基于3D Octave卷积和胶囊网络的高光谱图像分类

针对当前胶囊网络分类模型在高光谱图像分类中存在空谱联合信息利用不足和收敛较慢的问题,提出一种结合多尺度Octave三维卷积和胶囊网络的分类模型。首先,使用主成分分析(PCA)来降低高维的光谱特征并保留其关键特征;其次,通过多尺度Octave三维卷积模块使模型能够适应当前数据集目标尺寸跨度较大的特点,在减少空间冗余的同时提高高光谱图像的空谱联合信息的利用;最后,对动态路由算法进行改进,使用向量长度的相似性与方向的相似性来衡量两个向量的一致程度,从而解决网络在训练过程中收敛较慢的问题。为了验证改进后模型的有效性,选择Pavia University公开高光谱数据集,并且通过OA、AA以及Kappa系数将分类结果与当前主流的分类模型进行对比实验。结果表明,在Pavia University数据集上,改进后的模型在OA、AA以及Kappa系数上的精度要高于其他模型,因此,该模型能够更好地应用于高光谱遥感图像分类任务中。

基于Dual-Mode MCMA+DD双模式盲均衡算法研究

为了兼顾误差性能和收敛速度,研究了将双模修正常量模算法和判决引导算法有机结合的双模式盲均衡算法.该算法在收敛初期采用双模修正常量模算法调整均衡器,然后根据判决条件自动切换到判决引导算法,最终实现信道的盲均衡.仿真结果表明:此算法收敛速度快、稳态误差小,并能在去除码间干扰的同时纠正信道固有的相位旋转,具有很好的实用性.

基于模糊C均值聚类的二进制信号盲分离

研究了将接收到的天线阵列信号分类的模糊C均值聚类算法,并提出一种新的二进制信号的盲分离算法。该算法不同于传统算法需要先确定一个分离矩阵进而估计出源信号,而是采用模糊C均值聚类的方法,无需先验条件可以给出较可靠的信号分离,并且该聚类算法是一种自学习过程,运算量较传统算法大大减少。计算机仿真结果说明了在噪声存在时该方法的有效性。

高速公路事故检测的相关分析法

基于相关分析法，提出了一种新的高速公路事故检测模型，不但能检测出事故，而且可对事故发生地点进行定位。

基于小波理论的混凝土T型梁微小裂纹诊断

利用小波降噪的基本原理,对混凝土T型梁的微小裂纹进行检测.实验表明,由于小波的优良品质,对混凝土T型梁的微小袭纹检测得出了满意的结果.

基于Wigner分布的混凝土灌注桩检测

针对混凝土灌注桩 ,利用 Wigner分布给出了一种质量检测方法。实验表明该方法不但对桩基的缩颈、扩颈等给出了结果 ,同时对开发桩基检测自动系统将起到一定的促进作用。

分散非线性系统的精确线性化

讨论了两个控制站的分散非线性系统，给出了这种系统通过静态反馈可精确线性化的充分必要条件。

施Moore方法，增教学活力

在我国的教育中，严重存在着以记忆为主的填鸭式教学倾向。用这种追赶型的传统教育方法培养出的人才已不能适应社会发展的需要，这种沉闷的教学方法又常常使学生对某些学科的学习产生抵触反感情绪。所以，势必造成教学质量的滑坡。解决学生学习消极被动的问题，是高等教育面临的最大挑战之一。

融合Hu矩与BoF-SURF支持向量机的手势识别

基于尺度不变特征变换的特征包(BoF-SIFT)支持向量机的分类方法具有较好的手势识别效果,但是计算复杂度高、实时性较差。为此,提出了融合Hu矩与基于快速鲁棒特征的特征包(BoF-SURF)支持向量机(SVM)的手势识别方法。特征包模型中用快速鲁棒性特征(SURF)算法替换尺度不变特征变换(SIFT)算法提取特征,提高了实时性,并引入Hu矩描述手势全局特征,进一步提高识别率。实验结果表明,算法无论是实时性还是识别率都要高于BoF-SIFT支持向量机方法。

基于高阶累计量的车辆上下行声频检测方法

提出了一种基于麦克风阵列信号处理的车辆上下行估计的新方法,将车辆的上下行估计归结为阵列信号处理中的波达方向变化的估计。针对车辆噪声信号的复杂性和二阶统计量的局限性,采用高阶累计量实现了DOA估计,并说明了基于高阶累计量实现的估计结果明显优于二阶统计量。最后通过试验论证了该方法在实现行车方向估计时的有效性。

河南省交通厅电话号码语音引导自动查询系统开发与使用

本文主要介绍了河南省交通通信中心开发的电话号码语音引导自动查号系统的基本原理和使用技巧。

基于频谱能量分析的地质雷达探测图像判读

通过人工肉眼对地质雷达探测图像进行判读的方法易受判读人员主观性、经验性影响。为了规避这一不足,提出一种基于Counterlet等高变换和K-Means++均值聚类分析的频谱能量判读方法。以实际公路隧道为依托,经现场探测获取不良地质体的原始探测数据;采用IDSP(interactive detection-surveying prediction)探测数据分析软件生成原始图像,实施背景去除、滤波等时域、频域预处理以提高信噪比;基于子带分布系数采用Counterlet对预处理后的图像进行分解和重构,并采用K-Means++算法将重构后图像中的频率信息转化为颜色特征;利用MATLAB对颜色特征进行提取,并据此建立不良地质体颜色特征样本库,将原始探测图像与样本库进行匹配对比以实现自动判读。结果表明:采用Counterlet等高变换对多方向、多分辨率、多尺度的地质雷达图像进行分解与重构是可行的,曲线边缘逼近效果良好,重构后的图像无信息丢失;K-Means++算法能实现地质雷达灰度图像中能量—频率—色彩的转化,转化后的图像色彩突出、直观;频谱能量的匹配对比能较准确快速地实现自动判读及较好地规避个体主观性。

