关于Grothendieck代数的特征标

本文用群表示理论和复向量理论证明了Grothendieck代数的一些性质,特别是关于Grothendieck代数基的描述,即设B为K_G(X)的基,Θ={(θ,ρ)|θ是G在X上的轨道,ρ是G_x的一个不可约表示,x∈θ},其中G_x={g∈G|gx=x},则存在1—1对应f:B→Θ使得对于任意V∈B,f(v)=(θ,ρ):V_y≠0<==>y∈θ,且ρ是G_x在V_x上的一个不可约表示,x∈θ,利用这一性质,本文给出了一个求Grothendieck代数的特征标的方法,从而改进了由Luszrig,G.在文[1]中提出的方法,并且给出二面体群D_n关于其一些子群H的Grotheodieck代数的特征标表。     

特征结构配置法在输出反馈控制器设计中的应用

现代控制理论中的特征结构配置法(Eigenstructure Assignment),揭示了线性定常系统状态反馈控制规律的设计能力,并向设计者提供了充分的设计自由度。本文介绍了一种利用特征结构配置法进行输出反馈控制器设计的算法。当n阶r个输入m个输出的线性定常系统满足关系r+m>n时,运用该算法可以获得配置任意希望闭环特征值集合的线性输出反馈控制规律,并具有一定的特征结构配置自由度;对于不满足r+m>n的系统,利用积分器增广可以获得比Luenbetger状态估计器阶数低的动态输出反馈控制器,以实现闭环特征值任意配置。该算法容易用数字计算机编程实现。     

支持语义的图像检索

如何跨越低层视觉特征和高层语义特征的鸿沟，是目前计算机视觉的一个难点。文中首先在低层视觉特征上提取图像的主要颜色，然后利用语义网络建立低层视觉特征和高层语义特征之间的关联，最后，为了提高检索效率，把相关反馈引进到图像检索系统中。实验证明。该方法可以应用到大量的数据库上，取得了较好的检索准确率。     

工序问题的数学模型

本文讨论了加工的次序问题，对于不同的、具有实际意义的问题，我们得到了相应的优化准则，这些准则在实际应用中便于操作，利用这些优化准则得到了加工次序问题的最优的结果。     

加权自适应模式识别系统的数学描述

基于n元原理,采用加权训练思想,为克服经典自适应模式识别系统——WISARD的简单训练策略之不足而提出的加权自适应模式识别系统,具有自动消除伪特征、突出训练模式的固有特征、改进系统的分类性能筹优点。本文首次用数学手段描述了加权自适应模式识别系统,把系统的训练与分类过程抽象为对模式进行矩阵变换的过程。系统的分类行为由训练模式所建立的逻辑函数矩阵来表征。文中还对系统的性质作了初步探讨,指出只要合理地选取加权训练阀值,加权系统的分类性能不会弱于非加权系统。最后还给出了加权训练阀值的上界和下界。     

基于改进YOLOv4的航空发动机小目标损伤检测研究

智能化的航空发动机损伤检测是飞机故障诊断重要的研究方向,针对现有目标检测模型对航空发动机的小目标损伤检测效果差的问题,提出了一种改进的基于You Only Look Once version 4(YOLOv4)的多尺度目标检测方法。在路径聚合网络（PANet）中构建低层次的特征融合层,将更浅层的特征与深层特征融合,提高网络对小目标损伤的检测性能。为减少网络中的冗余参数,在颈部结构中引入了深度可分离卷积,将标准卷积重构为深度可分离卷积的形式。实验表明：改进后的YOLOv4对小目标损伤的检测精度提升了3.43%,模型大小降低了54.06 MB,同时检测速度提高了31.03%。研究结果表明改进的YOLOv4模型对小目标损伤具有更好的检测性能。     

基于属性引导的多源遥感舰船目标可解释融合关联网络

多源遥感舰船目标关联作为前期大范围预警探测的重要手段为海上态势研判提供重要情报支撑,现有关联算法面临关联结果可解释性差,异构特征难度量,多源目标关联精度低等问题。提出了一种基于属性引导的可解释融合网络用于解决多源遥感舰船目标的关联问题。首先,提出全局关联模块,利用跨模态度量损失函数将图像特征映射到共同空间中度量,用于解决多源图像内容差异大,特征难对齐问题。然后,提出包含多头注意力模型和属性监督函数的可解释模块,提升关联精度并输出可解释的关联结果。其中多头注意力模型让网络关注到舰船目标显著性区域,属性监督函数引导模型关注舰船图像中判别性属性特征,利用属性特征帮助网络解释输出关联结果的决策依据,并以量化的形式可视化属性特征对关联结果的贡献度。最后,利用知识蒸馏的思想减小全局关联模块和可解释模块输出特征距离的差异,使得网络实现精准关联并提供可解释的关联结果。在实验部分,构建了首个多源遥感舰船目标数据集,在该数据集上的测试结果显示本文算法不仅在关联精度上优于现有算法,同时能够为关联过程提供清晰和直观的可视化关联结果。     

基于三维特征线理论的曲面激波流场反设计方法

激波流场反设计技术是高超声速乘波布局设计领域的核心技术之一。为了克服传统吻切理论在设计全三维曲面激波流场时的缺陷,本文提出了一种基于三维特征线理论的设计方法。该方法构造了一种包含四条马赫线和一条流线的三维基本单元,发展了用于设计曲面激波流场的阵面推进方法及并行加速方法。通过对Euler方程中微分算子进行特征分解,重构了流场的控制方程,并提出了适用于求解该控制方程的Tikhonov-Lagrange拟合法,实现了三维流场的稳定求解。利用提出的设计方法,分别对高马赫数圆锥激波流场、椭圆锥激波流场、小攻角来流下的圆锥激波流场及由Bezier曲面描述的一般性曲面激波流场算例进行了设计,并与数值模拟结果进行了对比。计算结果表明,当前设计方法实现了对横向压力梯度及攻角引起的三维流动效应的合理求解,其中典型截面的壁面压力及马赫数分布与数值模拟结果相比误差分别小于0.3%和1.7%,且具有较高的并行效率。该设计方法拓展了特征线理论在全三维激波流场反设计领域的应用范围,在高超声速全三维乘波布局设计领域具有重要发展前景。     

基于改进YOLOv5的无人机实时密集小目标检测算法

无人机航拍图像与自然场景图像相比背景更复杂,存在大量密集小目标,对检测网络提出了更高的要求。在保证目标检测实时性的前提下,针对无人机视角下密集小目标检测精度低的问题,提出一种基于YOLOv5的无人机实时密集小目标检测算法。首先,将空间注意力(SAM)与通道注意力(CAM)相结合,改进CAM中特征压缩后的全连接层,降低计算量。另外,改变CAM与SAM的连接结构,提高空间维度特征捕获能力。综上,提出一种空间-通道注意力模块(SCAM),提高模型对特征图中小目标聚集区域的关注程度;其次,提出一种基于SCAM的注意力特征融合模块(SC-AFF),根据不同尺度特征图自适应分配注意力权重,增强小目标的特征融合效率;最后,在主干网络中引入Transformer模块,并利用SC-AFF模块改进原有的残差连接处的特征融合方式,更好地捕获全局信息和丰富的上下文信息提高复杂背景下密集小目标的特征提取能力。在VisDrone2021数据集上进行实验,YOLOv5s基准下,改进后模型的mAP₅₀提高了6.4%,mAP₇₅提高了5.8%,对高分辨率图像的FPS可达到46...     

基于改进Yolov3 算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3 算法的海面舰船目标实 时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3 检 测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网 络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识 别的平均准确率达到了81% 以上。