基于Sentinel-1/2数据融合的县域农业大棚提取

农业大棚作为一种特殊的地物类型,在高空间分辨率遥感影像上识别相对容易且精度高,但高分影像大多需商业购买,可获取性受限。为提高县域农业大棚精确提取的经济性和便捷性,该研究利用免费、方便获取的非高分Sentinel-1(雷达)和Sentinel-2(光学)遥感数据进行融合,结合光谱指数、纹理提取和主成分分析等方法,构建了多维特征集空间,采取多种分类识别方法(案),对县域农业大棚进行识别提取。研究结果表明:1)仅使用Sentinel-1/2(10 m分辨率)遥感影像,在适当分类方法(案)的支持下,可实现县域农业大棚的高精度提取;2)利用Sentinel-1(雷达)和Sentinel-2(光学)遥感数据的融合有助于提升农业大棚的识别精度。Sentinel-1/2数据融合相较于仅使用Sentinel-2(光学)遥感数据,总体精度平均提升1.70个百分点,最大提升3.29个百分点;3)文中所用识别方法(案)中,面向对象方法在大棚密度高的区域表现良好;但在大棚密度较低的区域,精度一般,表现出较强的区域(或场景)依赖性。而光学与雷达信息融合后基于像素的递归特征消除随机森林(random forest-recursive feature elimination,RFRFE)方法(案)平均精度可达96.45%,精度高且稳定,区域适应性强,适合非高分影像县域农业大棚的精确、高效提取。研究提出的基于Sentinel-1/2影像县域农业大棚提取方案,可为广大县域农业大棚经济、快速、高效提取,提供技术支持。

递归投影融合对比机制的少样本目标检测方法

针对少样本场景中尺度混乱、特征关联性差导致检测不精准的问题,提出一种基于多尺度融合对比机制的检测算法。相比先前方法仅关注表层特征迁移,该方法深刻探讨基类与新类特征空间的潜在联系。通过多尺度递归投影增加特征关联性,利用对比机制充分挖掘基类空间和通道信息,最大化引导新类特征的提取、筛选以及匹配,取得显著性能提升。在Pascal VOC和MS COCO数据集实验中验证了该方法的优越性,为少样本目标检测研究提供了新的理论支撑和研究方向。

基于Retinex理论的暗光图像增强算法

为了解决现有的目标检测、跟踪等视觉算法在暗光场景下出现的检测率下降问题,提出了一种基于Retinex理论的暗光图像增强算法。在分解网络中将图像的暗通道作为先验补偿;在降噪网络中设计一种多分辨率递归集合模块,以避免上采样时损失信息,同时编码多尺度的上下文信息;在光照恢复网络中使用快速傅里叶变换和复数卷积进行高频信号增强。所提算法在公开数据集LOL、LSRW上的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)指标分别达到了22.408 dB、0.875和18.901 dB、0.691,均优于当前主流算法。

基于多源感知的电力工程数据信息处理与识别技术研究

对电力工程数据进行识别、分析与处理是实现基建工程数据感知的关键,目前仍存在信息感知与处理技术薄弱、数据利用率低等情况。针对上述问题,文中研究了一种适用于时序参量和图像参量的融合框架。通过构建时序参量与图像参量的多参量数据融合模型,对样本数据进行数据预处理、特征提取、目标感知以及描述性分析。利用卷积神经网络对参量进行特征提取,基于改进Faster R-CNN将全连接层的所有数据信息输出到网络参数中。以实际的电力工程基建项目数据样本为应用背景,从精确性和容错性角度对所述模型进行全面分析,验证了文中所提方法的综合性能。

基于递归长短期记忆网络和镜头序列注意网络的视频摘要生成

为解决基于长短期记忆网络LSTM的视频摘要生成方法当输入序列过长时LSTM网络中的记忆单元不能集中在长时间序列的跨度上。通过深度学习的方法研究了一种基于递归长短期记忆网络(ReLSTM)和序列注意(sequential attention,SSA)的视频摘要生成模型用以提高深度学习网络学习时序特征的能力。该模型使用ReLSTM网络提取时间特征。同时,利用SSA动态调整每个视频序列输入到ReLSTM网络中的特征权重。结果表明:在数据集TVSum上F 1-score平均提高2.5%,最高提高0.2%。在数据集SumMe上F 1-score平均提高7.8%,最高提高3.4%。可见本文方法能有效地学习镜头之间的时序特征。

