CONSTRUCTIONOFACLASSOFPNSEQUENCESWITHPRIMENUMBERPERIODSOF4t＋1FORM

构造了一类４ｔ＋１型质数周期的伪随机序列。该序列提供了比ｍ（Ｍ）序列更多的可供选择周期数，同时证明了它具有良好的伪随机特性     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

基于视频的三维人体姿态估计

已有的三维人体姿态估计方法侧重于通过单帧图像来估计人体的三维姿态,忽略了视频中前后帧之间的相关性,因此,通过挖掘视频在时间维度上的信息可以进一步提高三维人体姿态估计的准确率。基于此,设计了一种可以充分提取视频时序信息的卷积神经网络结构,在获得高精度的同时也具有消耗计算资源小的优点,仅仅使用二维关节点的坐标为输入即可恢复完整的三维人体姿态。然后提出了一种新的损失函数利用相邻帧间人体姿态的连续性,来改进视频序列中三维姿态估计的平滑性,同时也解决了因缺少帧间信息而导致准确率下降的问题。通过在公开数据集Human3.6M上进行测试,实验结果表明本文方法相比目前的基准三维姿态估计算法的平均测试误差降低了1.2 mm,对于视频序列的三维人体姿态估计有着较高的准确率。      

结合轮廓及骨架序列编码的二维形状识别

二维形状识别是物体识别中的一个基本问题,被广泛地应用于商标检索、指纹识别、物体定位、图像检索等多个领域。其中,基于生物信息学的二维形状识别是近期一个新的研究方向,基本思想是把二维形状的轮廓转化为生物信息序列,借助标准的生物信息序列分析工具来进行二维形状的匹配和识别。不过,利用轮廓进行信息序列编码存在编码冗余和编码准确性不高的问题,本文提出了一种新型的结合形状轮廓和骨架的序列编码方法。该方法利用骨架表示形状的细长分支,减少编码的冗余;并分别对轮廓和骨架进行不同类型的编码,具备编码简洁、后续匹配准确性高等优点。最后,本文在三个公开数据集上进行大量的形状识别实验,并与多种通用形状识别方法进行了比较。实验表明,本文方法在多个实验中均取得了较高的识别准确率,相比基本的形状特征描述方法,准确率提高了近5%。      

滚摆非定常流场的定量流动显示

对 8 0°三角翼滚摆的非定常流场进行常规流动显示和定量流动显示即PIV测量 ,获得了对于引起和维持滚摆的气动机理的新认识 ,即引起和维持滚摆的气动机理不仅在于前缘分离涡相对翼面位置的动态迟滞特性 ,而且还在于前缘涡强度的动态迟滞特性     

超跨声速喷流流场的PIV测量

对示踪粒子发生装置和几种粒子的特性进行了实验研究 ,发现压缩空气流中自然存在的润滑油粒子在跟随性、分布的均匀性和稳定性、以及浓度方面对于PIV测量都非常有利。实验成功地应用PIV技术对超跨声速喷流流场进行了测量 ,初步分析了测量结果与理论的差异 ,并分析了实验的可靠性和精度。     

粒子像斑三维定位的透视成像原理和方法

在三维粒子成像测速 (PIV)方面 ,可运用体积光照明同时从不同光轴用多个照相机获得PIV图像 ,如何根据这些不同光轴获得的PIV图像确定出粒子物点的空间位置是实现三维粒子成像测速的前提。基于此 ,提出了根据多幅不同光轴的PIV图像的粒子像斑实现粒子物点三维定位的透视成像定位原理和方法。精确确定透视平面与透视中心在空间的位置是实现粒子物点三维定位的关键 ,直接测定透视中心 (照相机的光学中心 )和透视平面在空间的精确位置用常规的测量手段和方法难以奏效 ,因而针对透视图像成像特征及规律进行了较为深入地研究探讨 ,这对于寻求精确计测透视中心和透视平面空间位置的方法有着重要意义。作为实例 ,还给出了两光轴夹角为 90°情况下实现粒子物点三维定位的一系列具体方法和有关算法及定量关系。     

聚焦光场成像三维粒子场重建方法

层析重建是层析粒子图像测速(Tomo-PIV)技术实现三维粒子位置和强度信息(三维粒子场)重构的核心步骤。相比于多相机的Tomo-PIV技术,单聚焦光场相机通过一次成像能够同时采集示踪粒子的散射光的方向和位置信息。因此,提出一种单聚焦光场相机的层析重建技术用于重构流场中的三维粒子场信息。为了验证本文方法的可行性及准确性,利用几何光学建立了示踪粒子的光场成像模型,利用光线追迹技术计算了粒子在聚焦光场相机中的成像,对比了被测流场中位于不同深度位置的粒子在聚焦光场相机中的成像差异;建立了基于单聚焦光场相机的层析重建数学模型,利用乘法代数重构技术(MART)对模拟所得的光场图像进行反演计算,实现了三维粒子场的重构,并利用归一化互相关系数来表征粒子的重建质量。结果表明,单个粒子在Z轴方向上的位置精度为±0.35 mm,初步证明了基于聚焦光场成像理论的三维粒子场重建方法的可行性。     

平台系统随机数学模型的辨识

本文以PN-01型制导陀螺平台系统为对象,对其横滚通道和俯仰通道的随机漂移进行了数据采集和平稳化处理,并建立了随机数学模型。模型残量检验表明,所建立的平台系统随机漂移数学模型是适用的。从而为今后进一步改善平台系统的精度提供了必要的数学模型。     

基于PCC-LSTM模型的短期负荷预测方法

短期负荷预测是电网合理调度和平稳运行的基础。为提高短期负荷预测精度,提出了一种基于Pearson相关系数(PCC)和长短期记忆(LSTM)神经网络的短期负荷预测方法。该方法运用Pearson相关性分析对原始多维输入变量组成的时间序列进行相关性分析,选取与电力负荷数据相关性较大的影响因素作为输入量,实现原始数据的降维和选优;再通过LSTM神经网络结合Adam优化算法,对与电力负荷相关性较大的影响因素和负荷实际输出序列之间的非线性关系建立网络模型。以嘉捷BOX和重庆丽苑维景国际大酒店的负荷数据作为实际算例,并与Prophet、LSTNet、门控循环(GRU)神经网络模型方法进行对比。结果表明:所提PCC-LSTM模型预测精度均在91%以上,最高可达95.44%,有效提高了负荷预测的精度。