一种模拟非均匀介质中弹性波传播新的k-space方法

传统的伪谱(PS)方法,采用傅里叶变换(FT)计算空间导数具有很高的精度,每个波长仅需要两个采样点,而时间导数采用有限差分(FD)近似因而精度较低.当采用大时间步长时,由于时空精度不平衡,PS法存在不稳定性问题.原始的k-space方法可以有效地克服这些问题但是却无法适用于非均匀介质.为了提高原始k-space方法模拟非均匀介质波动方程的精度,我们提出了一种新的k-space算子族.它是用非均匀介质的变速度代替原k-space算子中的常数补偿速度构造得到,引入低秩近似可以高效求解.我们将构造的新的k-space算子应用于耦合的二阶位移波动方程,而不是交错网格一阶速度应力波动方程,使模拟弹性波的计算存储量减少.我们从数学上证明了基于二阶波动方程的k-space方法与基于一阶波动方程的k-space方法是等价的.数值模拟实验表明,与传统的PS、交错网格PS和原始的k-space方法相比,我们的新方法可以在时间和空间步长较大的均匀和非均匀介质中,为弹性波的传播提供更精确的数值解.在保持稳定性和精度的同时,采用较大的时空采样间隔,可以大大降低数值模拟的计算成本.

Two exact first-order k-space formulations for low-rank viscoacoustic wave propagation on staggered grids

Wave propagation in the viscoacoustic media is physically dispersive and dissipated.Completely excluding the numerical dispersion error from the physical dispersion in the viscoacoustic wave simu-lation is indispensable to understanding the intrinsic property of the wave propagation in attenuated media for the petroleum exploration geophysics.In recent years,a viscoacoustic wave equation char-acterized by fractional Laplacian gains wide attention in geophysical community.However,the first-order form of the viscoacoustic wave equation,often solved by the conventional staggered-grid pseu-dospectral method,suffers from the numerical dispersion error in time due to the low-order finite-difference approximation.It is challenging to completely eliminate the error because the viscoacoustic wave equation contains two temporal derivatives,which stem from the time stepping and the amplitude attenuation terms,respectively.To tackle the issue,we derive two exact first-order k-space viscoacoustic formulations that can fully exclude the numerical error from the physical dispersion.For the homoge-neous case,two formulations agree with the viscoacoustic analytical solution very well and have the same efficiency.For the heterogeneous case,our second k-space formulation is more efficient than the first one because the second formulation significantly reduces the number of the wavenumber-space mixed-domain operators,which are the expensive part of the viscoacoustic k-space simulation.Nu-merical cases validate that the two first-order k-space formulations are effective and efficient alternatives to the current staggered-grid pseudospectral formulation for the viscoacoustic wave simulation.

Research of Sensitivity Encoding Reconstruction for MRI with Non-Cartesian K-Space Trajectories

The Sensitivity Encoding (SENSE) parallel reconstruction scheme for magnetic resonance imaging (MRI) is implemented with non-cartesian sampled k-space trajectories in this paper. SENSE has the special capability to reduce the scanning time for MRI experiments while maintaining the image resolution with under-sampling data sets. In this manner, it has become an increasingly popular technique for multiple MRI data acquisition and image reconstruction schemes. The gridding algorithm is also implemented with SENSE due to its ability in evaluating forward and adjoin operator with non-cartesian sampled data. In this paper, the sensitivity map profile, field map information and the spiral k-space data collected from an array of receiver coils are used to reconstruct unaliased images from under-sampled data. The performance of SENSE with real data set identifies the computational issues to be improved for researched.

