联合改进U-Net模型和D-InSAR技术采矿沉陷提取方法

矿产资源开采导致的地表沉陷不仅是矿区国土空间开发利用需要考虑的重要因素,而且对地下非法开采的区域具有明显的指征作用。矿产资源开采一般具有分布范围较广、分布不均且较分散的特点,因此快速、准确地识别并提取大区域内采矿沉陷的空间分布非常必要。本研究基于合成孔径雷达差分干涉测量技术(differential interferometric synthetic aperture Radar,D-InSAR)得到矿区多时相差分干涉相位图,并使用深度学习FCN-8s,PSPNet,Deeplabv3和U-Net模型训练网络开展采矿沉陷智能识别,结果显示U-Net模型具有较高的检测精度且用时较短。为提高采矿沉陷的语义分割提取精度,在传统U-Net模型中引入高效通道注意力模块进行训练。结果表明改进的U-Net模型与传统模型相比,在测试集上采矿沉陷对应的交并比提升2.54百分点,为大范围采矿沉陷时空分布提取问题提供新的解决方法。

一种U-D分解自适应推广卡尔曼滤波及应用

为了改善自适应卡尔曼滤波的数值稳定性和计算效率,防止滤波发散,本文在自适应推广卡尔曼滤波的基础上,利用U-D分解滤波,提出一种U-D分解自适应推广卡尔曼滤波新算法,并把该算法应用于飞行状态估计问題,仿真及实际飞行数据计算结果证明了本文方法的有效性.

U-D-S伙伴协作:理念、经验与启示

U-D-S伙伴协作是大学、地方与学校基于教师赋权、民主协商、互惠共生等理念建构而成的综合型教育改革模式。在西方,它通过跃进学校计划等项目的成功推进,成为了融"学校改进、教师发展和学生进步"为一体的实践典范。该模式中,赋权理念的改造、地方的参与和支持、伙伴学校的选择以及协作目标的构建等问题需要借鉴者重点关注。

基于U-D分解滤波的高性能盲自适应多用户检测算法

提出利用U-D分解渐消记忆滤波算法估计CDMA系统多用户接收器的最优判决向量,构造出一种收敛速度快、跟踪性能好、数值稳定性好的高性能盲自适应多用户检测算法。仿真实验表明,本文提出的方法具有很强的抗多址干扰能力和较高的数值鲁棒性。

D-u关系的最小绝对值线性拟合法

采用最小绝对值方法对几类物质的冲击波速度D与波后粒子速度u的关系进行了直线拟合,并将其与常用的最小二乘法拟合的结果进行了比较。结果显示:对于实验数据分散性较小的密实材料(金属、离子晶体、氧化物等),两种方法拟合的线性系数一致;而对于实验数据分散性较大的一些疏松材料(包括液体等),两种方法拟合的线性系数有差异。对所有物质,最小绝对值法拟合的平均绝对误差比最小二乘法拟合的要小,因而最小绝对值法较最小二乘法有更高的准确性。同时讨论了导致这两种拟合差异的因素。

基于D-U空间的混合型多属性决策方法

针对混合型决策中不同类型属性值无法有效保留其不确定信息的问题,根据不确定原理,将联系数的D-U空间理论引入到混合型多属性决策问题中,提出一种基于D-U空间的混合型多属性决策方法。将确定性与不确定视为一个整体,提出不同类型属性值在D-U空间中的映射转换法则,使得不同类型属性值在空间中得以统一量化,并明确属性中的不确定信息,避免不确定信息丢失而造成的决策偏差。在决策过程中,通过计算空间中属性向量的模和幅角的值进行方案选择,以描述各方案的稳定性,使排序准则具有直观的意义。通过2个算例验证了该方法的适用性和实用性。

6LoWPAN中基于Mesh-under的备用缓存机制

在基于Mesh-under的IPv6低功耗无线个域网(IPv6over low-power wireless personal area networks,6LoWPAN)中,针对传输路径上中间节点重传缓存溢出导致重传数据分片丢失,造成网络性能下降等问题,提出一种基于Mesh-under的备用缓存机制。本文所提机制根据传输路径上各节点重传缓存使用情况及数据分片剩余跳数等信息,设置动态重传缓存门限,并为超过该门限的节点从其邻居节点中挑选合适的备用缓存节点,从而完成数据分片的缓存与重传过程,达到均衡使用各节点重传缓存的目的。结果表明,所提机制能够有效避免重传缓存溢出,减小网络能耗,同时进一步提高目的端重组成功率。

