基于范数灰关联-动态功效系数法的机坪U型区空间效率评估

为了确定机坪U型区空间效率评估指标体系及其指标的重要程度,分别从机坪设计和机坪运行两个维度建立机坪U型区空间效率评估指标体系。基于此提出了基于范数灰关联-动态功效系数法的机坪U型区空间效率评估方法。并以10个国内大型运输机场航站楼对应的U型区机坪为例进行计算,得到了影响机坪U型区空间效率各指标的权重及各机场航站楼对应的U型区机坪的空间效率评分。提出在U型区设计时应着重考虑指廊边机位个数、U型区指廊纵深和U型区底边长度3个指标。结果表明,该方法能够较为科学地对机坪U型区空间效率影响因素进行综合分析,有效评判不同构型机坪U型区空间效率。

融合GF-2与开放地图数据的城市绿地精细化分类研究

城市绿地是城市生态效益的重要载体,高精度的绿地目标检测与属性分类为优化城市生态空间结构、维护城市生态平衡以及建设“碳中和”城市提供基础数据支撑。通过改进经典U-Net算法,进行GF-2多光谱遥感影像图像分类;同时,基于景观生态学理论,采用POI和OSM为代表的开放地图数据,对绿地斑块进行多维度精细化分类;进一步选择深圳市福田区与罗湖区交界处的矩形区域为样本进行验证。结果表明:所提出的ASPP+SFAM融合U-Net网络模型与U-Net和U-Net3+模型相比,所识别的城市绿地边界和真实城市绿地边界更吻合。所提出的模型的总体分类精度为90.87%,比U-Net和U-Net3+模型分别提高了11.13%和7.39%。同时,针对遥感影像纹理特征无法直接进行小区域城市绿地社会属性分类的问题,利用POI数据包含的属性信息、城市绿地与OSM道路网的拓扑关系以及景观形态指数,最终实现功能分类、类型特征、服务范围和形态特征4个维度的城市绿地的精细化分类。

三空间注意力的残差U-Net在视网膜血管分割应用

针对视网膜图像末端微小血管对比度低、分割不精确问题,提出一种融合多层次残差与三空间注意力机制的U型网络用于视网膜眼底血管分割。该网络在编码部分为了减少图像特征的丢失,引入原始图像后添加多层次残差模块。此外,为防止网络深层产生梯度弥散与特征数据冗余问题,在残差模块中进一步加入批量归一化与Dropout功能。在解码部分,采用三空间注意力机制来赋予类原始图像、下采样图像和上采样图像特征不同的权重,以增强特征纹理和位置信息,并实现微小血管的精确分割。实验结果显示,在公开的彩色眼底图像数据集上,与现有算法相比,本文算法的准确率、特异性、灵敏度和AUC分别为0.985、0.991、0.829和0.985,与金标准分割结果进行对比得到的血管图具有重要的临床参考价值。

基于高分辨率遥感影像和改进U-Net的城市绿地提取

准确掌握城市绿地的面积和空间分布对于城市园林绿化规划和管理具有重要意义。针对U-Net网络提取城市绿地存在的参数冗余和边界特征丢失等问题,本研究提出一种基于改进U-Net网络的城市绿地信息自动提取方法。该方法采用MobileNetv2作为编码部分,结合交叉熵损失函数和Dice损失函数以提高模型的泛化性并解决样本不平衡的问题。同时,引入空间通道压缩与激励模块以解决边界特征提取不准确的问题,在提高模型精度和速度的同时,降低参数量。结果表明:(1)改进的U-Net模型在城市绿地提取的精度和速度方面优于其他4种经典模型,参数量仅为6.9M;相较于原始的U-Net模型,改进后U-Net模型的mIoU提高0.63%,参数量减少77.77%,平均帧数提高2.77倍,表明该方法在显著减少模型参数的同时,仍能保持较高的精确性。(2)实际应用方面,研究部署最优模型对长沙市区的绿地进行自动提取,共提取75549个绿地图斑,面积范围从0.0001hm^(2)到706.39hm^(2)不等;分区统计结果显示,岳麓区绿地面积最大,芙蓉区最小,与目视解译结果基本一致。本研究不仅提供了一种改进城市绿地提取精度和速度的方法,而且具有一定的实用价值,为城市绿化规划和管理提供有力的数据支持。