基于K-means聚类和特征空间增强的噪声标签深度学习算法

深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。

一种多粒度空间的快速构建方法

粒计算是模拟人脑多粒度认知模式处理复杂问题的一种方法.模糊商空间理论作为粒计算的一种典型模型,将复杂问题渐进式粒化成为分层递阶的多粒度空间,从而实现层次化的求解.然而,面对海量高维数据,现有模糊商空间模型通过模糊相似关系构建多粒度空间的效率将大幅降低.一方面,模糊相似关系需要计算数据空间中任意两个对象之间的相似性,不利于处理体量大的数据集;另一方面,模糊相似关系包含大量冗余信息,导致后续步骤中存在大量的冗余计算.因此,本文基于2近邻模糊关系,提出了多粒度空间的快速构建方法,在保证面向下游分类任务时性能不下降的前提下,极大地提升了多粒度空间构建效率.首先,基于k近邻算法提出k近邻模糊关系,并分析证明其关键性质;然后,面向多粒度空间构建任务,对k近邻模糊关系进行参数分析,从理论上证明k取2时即可包含数据空间中全部有效信息;随后,定义了最近邻和次近邻两阶段的有效位置数,提出了模糊相似关系有效值和有效位置提取算法,多粒度空间构建效率提升了75%左右.最后,通过在9个UCI数据集、3个UKB数据集、3个图像数据集和3个文本数据集上的相关实验,验证了该算法构建多粒度空间的高效性、正确性以及面向下游分类任务的有效性、稳定性和显著性.

基于形态特征的破碎玉米籽粒识别及检测装置设计

基于K-Means聚类分割算法、颜色空间转换和形态学特征,通过对辽沈地区广泛种植的玉米的面积、面积与周长比、短轴与长轴比、圆形与矩形及五种形态特征的分析,识别出玉米碎粒。同时,设计开发了一种基于同步带轮的玉米籽粒破碎率在线检测装置,用于玉米籽粒破碎率的在线检测与识别。研究结果:①利用K平均算法分割算法将图像分割为目标区域和背景区域;②利用K平均算法分割算法将图像分割为二值化图像,进一步对二值化图像采用形态闭运算填充目标区域的非连通区域,对目标区域进行统计分析,计算出形态特征;③通过多组试验,玉米籽粒破碎的识别率可达94%。

基于多尺度Harris角点检测的图像配准算法

针对现有多尺度Harris算子算法较复杂、运算量大、精确性一般的问题,提出一种高效简便算法。首先建立多尺度空间,令Harris算子在尺度空间提取特征点,用简化的32维SIFT特征向量描述特征。利用最近邻法匹配特征点;然后采用改进的相似三角形法筛选匹配点,再使用改进的K-means算法对特征点分组,使组内特征点聚集,组间特征点远离;最后应用改进的RANSAC算法在不同组中选取特征点求变换矩阵,避免了选取的特征点距离过近,算法陷入局部最优。实验验证了所提算法的性能。

6 W@80 K空间同轴脉管制冷机设计与实验研究

针对某空间红外载荷需求,基于Sage平台搭建了同轴脉管制冷机整机模型,根据仿真结果对冷头结构参数进行了设计计算。在此基础上,利用实验方法探究了回热器填充方式、惯性管组合方式、充气压力、输入功率、冷头方向对制冷机性能的影响,并与仿真结果比较,两者吻合度较高。研制成功的脉管制冷机整机质量为3.5 kg,输入功率150 W时,无负荷制冷温度为39.74 K,可获得7.23 W@80 K的冷量,整机相对卡诺效率13.26%,在空间用同轴脉管制冷机中处于先进水平。

基于聚类和随机搜索优化的核反应堆数字孪生参数反演模型

为了实现对核反应堆内置传感器的大量数据的高效存储、传输和分析,本文结合聚类算法与随机搜索优化的人工神经网络,对空间热离子反应堆的数字孪生系统搭建了一个参数反演模型,实现在热管失效工况下的堆芯温度数据的反演。使用20%热管失效工况下空间热离子反应堆堆芯4个区域的温度数据,通过K-means聚类与轮廓系数指标提取各区域的特征温度参数,通过随机配置优化的全连接人工神经网络(ANN)完成特征参数到其他参数的反演,并对反演效果进行验证。研究结果表明,运用该方法对燃料、发射极、接收极、冷却剂4个区域进行参数反演,温度反演值的相对误差均方根分别为0.55%、0.41%、0.19%、0.18%,其中用于反演的特征参数占总参数比例均不超过8%。因此本研究建立的参数反演模型能够获取特征参数的物理含义,并对空间热离子反应堆堆芯温度参数进行较高精度的反演。

