基于生长模型的林地“一张图”林分因子更新研究

林地“一张图”是森林资源管理体系的重要平台,运用林分生长模型对林地“一张图”林分因子更新具有现实意义。基于昆明市第4次森林资源二类调查数据,建立了24个树种(组)林分生长模型,通过模型链接实现林分平均树高、平均胸径、每公顷株数、每公顷蓄积和平均蓄积生长量的过程动态模拟。树高生长模型拟合优度R^2介于0.21~0.64之间,胸径生长模型拟合优度]R^2介于0.37~0.78之间,蓄积生长模型拟合优度R^2介于0.44~0.92之间;林分生长模型反演昆明市有林地蓄积量预测值与观测值相差37万m^3,云南省蓄积平均生长率反演昆明市有林地蓄积量预测值与观测值相差291万m^3。建立的24个树种(组)林分生长模型,能满足林地“一张图”林分因子更新要求,能动态掌握森林资源消长变化,可为林业政策的制定提供依据。

关于云南省林地因子更新的探讨

论述了现有的部分林地因子在森林资源调查中存在的一些弊端,从学术研究和专业的角度提出了林地因子更新的建议。

基于自适应阈值和动态更新因子的ViBe改进算法

针对传统ViBe算法不能及时反映场景变化,动态场景适应性差等问题,提出一种改进的ViBe算法。改进内容包括:采用随机选取背景样本和24邻域法获取初始背景,可以加速“鬼影”消融;结合大津法(OTSU)和均匀性度量法的平均自适应阈值计算方法,可以提高算法对树叶晃动、水波纹和光照变化等环境的适应性,最大限度保留有效像素;更新阶段引入自适应更新因子,可以有效减少被误判的概率,从而增强算法的鲁棒性;最后通过形态学处理和滤波使目标更加完整。采用标准数据集视频对改进算法进行了测试和对比分析,改进算法相对于KDE算法、GMM算法和传统ViBe算法各项指标均有大幅度提高,精确度分别提高30.44%、40.72%和20.95%,错分比分别降低了43.28%、40.59%和29.43%。

一种更新因子叠加思想在救援调度中的应用

为提高大规模自然灾害救援效率,防止次生灾害的巨大威胁,并实现在不断变化的灾区环境中进行最优化运输调度,设计了一种救援调度算法。首先对灾区运输中路径变化、物资堆积、天气影响等特性进行分析,并分析了蚁群算法以及在灾区物资运输的不足,针对存在的问题,设计更新因子根据实时信息叠加算法,弥补单纯依靠信息素量无法进行动态调度的不足,实现信息素实时更新以及更新因子调整的最优化路径调度。最后进行模拟实验,算法可实现静态以及动态信息下最优路径的调度,验证了算法的可行性。

改进的自适应扩展卡尔曼滤波雷达目标跟踪算法

卡尔曼滤波是雷达目标跟踪场景最常用的目标状态跟踪估计算法,但针对非线性运动模型和噪声模型适配失配后,其滤波算法跟踪精度会出现下降。针对这些问题,提出一种机动目标场景下改进自适应扩展卡尔曼滤波的雷达目标跟踪算法,通过目标位置偏差范围来修正预测的位置信息,使用BP神经网络算法来自适应进行扩展卡尔曼滤波(extended kalman filter,EKF)算法预测信息结果的修正;根据噪声影响情况,提出基于实际情况可调的更新因子,用于进行修正后的EKF预测位置信息、测量信息和修正后的BP-EKF预测信息值的权重处理,基于优化模型,自适应选择最优的位置预测信息。仿真分析表明,所提出的算法在目标跟踪的滤波精度和稳定度都得到提升。

基于Dog-Leg算法的服务机器人视觉SLAM系统

针对原有SLAM系统非线性优化存在迭代次数多、计算时间长、实时性差的问题,设计一种基于阻尼因子更新来计算信赖区域半径的方法;针对YOBY机器人平台,设计并实现基于增强实时性的Dog-Leg算法的多模块SLAM系统;通过EuRoc MAV-MH_05数据集的实验分析和真实场景的实际测试,验证了算法的有效性以及SLAM系统在YOBY机器人平台上的可用性。

基于视觉背景提取的自适应运动目标提取算法

在复杂场景下的视频运动目标提取是视频分析技术的首要工作。为了解决前景运动目标提取的精确度不高的问题,提出一种基于视觉背景提取(ViBE)的改进视频运动目标提取算法(ViBE+)。首先,在背景模型初始化阶段采用像素的菱形邻域来简化样本信息;其次,在前景运动目标提取阶段引入自适应分割阈值来适应场景的动态变化;最后,在更新阶段提出背景重建和调整更新因子方法来处理光照变化的情形。实验结果表明,对于复杂视频场景LightSwitch的运动目标提取结果在相似度指标上,改进后的算法与混合高斯模型(GMM)算法、码本模型算法以及原始ViBE算法相比,分别提高了1.3倍、1.9倍以及3.8倍。所提算法能够在有效时间内对复杂场景具有较好的自适应性,且性能明显优于对比算法。

无线传感器网络比对广播时间同步算法

针对无线节点自身资源有限的特点,结合比对同步方法和广播方法,提出了一种低开销的比对广播时间同步算法(PBTS)。该算法中,主节点通过与其广播域内任意一个从节点进行分组比对交互获得主从节点分组延迟时间,并利用无线信道的广播特性实现主节点广播域内所有节点的时间同步,减少了同步分组数量。同时该算法设计了分组延迟时间更新周期因子,增加了算法的可配置性,进一步减少了同步过程开销。性能分析表明该算法能有效的减少同步过程开销,并能获得较高的时间同步精度。最后通过实验验证了该算法的性能。