基于多传感器数据融合的温湿度监测系统

提出了一种改进的数据融合算法在多传感器温湿度监测系统中的应用,阐述了系统组成、融合算法和实现方法。该系统利用狄克松准则剔除粗大误差,再通过基于均值的递推估计算法,对采集的多传感器数据信息进行融合,利用Matlab软件将所得测试结果直观地显示出来。给出了硬件、软件设计方案和数据处理后的仿真结果。

带有信息反馈的最优异步递推航迹融合算法

现有的异步航迹融合算法大都采用无全局信息反馈的设计框架,并且忽略各异步传感器局部预测航迹误差间的相关性,加之考虑上述相关性的最优整体航迹融合算法的实时性难以被保证,从而导致局部传感器估计精度低、稳定性差、全局估计的最优性丧失和差的应用性等不足。为此,本文在引入全局信息反馈的基础上,同时考虑各局部预测航迹误差相关性,在融合估计误差协方差矩阵迹最小意义下,建立一种带有全局反馈机制的最优异步递推航迹融合算法。文中不仅对各种算法的次优或最优原理及性能进行了详细的分析与讨论,理论证明和仿真结果也表明了该文算法的有效性和优越性。

基因组重排技术在微生物菌种选育中的应用

对基因组重排育种技术的建立过程、自身的技术优势及其在微生物菌种选育方面的应用研究进行了综述.结果表明,该技术能大幅度提高微生物细胞的正向突变频率和速度,缩短菌种选育时间.目前基因组重排技术主要用于提高工业微生物菌种的代谢产率,增强菌株对环境的耐受性,提高底物利用率和范围等方面;未来随着生物信息学、基因组学等生物技术的发展,该技术将在药物微生物菌种选育研究中得到进一步应用.

人IgG3上游铰链区/p53四价功能域融合基因的构建及空间构象分析

目的构建人IgG3上游铰链区/p53四价功能域融合基因，并进行空间构象的分析。方法利用递归PCR法，扩增人IgG3上游铰链区/p53四价功能域融合基因，并在融合基因5′端和3′端引入Sal I与Hind Ⅲ酶切位点。将融合基因克隆入pUC19载体中，经酶切鉴定及序列测定证实后，利用计算机软件进行空间构象分析。结果人IgG3上游铰链区/p53四价功能域融合基因，经酶切鉴定及测序证实，其大小及核苷酸序列正确，与设计完全一致。计算机软件分析显示，融合基因表达产物可自动装配成四聚体，并具有4条柔性好的长多肽，可确保与其融合的其他基因片段空间构象的独立性。结论人IgG3上游铰链区/p53四价功能域融合基因的成功构建，为进一步研制多价抗体奠定了基础。

雷达组网中联合数据关联与偏差估计方法研究

针对雷达组网目标跟踪系统中,单雷达系统偏差严重影响多雷达航迹数据关联及融合跟踪质量的问题,提出了一种联合数据关联与系统偏差估计的方法。该方法利用对雷达系统偏差不敏感的新特征量———目标参照拓扑对多雷达航迹进行自适应的预关联,然后根据关联质量选择可靠的关联航迹对作为雷达系统偏差估计的先验信息,最后应用递归最小二乘算法进行偏差估计,估计结果可为预关联过程提供依据。在无需外界提供关联先验信息的情形下,该方法实现了对静态系统偏差的在线估计,从而可以进行及时的校准,保证了后续数据处理的有效性,具有很高的工程应用价值。仿真结果表明了该方法的有效性。

基因组重排技术及其在真菌育种中的应用

基因组重排(genome shuffling)是一种快速提高细胞表型的新颖的全基因组工程方法,它是基于多亲本的原生质体递归融合,提供了在缺少基因组序列数据或网络信息情况下的全基因组重组的优势。文中介绍了基因组重排的原理、优点及过程,概述了基因组重排在真菌育种中的应用,并展望了该技术的前景。

MEMS-IMU/GPS组合导航系统的实现

针对我国军事和民用对低成本、微小型、高性能导航系统的迫切需求,提出基于MEMS技术的IMU/GPS组合导航系统方案,深入研究了构建该组合导航系统的关键技术。由于MEMS陀螺的零偏受到温度影响,提出采用递推最小二乘自适应标定算法(ARLS)进行误差标定和补偿,从而提高MEMS陀螺的使用精度;建立了MEMS-IMU/GPS组合的卡尔曼滤波器,利用加速度计倾角传感器原理估计载体的水平姿态,增强了姿态信息的冗余度和可靠性;设计了该组合导航系统的信息融合策略。最后,构建了基于DSP的MEMS-IMU/GPS组合导航系统。机载飞行试验结果表明,该系统算法正确、性能可靠,达到了较高的导航精度,具有广阔的应用前景。

