基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

飞机结构件数控制造进度管理研究

针对传统以经验为主的数控制造项目管理带来的资源冲突及工作滞后等问题,以某型号结构件数控制造项目管理为例,在制定初始进度计划和分析制造过程关键路径的基础上,采用关键链方法优化项目进度计划,并在实际生产中进行应用.结果表明,该方法能够避免资源浪费、进度拖延等现象,保证结构件交付节点,为飞机结构件数控制造项目进度安排探索了管...     

公务包机“惊情”100天

"自新冠疫情爆发以来,全球航空运输业经历了前所未有的挑战,在这样的危机时刻,公务航空私密、便捷和安全的特性更为显著。但受全球疫情发展和各国防控政策等的影响,在过去100多天中,中国公务航空经历了过山车一般的动荡时刻。"公务包机"惊情"100天2020年的春节在1月24日,很多公务机客户提前安排全家人的春节出行计划,特别是避开国内春节拥挤的出国计划。     

一种航班统计分析系统的设计与实现

提出一种航班统计与分析系统,系统通过C#设计实现。系统处理来自民航局下发的EXCEL文件,对长期固定计划进行分析处理。与此同时,结合实际工作处理来自飞行信息处理系统(FIPS系统)的实时航班信息,提供动态查询及静态查询等多种用户接口功能。系统能生成用户需要的多种数据报表,对空中交通管制分析航班执行效率及其他航班数据分析提供良好的技术手段。     

基于学习自动机的雷达干扰资源分配研究

综合考虑干扰机干扰频率、干扰功率、干扰时机和干扰样式等干扰效果评估指标,构建干扰效益矩阵,建立目标函数,构建干扰资源分配博弈模型,并基于学习自动机原理提出了分布式干扰资源分配算法,求解出干扰分配决策。仿真结果表明,提出的分布式干扰资源分配算法能以很低的复杂度来获得很好的干扰性能,有效地解决了干扰资源分配问题,对实际作战指挥有一定的指导意义。     

基于姿态偏置的卫星天线方向图在轨测试实现

针对静止轨道通信卫星在轨测试期间天线方向图测试的需求,分析了天线方向图测试的方法。针对利用姿态机动进行天线方向图测试问题,给出了地面操作及操作计划制订方法,并通过工程实际验证了该方法的有效性。     

欧洲探测器成功撞击月球

□□2006年9月3日,欧洲航天局(ESA)宣布,欧洲第1个月球探测器--斯玛特-1(SMART-1)于北京时间3日13:42:22(格林尼治时间9月3日05:42:22),成功击中月球表面(46.2°W,34.4°S),宣告历时3年多的探月计划终于成功结束.不过,在撞击过程中没有观察到此前估计的斯玛特-1在月面多次弹跳的"打水漂"现象.     

基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。     

基于多模态组合互补性学习的时尚兼容度预测模型研究

在时尚单品兼容度预测研究中,多模态特征间的互补性以及融合特征对于视觉特征的相关性问题未得到充分挖掘。针对这个问题,提出多模态组合互补性学习的时尚兼容度预测模型。该模型由四部分构成：特征提取网络使用ResNet18提取视觉特征和LSTM提取文本特征;然后使用联合表征网络将视觉特征与文本特征映射到相同的多模态嵌入空间中,减小模态间的差异性增强互补性;考虑到互补融合特征对于视觉特征的相关性问题,特征融合网络使用了组合模块分别组合了视觉特征和多模态特征;最后使用类别感知的映射方法将多模态特征映射进基于类别感知的嵌入空间中分析时尚服装的兼容度。实验仿真结果表明,该模型在消融实验以及在时尚兼容度预测的相关评价指标上均有提升和优化。