只含有一个非平凡块连通图的计数

利用组合理论和图的计数理论,讨论了只含有一个非平凡块的连通图的计数问题,给出了新的结论。     

基于方向自适应菱形搜索的运动估计算法

基于对运动矢量分布特性的研究,提出了一种基于方向自适应菱形搜索的运动估计算法.该算法对搜索起始点进行预测;设置"双阈值",针对匹配块提前中止搜索;并根据运动特征,自适应地选择小菱形模板和4种新型的方向自适应菱形模板,具有强烈的搜索方向性.实验结果证明,该算法不仅大幅度地减少了平均搜索点数,而且在一定程度上提高了重建图像的信噪比,其搜索速度和精度均优于传统的快速运动估计算法.      

用于F-35联合攻击机的光电分配孔径系统

Lockheed Martin公司的F-35联合攻击机研制小组成功启动了该机的光电分配孔径系统(EO DAS)早期风险缩减飞行试验计划的第一阶段。飞行是在马里兰州Patuxent River附近进行的。由Northrop Grumman公司电子系统部牵头的小组研制的下一代EO DAS可为F-35提供导弹告警,导航以及红外搜索跟踪(IRST)用的前视红外(FLIR)传感器。     

基于疲劳寿命的民用飞机舱门止动块允许间隙

止动块是民用飞机舱门重要的结构零件,它通过面-面接触将舱门受到的增压载荷传递至机身门框,止动块结构的可靠性对飞行安全至关重要。对于面-面接触问题,接触间隙影响载荷分配,同时零件寿命对载荷变化非常敏感,已有研究中缺少间隙对止动块载荷以及疲劳寿命的影响。以某型飞机的舱门止动块为研究对象,建立舱门-门框的精细网格有限元模型,模型中使用线性间隙法模拟止动块间隙以及超单元法优化计算时长;提出止动块间隙的数学描述方法,采用蒙特卡洛模拟分析间隙对止动块载荷的影响;利用细节疲劳额定值(detail fatigue rating,简称DFR)法分析疲劳寿命随止动块间隙的变化规律,给出目标寿命下允许间隙的设计方法,可以为舱门止动块间隙设计提供参考。     

面向月球基地设备交互场景的目标检测与路径规划算法研究

随着国际月球科研站计划的快速推进,针对月球基地相关技术的研究受到了广泛关注。面向月球基地场景下不同的设备间进行自主接触式交互这一应用背景展开研究。考虑不同的设备在进行自主接触式交互时,需要准确地完成相互识别,并且规划出畅行无阻且较优的行进路线以保证往返活动顺利进行,基于Webots搭建了月球基地仿真环境进行目标检测和路径规划相关实验。以前后配备高精度RGB相机的交互设备为载体实现基于TPH-YOLOv5月球基地场景下的目标检测。此外,设计并实现了交互设备在月球基地场景下基于双向快速扩展随机树（Bidirectional RTT）的路径规划算法,以保证交互设备在月球基地环境下的相关工作顺利进行。仿真结果显示,该目标检测及路径规划算法能够实现预期功能。     

带冠整体涡轮盘电火花加工CAD/CAM技术

叙述了作者研发的带冠整体涡轮盘电火花加工专用CAD/CAM系统--BliskCad/Cam.该系统解决了电极设计与制造、加工轨迹搜索、加工仿真与精度检测等技术难题.对某航空发动机的带冠整体涡轮盘进行的实验结果表明,BliskCad/Cam完全能够满足加工精度要求,并缩短加工准备时间50%以上.     

基于Monte Carlo方法计算积分的研究

积分是微积分知识的一个重要知识点,积分变化形式多样,对于被积函数是非初等函数的积分,很难直接求解.为求解一些复杂函数的积分,本文研究了Monte Carlo计算积分的方法,蒙特卡罗方法是通过计算机模拟产生随机数,利用概率分布将数据模拟出来,从而建立相应的模型来处理相关问题.本文采用Monte Carlo方法对定积分和二...     

基于目标威胁度计算的相控阵快速确认跟踪模式

机载相控阵雷达在探测远程、低空、高速目标时具有较大潜力。本文对机扫加相扫雷达环境下,如何充分发挥相控阵优势,提高机载雷达跟踪远程低空高速目标性能展开研究,在传统边扫边跟(Track while scan,TWS)技术基础上,给出了一种基于目标威胁度的快速确认跟踪模式。该模式采用有效的相控扫描策略,充分利用其波束捷变能力,通过相控回扫,一方面快速起始航迹,增加高威胁目标的跟踪距离;另一方面适当增加探测数据率,提高对远距高威胁目标的跟踪性能。仿真试验表明,新跟踪方法不但可以较好克服目标雷达散射截面积(Radarcross section,RCS)起伏影响,较快地起始和跟踪目标航迹,而且保留了TWS方法覆盖空域广的优点。     

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。     

对抗黑盒攻击的混合对抗性训练防御策略研究

随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。