法 首先,提取形状的边界轮廓点作为网络的节点,利用节点间的相对一致性距离作为边的权值构建初始的复杂网络模型;然后,利用阈值演化方法对初始网络模型进行动态演化,得到一系列子网络;最后,提取不同演化阶段下子网络的拓扑特征,实现对形状特征的提取。结果 分类和检索实验结果表明,相比于传统的复杂网络描述方法,本文方法对形状图像具有更强的描述和识别能力。结论 相比于传统的距离度量,相对一致性距离对形状的非刚性变形具有更强的稳定性。     

基于SE-Res2Net与多尺度空谱融合注意力机制的高光谱图像分类

为了提取更具有判决力的高光谱图像特征,并防止网络因加深导致退化,在新维度残差网络(Res2Net)和压缩激活网络(squeeze and excitation network,SENet)的基础上,提出新型多尺度特征提取模块SE-Res2Net,并设计多尺度空谱融合注意力模块.为了克服网络加深带来的退化问题,SE-Res2Net模块利用通道分组提取高光谱图像细粒度的多尺度特征得到多个不同粒度的感受野,并采用通道优化模块从通道层面量化特征图的重要性.为了进一步从空间维和光谱维同时优化特征,构建多尺度空谱融合的注意力模块,利用非对称卷积在不同尺度上挖掘不同空间位置和不同光谱维特征的关系,不但能减少计算量,还能有效地提取具有判决力的空谱融合特征,从而提高高光谱图像分类的精度.在3个公共数据集Indian Pines,University of Pavia和Grss_dfc_2013上的对比实验表明,与其他较新的深度网络相比,该方法具有更高的总体精度(overall accuracy,OA)、平均精度(average accuracy,AA)和Kappa系数.