基于多速率传感器动态系统的多尺度递归融合估计

该文将基于模型的动态分析方法与具有统计性的多尺度信号变换方法相结合,基于最细尺度上给定的状态模型和不同尺度上给出的多速率传感器动态系统,建立了一组新的多尺度动态模型和多尺度误差模型;利用确立的尺度之间的递归关系,给出了一种新的多尺度递归数据融合估计算法,在最细尺度上获得了状态基于全局信息的融合估计值;理论推理证明了这种方法的正确性,计算机仿真验证了算法的有效性。

结合小波与递归神经网络的低分辨率人脸识别

针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积神经网络中加入递归模块,在增加网络深度的同时减少参数冗余,提升模型的映射能力;最后,提出一种优化的重建与感知损失融合方法,将小波系数重建损失与感知损失进行加权融合,用以生成有利于识别的人脸图像。基于公开数据集,对图像重建质量与识别性能进行了对比。实验结果表明,即使在极低的分辨率条件下(8×8,16×16),仍然能够重建出更加锐利的人脸图像。在此基础上,其识别能力优于目前领先的超分辨率重建算法。

基于多传感器数据融合的温室温度采集

温室具有空间大且温度场分布受多种参数影响大等特点。基于这些特点,本文提出了基于多传感器数据检测与数据融合技术的温室环境温度采集方法。在多传感器采集数据基础上,采用分布图法去除疏失误差,同时采用基于均值的递推估计融合的方法对采集的数据进行融合。仿真结果表明,采用这种方法可以提高温度采集的精度,同时有效地消除了由于传感器失效引起的误差。

多尺度递归融合估计在组合导航系统中的应用

多尺度递归融合估计是对多传感器系统进行的基于尺度的融合估计算法。利用小波变换中多尺度分析的思想,构造出多尺度动态模型,利用该模型对粗尺度上的状态估计值进行修正,递归获得最细尺度上基于全局测量值的最优估计值,该估计值是方差最小意义下的最优估计。将此算法应用于SINS/GPS组合导航系统中,仿真结果表明,应用该算法能取得较好的效果,获得了比仅在单一尺度上进行kalman融合估计更好的结果,有效地提高了组合导航系统的精度。

基于多评价标准融合的医疗数据特征选择算法

基于医疗数据具有高维度、稀疏等特点,本文提出了一种融合多个评价标准的递归特征消除算法.首先,应用过滤型特征评价标准对特征进行初步筛选;然后,采用特征序列方法对多个特征评价标准的结果进行融合;最后,结合递归特征消除搜索方法进行特征选择.在医疗数据集上与使用单一评价标准的特征选择方法进行疾病预测性能对比实验.结果表明:本文所提方法的预测表现优于其他特征选择方法,其预测的AUC值、精确率、召回率、F1值、准确率均有所提升.

基于正交基神经网络算法的多传感器数据融合方法

为了改善多个同类传感器检测目标参数的性能,提出了一种基于递推最小二乘法的多传感器数据融合的正交基神经网络算法,用基于递推最小二乘法的神经网络算法对各传感器的量测数据进行处理,并用神经网络输出结果的平均值来实现多传感器的数据融合.为了验证算法的有效性,给出了多传感器数据融合的仿真实例.研究结果表明,基于递推最小二乘法的多传感器数据融合的正交基神经网络算法是有效的.

多传感器数据融合技术在温度检测中的应用

由于温室空间大且温度分布受多种因素影响等特点,提出了一种多传感器数据融合技术的温度检测系统。并进一步采用格罗布斯准则消除粗大误差,并运用基于均值的递推融合算法对采集的数据进行处理。结果表明,采用这种方法可以有效的消除由于传感器失效引起的误差。

一种用于振动陀螺零偏抑制的复合融合算法

针对振动陀螺零偏误差会影响其长期精度的问题,提出了一种可以去突变或奇异信号并保留有效信号的陀螺滤波算法。首先应用小波分析法对原始信号进行分解,高频信号软阈值处理,信号重构,得到粗糙去噪信号;然后采用含遗忘因子的推广递推最小二乘算法对粗糙去噪信号进行最优估计;最后实验表明,采用小波分析和推广递推最小二乘的陀螺融合算法,陀螺零偏稳定性可提高40%左右,比传统小波分析算法可提高20%左右。