房地产企业杠杆率、房价与系统性金融风险

为厘清房地产杠杆率与系统性金融风险的关系,促进房地产市场的健康发展,防范化解金融风险。文章基于2005—2021年我国30个省(区、市)的面板数据,采用双向固定效应模型及空间杜宾模型实证检验了房地产企业杠杆率对系统性金融风险的影响,发现房地产企业杠杆率与系统性金融风险之间呈现先促进后抑制的“U”型关系,拐点在77.35%左右;房价水平对房地产企业杠杆率与系统性金融风险的“U”型关系具有显著的负向调节作用,房价的上涨能削弱房企杠杆率对系统性金融风险的影响程度;空间视角分析显示,其他省份房地产企业杠杆率上升能够发挥“警示作用”进而抑制本省的系统性金融风险。因此,监管部门应合理监管房企杠杆率水平,并结合房价调控政策灵活实施房企去杠杆率政策。

基于改进U-Net的遥感影像城镇绿地提取

针对传统分类方法在高分遥感影像城镇绿地提取效果不理想的问题,提出了一种改进的语义分割模型U-Net来更加高效精准地提取城镇绿地区域。使用高分二号影像制作样本数据集,同时对U-Net网络模型改进,采用不同深度的ResNet作为其主干网络提取图像的语义信息,另外加入了注意力机制模块,细化提取的特征图,提高网络的分类性能。实验结果表明:对比经典语义分割网络SegNet、PSPNet、U-Net,加入注意力机制Res-UNet在预测效果和评价指标均有提升,表现最好的是Res152-UNet,其PA值为90.53,MIoU值为80.06,预测效果图接近人工标注。改进U-Net模型能够高效地对遥感影像信息进行识别提取,得到高精度的提取结果,该方法对于高分遥感影像城镇绿地提取具有一定应用意义。

一种改进的U⁃V空间测角方法

两维相控阵雷达通常采用单脉冲和差波束测角实现对目标角度的测量和跟踪。对于矩形阵列,通常在U⁃V空间下对不同频率进行归一化,只需在方位和俯仰向各建立一条误差曲线即可完成单脉冲测角,减少了运算量和存储空间。本文针对圆形阵列无法仅用方位和俯仰各一条误差曲线进行测角的缺点,提出了一种改进的U⁃V空间和差波束测角曲线的建立和使用方法。该方法采用多条测角曲线迭代逼近的思想,实现简单、运算量小,能够提高角度的测量精度。仿真结果验证了该方法的可行性和有效性。

多分辨率融合输入的U型视网膜血管分割算法

针对视网膜血管拓扑结构不规则、形态复杂和尺度变化多样的特点,该文提出一种多分辨率融合输入的U型网络(MFIU-Net),旨在实现视网膜血管精准分割。设计以多分辨率融合输入为主干的粗略分割网络,生成高分辨率特征。采用改进的ResNeSt代替传统卷积,优化血管分割边界特征;将并行空间激活模块嵌入其中,捕获更多的语义和空间信息。构架另一U型精细分割网络,提高模型的微观表示和识别能力。一是底层采用多尺度密集特征金字塔模块提取血管的多尺度特征信息。二是利用特征自适应模块增强粗、细网络之间的特征融合,抑制不相关的背景噪声。三是设计面向细节的双重损失函数融合,以引导网络专注于学习特征。在眼底数据用于血管提取的数字视网膜图像(DRIVE)、视网膜结构分析(STARE)和儿童心脏与健康研究(CHASE_DB1)上进行实验,其准确率分别为97.00%,97.47%和97.48%,灵敏度分别为82.73%,82.86%和83.24%,曲线下的面积(AUC)值分别为98.74%,98.90%和98.93%。其模型整体性能优于现有算法。

一种基于酉矩阵变换的低峰均比正交时频空安全传输方法

为了降低正交时频空(OTFS)系统峰均比(PAPR)并且提升系统安全性,该文设计了一种基于酉矩阵变换的低峰均功率比OTFS安全传输方法。在该方法中,通过无线信道的时延多普勒(DD)域产生初始密钥,并将其作为混沌系统初始值进一步产生混沌序列。利用混沌序列进行酉矩阵设计,使得经过酉矩阵变换后的符号完全被混淆,具有类噪声的随机特性。此外通过索引控制酉矩阵选择,发射端将不同酉矩阵变换得到的OTFS时域信号进行排序并选择PAPR最低的信号进行发送。合法接收方获得索引值后可以正确解密和解调,而窃听者即使获得索引值信息,由于其没有相应的加密酉矩阵,为此无法正确解密。理论分析和仿真结果表明,所提方法在保证系统可靠性的前提下有效降低OTFS系统的PAPR。此外经过酉矩阵变换后的星座图呈现球状混乱,这使得调制方式和信息得以隐蔽,增大了窃听者的解密难度,系统的安全性得到保证。