VLAN技术及其在校园网中的应用

作为一门新兴的网络技术 ,VL AN的出现使得组网更加灵活和安全 ,减少管理员的工作负担。主要讨论了 VL AN的概念标准、使用价值、划分方法和在校园网中的配置。

基于改进暗通道先验的图像去雾算法

针对暗通道先验去雾算法在含有浓雾、亮白、非均匀光照区域造成的图像失真的问题,提出了一种改进的自适应局部阈值分割和自适应参数优化相结合的去雾算法。首先根据暗通道先验理论运用局部阈值分割出亮白区域和非亮白区域,然后采用引导滤波将求取的原始透射率进行细化,并通过亮白区域与非亮白区域加权求取更加精准的大气光强,提高了大气光强的鲁棒性,使得该算法适用于暗通道去雾效果不好的浓雾高亮区域和非均匀光照区域。最后,通过雾天图像降质模型恢复出无雾图片,将该算法与几种常用的去雾算法进行比较。结果表明,该算法在绝大多数情况下恢复的图片清晰自然,解决了图像去雾后视觉效果不好的问题,同时也有效改善了亮白区域色彩失真的现象。

阵列信号处理中AIC准则下的车辆个数声频检测方法研究

通过对现有交通流量检测方法和汽车噪声信号特性的分析,提出一种基于麦克风阵列的交通量声频检测方法。对麦克风阵列所采集的车辆行驶时的声音信号,运用窄带阵列信号处理的方法进行离线处理,并将车辆数转化为阵列信号中信号源的个数的估计,最后通过试验论证该方法的可行性。

大城市交通现状及解决策略

随着我国国民经济健康、持续、快速的发展,人民生活水平不断提高,城市汽车保有量不断攀升,从而使城市交通问题日益凸显,且已成为城市特别是大城市难以医治的通病。因此,分析我国城市的交通现状,并针对城市交通紧张的问题提出可行的解决策略,具有重要的现实意义。

彩色图像去雾清晰化研究

为了解决雾霾天气的影响下成像设备采集的图像容易出现的降质及色彩失真问题,并从有雾图像中增强其细节信息,提高原图像的对比度和清晰度.将彩色图像RGB通道分别做相应的图像增强算法处理,全局直方图均衡化把整体的灰度直方图进行均匀分布的处理,小波变换算法对彩色图像进行多层次分解,多尺度Retinex算法通过高斯函数做卷积运算对图像做多尺度变换.实验结果表明,全局直方图均衡化、小波变换算法和多尺度Retinex算法都能增强雾天图像的景物信息,有对应于各自的优势和不足.相比较这3种算法而言,多尺度Retinex算法得到的去雾图像亮度增强、细节信息突出、失真度小,能更好地进行去雾增强.

基于深度学习的车辆检测算法研究

针对目前车辆实时检测中存在定位不准确、检测精度低等问题,采用了一种以Darknet-53为骨架网络的YOLOv3车辆检测算法,将该算法模型在标准数据集Pascal-VOC2012上进行训练,以拍摄的西安南二环路的图片作为测试集进行测试。实验结果表明,YOLOv3算法的检测精度达到84.9%,相比于SSD算法,其检测精度提高了11.3%,检测速度提高了3.8 f/s。因此YOLOv3算法检测精度更好,检测速度更快,能准确地检测出图像中的车辆信息,满足车辆实时检测的要求。

基于ACO-SVM的交通状态分类精度研究

随着道路里程不断增加,机动车辆成为了主要的交通方式。为了满足机动车更好的行驶和道路的最大化利用,首先运用现阶段的车联网大数据等高科技来获取交通流数据,对错误的数据进行删除、丢失少量数据忽略不计,得到有效的数据,并进行融合处理;其次,先用单一的支持向量机对道路交通状态进行分类识别,同时用蚁群算法对支持向量机中的各参数进行最终寻优,得到ACO-SVM状态分类识别融合模型;最后,先用单一的支持向量机对各级别的交通状态的分类精度进行仿真分析计算,结果为91.33%,然后用ACO-SVM融合模型进行分析计算得到在经过14次的迭代时可以找到最优解c=6.884,δ=0.731,将分类精度作为蚁群算法的适应度函数值,最终分类精度比单一SVM模型有所提升并达到94.6%。仿真分析结果证明了该融合模型的有效性。

基于模板方法与抽象工厂的复合模式

面向对象的程序设计越来越追求程序的可复用性和灵活性,对于经验较少的程序设计者直接得到具有良好复用性和灵活性的程序是具有一定难度的,软件设计模式就是提取面向对象程序设计者的经验,并对其进行总结.模板方法模式中父类定义一个算法的框架,用模板方法规定算法的执行步骤,将可变的步骤延迟到子类实现,每一种不同的实现都需要定义一个新的子类,系统会越来越庞大,系统的可维护性以及可读性越来越差.因此将抽象工厂模式嵌入到模板方法模式形成一个复合模式,复合模式的设计核心是为每一个延迟到子类的可变的步骤提供一个创建对象的接口,该接口对一个完整的产品族进行了定义.复合模式既保证了算法结构的稳定性,又分离了具体的实现类,增强了程序的健壮性、可复用性以及灵活性.