K-框架及其K-对偶Bessel序列

研究了K-框架及其K-对偶Bessel序列。首先,给出了Bessel序列为K-框架的充要条件,在闭子空间R(K)上借助逼近K-对偶,研究了构造K-框架及其对偶的方法。其次,给出了两个K-框架是逼近K-对偶的充要条件,得到了构造逼近K-对偶的简单方法。最后,基于K-对偶Bessel序列,在R(K)上构造了可与K-框架交换位置的Bessel序列。

基于改进的K-means聚类分区均匀化空间学习索引

传统空间索引的体量随数据量的增加而膨胀,查询效率较低。学习索引的体量不随数据量的增加而膨胀,同时避免了层级比较查询,性能优异。将学习索引应用于空间索引存在2个难点:一是选取合适的降维方法实现空间数据的排序;二是对降维后数据序列进行有效的简化分布计算,使其易于拟合。基于此,提出了一种网格混合聚类分区学习索引(grid-ml),用z曲线进行降维,用双层网格结构优化查询策略,用改进的K-means聚类算法进行数据分区,实现数据分布均匀化。对比实验发现,grid-ml构建速度快、存储空间小、查询效率高,较传统空间索引优势显著。

基于改进多尺度ORB的图像配准算法

针对现有多尺度ORB算法精确度不高、运算时间长的问题,提出一种改进算法。首先以下采样加滤波的方法建立多尺度空间提取ORB特征点;采用最近邻法匹配特征点,利用匹配点邻域灰度分布相似性,将特征点的显著性引入余弦相似度筛选匹配点;结合图像的局部熵改进了K-means算法,只在特征点密集区域内检测初始类中心点,使特征点根据图像内容更合理地分类;再使用高效的改进PROSAC算法计算图像间的变换矩阵,在保证变换矩阵准确性的情况下,进一步减少运算量;最后通过两组实验验证了算法性能。

混合k空间经颅聚焦超声相位校正

经颅聚焦超声是一种非侵入性治疗方式,为脑功能性疾病的治疗提供了一种新思路,其常见的应用有血脑屏障打开、脑部肿瘤消融、神经调控等。由于颅骨的异质性,超声在传播过程中会产生畸变,需要一定的相位校正实现超声的聚焦。利用时间反转结合k空间伪谱可以实现对于非均匀的颅骨进行相位校正。然而,在相控聚焦过程中,同时提高相位校正的精度和减少计算的时间是一个矛盾的关系。该文提出伪谱法和角谱法相结合的混合k空间方法在较短时间内优化相位校正,k空间伪谱模拟非均匀的颅骨部分,角谱法模拟均匀的脑组织部分,并对经兔颅骨后的声场进行仿真与测试。结果表明,混合k空间和k空间相位校正方法得到焦点处的声压差和位置差较小,分别为3%和6%。在模型网格大小为310×310×300条件下,混合k空间相位校正方法的相位计算时间(14.98 min)与k空间方法(91.73 min)计算时间相比大幅降低,在脑超声治疗临床方面具有良好的应用前景。

基于时间聚类推理的立体车库车位分配策略研究

采用立体车库车辆到达-离去时间数据,通过k-means聚类方法依据不同时段存取车到达频率对车辆进行类别划分,以立方聚类标准为评价指标对划分可信度进行评估。以车辆到达-离去时间划分推理结果及I/O至待存取车位的设备总服务时间与停留时间长短关系,建立立体车库车位分区分配数学模型。定义顾客平均等待时间为立体车库效率评价指标,仿真对比分析就近分配与本文设计聚类推理分区分配的效率指标。仿真结果表明:本文设计的分配策略相较于就近分配策略能有效缩短顾客等待时间,表现为顾客等待时间减少9.5%。研究结果为此类车库车位分配过程提供参考,为提高车库运行效率提供决策支持。

基于相位共轭对称的GRAPPA并行成像算法研究

为了提高GRAPPA并行成像算法的图像质量,提出了一种基于k空间相位共轭对称的GRAPPA并行成像算法。该算法首先把k空间分成两个区域:GRAPPA并行采样区和未采样区。其中GRAPPA并行采样区以常规的GRAPPA算法为基础进行数据重建。为提高重建算法的稳定性,在GRAPPA重建时引入了Tikhonov正则化因子。对未采样区利用k空间的相位共轭对称特性进行数据重建。在1.5 T超导磁共振成像系统中对算法进行了验证,相位共轭对称GRAPPA算法图像的伪影降低了16.8%,而算法对图像信噪比没有显著影响。实验结果表明,所提出的方法可以有效抑制GRAPPA并行重建伪影,提高图像质量。