融合多层空间注意的U型视网膜血管分割算法

针对现有算法因视网膜细小血管分割不足和抗噪声能力弱导致其分割精度低等问题,提出一种融合多层空间注意的U型视网膜血管分割算法.首先,在编码和解码部分采用特征增强残差模块,引入通道注意机制提高网络模型对血管特征的分割能力.其次,在U型网络的底部引入密集空洞卷积模块,增大感受野提取血管多尺度特征.最后,在跳跃连接阶段使用三端空间注意模块进行特征自适应细化,有效抑制特征图中的噪声.在DRIVE和STARE公开眼底图像数据集上验证本文算法,实验结果表明,所提算法准确率分别达到了0.9643和0.9683,灵敏度分别达到了0.8329和0.8224,AUC值分别达到了0.9861和0.9897.其性能指标整体优于现有先进算法.

受约束空间机器人降阶自适应神经网络滑模控制

为了实现受约束空间机器人的高精度控制,提出了一种基于U-K(Udwadia-Kalaba)方程的降阶自适应神经网络滑模控制算法;基于U-K方程,同时考虑受约束空间机器人各个关节的理想约束力与非理想约束力,推导得到详细的动力学方程;考虑到非理想约束力具有不确定性且单独采用滑模控制会出现抖振现象,提出了自适应神经网络滑模控制算法,实现各关节角度、角速度以及非理想约束力的高精度跟踪;针对系统受约束模型,对动力学方程和滑模控制器进行了降阶求解,减少了变量并简化了计算过程;为了验证所提算法的正确性与合理性,以2自由度受约束空间机器人为例进行了仿真验证;仿真结果表明:受约束空间机器人的各关节角度、角速度以及非理想约束力的跟踪误差均低于10^(-4)量级。

MRAU-net网络下的X光胸片肺野分割算法

为了解决U-net网络进行X光胸片肺野分割时,受限于特征提取能力不足导致分割结果不精确的问题,提出一种多尺度残差注意力U型网络(MRAU-net)模型.利用多尺度信息融合(MIF)模块,改善网络结构,增加对多尺度信息的获取;利用通道和空间双注意力(CSDA)模块,解决网络在有限算力下的信息过载问题.同时,对残差模块进行改进,并与U-net网络进行深度结合,提升网络的学习稳定性,缓解梯度消失和过拟合现象.实验结果表明:文中方法具有优秀的X光胸片肺野分割能力,能获得更精确的分割结果.

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。

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。

基于背景差分的一种运动目标检测方法

针对运动目标检测中,传统背景差分法在运动目标和背景颜色相近时不易检测的缺点,提出了一种检测完整运动目标的方法。该方法对YUV彩色空间下的3个通道分别选取独立的阈值进行初次检测,最大化地利用了视频中图像的色彩信息。在包含初次检测所获运动目标的最小矩形区域内进行二次检测,有效地提高了检测精度。实验证明,相比于常规方法,该方法的检测结果更加清晰完整。

V-空间和U-空间的推广

V-空间和U-空间是两类重要的凸性空间.对V-空间和U-空间进行了推广,引入两类新的k-型凸空间,即k-V-空间和k-U-空间,得到这两类空间的诸多性质.推广了V-凸性模和U-凸性模的概念,并用推广的凸性模概念刻画了k-V-空间和k-U-空间.

“互联网+”背景下高职跨界创业人才培养问题研究

当前,对于高职院校来说,如何以学生的专业为支点,发挥技术技能优势,培养跨界复合型创业人才,是迫切需要解决的问题。文章以宁波城市职业技术学院创业学院为例,分析在互联网背景下高职创业人才培养的新模式和新路径。

利用Serv-U数据管理,实现网页自主发布

简要介绍了使用Serv-U的数据库管理功能结合ASP技术,实现网页自主发布。

基于定子磁链定向的间接定子量控制应用

在感应电机定子磁链的旋转坐标系里,采用定子磁链旋转坐标变换简化系统结构,分析了基于高开关频率逆变器的间接定子量控制原理。采用能同时观测定子磁链和转子磁链的u-n模型,计算出电机磁链物理量,并在SVPWM过调制区增加逆变器输出电压的非线性补偿环节,改善了逆变器的线性程度。实验结果表明定子电流为正弦波且谐波和转矩脉动小,且具有良好的稳、动态响应性能。在具有较高开关频率的中小功率应用场合有着非常好的应用前景。

Orlicz空间的局部U性质

给出Ｏｒｌｉｃｚ空间是局部Ｕ空间的充要条件．