基于分簇的高能效无线传感器网络时间同步算法

针对经典时间同步算法应用于无线传感器网络时主要是提高同步精度而忽略网络能耗的问题,提出了一种基于分簇的高能效无线传感器网络时间同步算法。该算法基于分簇的网络拓扑结构,基站与簇首采用改进的双向同步机制传播同步消息包,簇首与簇内节点采用双向同步机制与被动监听相结合的方式完成时间同步,减少了消息包传输的数量,同时设计了同步分组延迟的周期更新因子,进一步减少了报文开销。仿真结果证明:该机制能减少同步报文开销,降低网络能量消耗,保证良好的同步精度。

融入社会心理学理论的教与学优化算法

教与学优化算法(TLBO)是一种模拟教学过程的启发式优化算法。针对TLBO算法寻优精度低、稳定性差的特点,提出了基于社会心理学理论改进的教与学优化算法(SPTLBO)。该算法在改进中考虑了人的心理因素:在原TLBO算法的“教”阶段中结合社会心理学的“期望效应”理论,教师对高期望学生采取一对一教学策略,使得优秀学生更快向教师靠近;为了保留学生的多样性,学生依据认知风格可分为“场独立”与“场依存”两种类型,不同类型的学生将采取不同的交流方式进行学习;在“教”“学”阶段后,结合自我调节理论,学生进入学习方法调整阶段,从而增强了自我探索能力,提高学生整体水平。此外,引入自适应学生更新因子,模拟环境对学生学习效率的影响,增加算法的全局搜索能力,避免出现在初期迭代中陷入局部最优的情况。在25个标准测试函数上进行实验,结果表明SPTLBO算法相较基本TLBO算法和其他智能优化算法,在寻优精度和收敛速度方面都更具优势。

基于ACO-SA算法的变电站巡检机器人路径规划

随着智能变电站的不断优化发展,基于传统蚁群算法的变电站巡检机器人路径规划存在复杂工作环境下优化能力弱、收敛速度慢、易陷入局部最优的问题。为了提高变电站巡检机器人的工作效率,提出一种改进的蚁群-模拟退火(ant colony optimization-simulated annealing,ACO-SA)算法。此算法定义新的启发函数以提高全局搜索能力;设定初始信息素不均匀分配机制并引入信息素动态挥发因子,避免了算法初期搜索的盲目性,提高了算法的搜索效率;引入模拟退火算法中的回火机制消除局部最优。根据变电站巡检机器人的工作环境,用栅格法建立环境模型,仿真实验结果证明了改进算法的可行性。

北京运通隧道污染物排放特性与需风量预测分析

根据机动车排放标准更新趋势判断,隧道内积累NOx排放所需风量已超越CO排放所需风量,隧道内行驶机动车排放NOx与排放隧道内NOx将成为研究重点。此次研究根据北京运通隧道的交通特征及机动车排放因子的更新预测结果对隧道内近期、中期、远期机动车排放NOx和CO的水平进行预测,进而计算三个特征年份排放污染物的设计需风量,根据预测需风量对隧道内各风机段的开启情况进行指导,研究结果为城市隧道智能化通风节能控制和环境评价提供数据支撑。

火电厂氮氧化物排放量动态更新方法研究

有效控制氮氧化物是我国"十二五"环保重点工作之一,如何实现氮氧化物减排监管和核查核算显得十分重要,但是我国尚未建立科学合理的行业氮氧化物排放量核算核查方法。以火电行业为研究对象,首次系统提出火电行业氮氧化物排放量的动态更新方法。提出3种不同的污染源排放动态更新方法:源活动强度动态更新法、污染源增减动态更新法、综合排放因子动态更新法,详细分析了方法原理、计算公式和使用范围,并在2008年我国火电氮氧化物排放量基础上,分别对2009年火电氮氧化物排放量进行了动态更新核算。

Regulation of intestinal stem cell fate specification

The remarkable ability of rapid self-renewal makes the intestinal epithelium an ideal model for the study of adult stem cells. The intestinal epithelium is organized into villus and crypt, and a group of intestinal stem cells located at the base of crypt are responsible for this constant self-renewal throughout the life. Identification of the intestinal stem cell marker Lgr5, isolation and in vitro culture of Lgr5+ intestinal stem cells and the use of transgenic mouse models have significantly facilitated the studies of intestinal stem cell homeostasis and differentiation, therefore greatly expanding our knowledge of the regulatory mechanisms underlying the intestinal stem cell fate determination. In this review, we summarize the current understanding of how signals of Wnt, BMP, Notch and EGF in the stem cell niche modulate the intestinal stem cell fate.

基于粒子群优化的螺纹刀具磨损状态监测模型

螺纹刀具的状态监测是制造加工中非常重要的问题。由于刀具振动信号具有复杂非线性、强耦合等关系,常用的基于支持向量机(SVM)的刀具监测模型由于参数的设置极其依赖人为经验,设置不当会导致监测的识别率不高,在刀具磨损状态判别中收到了限制。针对此难题,依据螺纹刀具的振动特性,结合改进的粒子群算法(PSO),采用异步更新学习因子策略实现刀具状态监测模型优化。结果表明,优化后的PSO-SVM刀具状态监测模型能够有效对SVM的关键参数进行寻优,异步更新学习因子也可加强模型在迭代后期的寻优能力,从而提高刀具状态监测识别的精度。