基于聚类和Apriori算法的苗族女上装色彩分析

苗族服饰元素是中国服饰文化的重要组成部分,其色彩搭配方式蕴含着极大的文化价值,展现了中国传统设计理念。以苗族女上装图像作为研究对象,对其色彩进行提取与分析。通过K-means聚类得到10个整体色、5个主色及10个辅色代表色,在HSV色彩空间下分析苗族服饰色彩分布,最后采用Apriori算法挖掘配色规则并建立配色网络。结果显示,苗族女上装以中低饱和、中低明度的红、黄、蓝色系为主,图案与主体色彩呈现出强烈对比。将配色关系应用到设计实践中,可促进苗族服饰色彩的传承与保护,为研究民族传统服饰色彩提供一定的借鉴和参考。

中国太阳辐射时空变化趋势研究

近年来受雾霾、PM2.5等环境污染影响,地表太阳辐射变化剧烈。分析研究太阳辐射时空变化规律对于太阳能资源利用的部署和规划有着重要意义。本文研究基于85个太阳辐射数据监测台站数据及太阳辐射估算模型,补全了1994个台站1970—2020年的太阳辐射数据,在此基础上利用创新趋势及M-K突变检测分析了各台站的长期变化趋势及突变情况,得到了中国年、季节总太阳辐射时间变化的空间分布。结果显示:在1970—2020年间,我国的年总太阳辐射整体呈减小趋势,平均变化为-4.26 MJ/(m~2·a);西藏西部、甘肃西部及陕西中部呈现增大变化趋势,平均变化约30~105 MJ/(m~2·a);在山西、河南、山东的部分地区,减小趋势最快,约为-100~-45 MJ/(m~2·a);春季总太阳辐射呈增大趋势,平均变化为0.89 MJ/m~2,夏季总太阳辐射减小趋势最明显,平均变化为-2.40 MJ/m~2。

基于改进K均值聚类的光伏板缺陷检测方法

为了能够对光伏组件热斑部分准确地识别和提取,提出了一种基于HSV空间模型的改进K均值聚类图像处理方法。首先,将红外图像进行HSV空间转换和双边滤波处理,去除噪声并提高图像对比度;其次,使用高斯核函数估计实现图像灰度概率密度函数提取,并以此获取初始聚类中心;最后,利用先验知识对图像进行K均值聚类,提取和量化热斑缺陷。研究结果表明,该方法能够快速地检测定位热斑位置并统计出光伏板损坏程度,具有较高的精度以及较好的灵敏性和稳定性。

Top-k空间偏好查询方法研究

随着无线通信技术的发展和智能移动终端的广泛普及,基于位置的服务已经融入了人们生活的方方面面。其中,Top-k空间偏好查询在地理信息系统、城市建设规划、资源调度与分配、旅游规划等领域具有重要的意义。Top-k空间偏好查询是根据空间对象周围的特征对空间对象进行等级评价,并返回具有最高等级评价的k个空间对象。目前,对于Top-k空间偏好查询的研究主要集中在欧式空间和路网环境,本文对欧式空间和路网环境下的Top-k空间偏好查询方法进行分析和比较。

电能计量装置异常状态监测方法研究

电能计量装置计量过程中,受功率谱谐波震颤强度影响,其状态指标数据呈现高度混沌状态,导致监测性能较差。为此,提出基于改进聚类分析的电能计量装置异常状态监测方法。通过构建电能计量装置状态评估体系,选取具有评估价值的技术指标及其对应的参数指标,并将相关指标参数视为待分类对象,以获取电能计量装置运行状态的混沌样本数据。利用蚁群算法优化K-Means聚类方法的聚类指标数据,实现电能计量装置状态监测。试验结果表明:该方法应用后的电能计量装置异常状态检出率较高,并且预测值与实际值的拟合率、准确率均较高。该方法监测性能较好。