基于SPA的D-U空间的区间数多属性决策模型及应用

区间数多属性决策既具有一定的确定性,又具有一定的不确定性。利用集对分析(SPA)的不确定性系统理论,将区间数映射到二维确定-不确定空间(D-U空间),把区间数转换为向量,建立区间数的模、幅角及三角函数表达式的概念,进而建立区间数的综合(基本、一般、主值)决策模型。实例计算表明:该模型能较为客观地反映出区间数多属性决策的确定性与不确定性,同时,更具有对不确定性分析的合理性。

^(13)C呼吸试剂D-木糖-U-^(13)C_5的合成

以D-葡萄糖-U-13 C6为起始原料,采用减碳法经双丙酮保护、选择性酸水解、氧化、还原和碱水解五步合成D-木糖-U-13 C5,总产率为38.6%(以D-葡萄糖-U-13 C6计)。对每步产物使用相应的气相色谱(GC)、气质联用仪(GC-MS)、液相色谱(HPLC)和液质联用仪(LC-MS)进行表征。分析结果表明,每步反应中的产物均为目的产物,同位素丰度和纯度都符合要求,最后一步的产物为D-木糖-U-13 C5,其13 C丰度为99.1%,化学纯度为99.9%,符合13 C呼吸试验的要求。

基于U-D分解的最优定界椭球状态估计

将平方根U-D分解理论引入集员辩识框架下的最优定界椭球(OBE)状态估计当中,一定程度上减小了数值计算过程中的舍入误差带来的影响,改善了算法的稳定性,提高了算法的精确度。与现有的OBE算法相比,基于U-D分解的OBE算法能提供更精确的估计结果。仿真结果表明了该算法的有效性,以及计算数值鲁棒性。

U-937细胞的磷脂酶D激活不联系前列腺素E_2的生物合成

目的研究磷脂酰胆碱特异性磷脂酶Ｄ（ＰＣＰＬＤ）在佛波酯诱导Ｕ９３７细胞的前列腺素Ｅ２（ＰＧＥ２）生物合成调节中的作用。方法二甲亚砜（ＤＭＳＯ）分化的Ｕ９３７细胞与［３Ｈ］烷基溶血ＰＣ一起孵育，对细胞内ＰＣ池进行同位素标记。［３Ｈ］烷基磷脂酸（ＰＡ）、［３Ｈ］烷基二脂酰甘油（ＤＡＧ）、［３Ｈ］烷基磷脂酰乙醇（ＰＥｔ）采用薄层层析法分离，并以液体闪烁法测定含量。ＰＥｔ的形成被认为ＰＬＤ活性的可信的特异指标。培养液中ＰＧＥ２含量应用酶免疫法测量。结果１２十四烷酸１３乙酸佛波酯（ＰＭＡ，１μｍｏｌ·Ｌ－１）兴奋Ｕ９３７细胞产生［３Ｈ］烷基ＰＡ与［３Ｈ］烷基ＤＡＧ。孵育合剂中包含乙醇（２５～１０ｍｌ·Ｌ－１）引起浓度依赖性地减少ＰＭＡ诱导的ＰＡ与ＤＡＧ积聚，以及增加ＰＥｔ积聚。时相研究显示ＰＭＡ诱导的ＰＡ积聚先于ＤＡＧ积聚。ＰＡ磷酸水解酶抑制剂普萘洛尔（２００μｍｏｌ·Ｌ－１）增加ＰＡ积聚的同时减少ＰＭＡ诱导的ＤＡＧ的生成。乙醇与普萘洛尔均不影响ＰＭＡ增加Ｕ９３７细胞的ＰＧＥ２生成。结论ＰＭＡ激活ＤＭＳＯ分化Ｕ９３７细胞的ＰＬＤ，但它不联系该细胞的ＰＧＥ２生物合成。说明ＰＭＡ?

基于U-D分解滤波的交互多模型算法

简要回顾了基于相控阵雷达的三维空间中机动目标建模与自适应跟踪的机理,针对交互多模型算法在其跟踪应用过程中可能会出现的滤波发散问题,提出了一种基于U-D分解的交互多模型目标跟踪算法。该算法可以有效地限制交互多模型算法滤波计算过程中的滤波发散的可能性,从而使得IMM算法更加稳定。

基于U-D分解滤波的GPS动态用户导航算法研究

本文将数值稳定性好、计算量小的序列U-D分解滤波算法应用到状态方程为线性、观测方程为非线性的GPS动态用户导航系统中。文中建立了高动态用户数学模型,推导了以伪距为观测量的系统测量方程。在给定飞机航迹的情况下,对系统进行了数字仿真。仿真结果表明,U-D分解滤波算法能更有效地适合动态用户GPS导航系统。

一种基于U-D分解卡尔曼滤波多层感知器学习算法

在研究多层感知器结构后，提出一种利用U－D分解卡尔曼滤波训练多层网的新算法．仿真结果表明：与BP算法比较，此算法有着学习速度快、数值稳定性好、对学习参数不敏感、能避免局部极小点等特点。

求解2-D Strip Packing问题的u-分组优化算法

2-D strip packing问题指将带有价值的矩形物品装入长宽固定的箱子中,使其装入的物品价值最大。基于装箱的期望目标ε,提出一种新的分组构造函数,结合装箱矩形特点计算出最优分组参数u并对矩形进行分类,同时对不同类别的矩形引入相应的数据结构,最后对不同类别矩形基于箱子X轴的u等分点进行填充,使其装入的物品价值最大。文中的主要贡献在于:提出了一种有效的分组构造函数;计算出了对应的最优分组参数u;简化了不同类别箱体的数据结构以及相应的装箱算法;特别地,在期望目标ε、多项式时间复杂度和至少装入(1-ε)OPT价值物品的情况下,可将所需箱体宽度从1+ε减小到1,而高度保持不变。

一类非凸D.C.约束优化问题的UV-分解理论

UV-分解理论是近年来解决非光滑凸函数的二阶近似的一种有效的方法,并应用于解决非光滑凸函数的最优化问题。主要应用UV-分解理论对于一类D.C.函数的约束优化问题进行研究,借助于近似次微分的概念,得到类似的UV-空间分解,以及空间分解下的相应U-Lagrange函数与其最优解集W(u)的相关性质和二阶近似的结果。

基于U-D分解的卡尔曼滤波法在地下水污染源识别中的应用

采用U-D分解的方法对常规卡尔曼滤波进行改进,以提高反演结果的有效性和可靠性.借助假想算例,引入模糊集合理论,将污染羽以模糊集的形式表示,利用U-D分解的卡尔曼滤波方法不断更新复合污染羽,通过复合污染羽和单个污染羽间模糊集的对比更新潜在污染源权重,进而达到真实污染源位置识别的目的.算例结果表明该方法与常规卡尔曼滤波方法相比具有更高的可靠性和有效性,能更好的达到污染源位置识别的目的.

U-D分解单步迭代滤波在飞行状态估计中的应用

针对单步迭代滤波常规算法数值鲁棒性差、滤波易于发散的缺点对误差协方差矩阵使用了 U - D分解 ,从而形成了一种基于 U - D分解的单步迭代滤波算法。该算法提高了数值鲁棒性 ,并且对相关的量测噪声有一定处理能力 ,应用于飞行状态的估计问题 。

教研员区域信息化教学引领力发展的U-D-S-P路径探索

教研员区域信息化教学引领力发展对于区域信息化教学推广具有重要作用。该研究在剖析目前教研员专业发展困境与区域信息化教学特征的基础上,提出了促进其专业发展的U-D-S-P路径。结合教研员在区域信息化教学推广中的角色定位与专业成长互动特征,对U-D-S-P路径助推其专业成长的价值与相应策略进行了分析阐述,以期为教研员信息化能力建设及其引领的区域教育信息化发展提供思路。

U-D分解渐消记忆滤波神经网络控制器在船舶操纵中的应用

针对前馈网络BP算法所存在的收敛速度慢且常遇局部极小值等缺陷 ,提出一种基于U D分解的渐消记忆推广Kalman滤波学习新方法。与EKF相比 ,该方法不仅大大加快了学习收敛速度、数值稳定性好 ,而且比BP算法需较少学习次数和隐节点数 ,学习效果也更好。将这种学习算法应用在船舶操纵的神经网络控制器中 ,仿真结果表明该方法是提高网络学习速度、改善学习效果的一种有效方法 ,可有效解决非线性系统的控制问题。