汉字字元构成分析

本文以汉字演变的轨迹为依据,对汉字的字元构成进行了一些分析,讨论了古汉字与现代汉字中字元的关系以及字元的产生、字元的变异、字元的信息量度量,从而对现代汉字字元的切取、归并等提出了自己的看法。基于这些看法,作者选取了近400个字元对《新华字典)(1981年版)上的近一万个汉字的字元组字频率及字元组成的结构类型作了统计,为汉字识别等技术的研究提供了有益的依据。     

《蝇王》象征体系的构建

《蝇王》是当代英国著名小说家威廉.戈尔丁的第一部小说。戈尔丁以象征手法和寓言为主要叙述技巧来表现“人心的黑暗”这一主题。主要从背景、人物以及实物这3个方面分析象征主义手法在《蝇王》中的运用,正是通过这种无处不在的象征,戈尔丁向人们揭示出社会的一切弊端无不是由人的邪恶本性造成,并希望现代人能认识自己的本性,有意识地抑制本性中的黑暗面,起到了警世的作用。     

冷却抑制二元收扩喷管红外特征的模型实验与数值研究

为研究二元收扩喷管排气系统的红外特征及其采取冷却措施后的红外抑制效果,设计了带有冷却结构的喷管实验模型,测量了3组实验状态下的喷管壁面温度和红外辐射强度分布,分析了喷管腔体内各部件的辐射贡献大小。研究结果表明:二元收扩喷管排气系统的积分辐射强度在0°方向上最大,并且随着角度的增大而减小;扩张板的壁面温度下降21.1%,侧壁的壁面温度下降26.6%,可使积分辐射强度降低11.5%~31.9%;在扩张段冷却的基础上,中心锥的壁面温度下降9%,可使积分辐射强度降低21.7%~38.9%。     

水滴撞击特性的动态图像测量方法

用石膏脱模的方法制作圆柱实验件.实验采集圆柱试件表面不同位置染色过程的动态视频数据;依据圆柱驻点处色度值时序信号的增长曲线,将实验划分为欠饱和区、平衡区和过饱和区3个阶段;将平衡区RGB色度空间的色度值c与水滴撞击特性的局部水收集系数建立关联.结果表明:平衡区的比色分布符合局部水收集系数相对驻点处β/β_m分布;不同位置c值增长曲线具有相似性,缩比时间尺度1/t_b分布符合数值仿真欧拉法β/β_m分布的定义;实验结果与数值仿真结果对比误差率小于10%.     

航空发动机管路测量数据分割方法

 为了提高航空发动机管路测量数据的反求建模效率,提出了一种区域增长分割算法。该方法主要是利用管路表面在曲面索引系数映射、主曲率映射、高斯映射上的特性,并基于均值漂移算法和遗传算法提出了区域分割算法中种子区域的选择策略。然后利用区域增长分割方法实现了对管路测量数据的分割。经过仿真和实测数据验证,所提管路分割算法具有较好的分割质量和效率。     

航空复杂产品的 CATIA 结构稳健建模方法研究

针对现有建模方法无法有效对航空产品 CATIA 模型进行快速修改与重用的问题,提出了以曲面分割为建模策略的结构稳健性建模方法。该方法通过对父子关系关联传播路径进行分析,找出影响 CATIA 特征模型结果稳健性的因素,即几何元素方向、几何拓扑元素、建模策略。通过研究特征构建时,输人元素的性质和基于此性质的操作方法,实现结构稳健性建模,即通过对外部输人和建模过程中的关键几何元素进行方向控制、创建显式参考代替几何拓扑元素、禁止使用复杂草图、采用基于曲面分割的设计特征模块化建模策略等方式,实现特征模型的快速修改与重用。工程实例证明了所提方法的实用性和可靠性。     

支持向量机理论的研究与进展

回顾了支持向量机理论的发展历程,介绍了支持向量机的标准训练算法及其分解算法、变形算法、几何算法以及多类分类算法,重点描述了最小二乘支持向量机算法,总结了支持向量机理论及其应用的现状与存在问题,对支持向量机的未来发展方向进行了展望。     

空间站梦天实验舱整器动力学分析和试验研究

空间站研制过程中，获取准确的航天器主要动力学特性有重要意义，整器动力学特性测试是研制过程中一项必不可少的大型试验项目。针对空间站梦天实验舱整器动力学问题，通过建立螺栓—法兰局部连接结构的有限元模型，分析接触状态下刚度随外力的变化关系，分别计算拉压特性下的刚度量级，并采用子结构综合方法，依据部件级模态测试结果得到梦天实验舱整器的动力学特性。结果表明:将螺栓法兰连接刚度等效为双线性弹簧，结合子结构综合预示方法，梦天整器动力学特性的预示具有较高精度。通过连接结构的精细化建模和子结构综合预示，只需进行舱段级模态试验，节省了研制经费、缩短了研制周期，可为空间站及其他大型航天器的研制提供指导。     

Comparison of residual and dense neural network approaches for building extraction from high-resolution aerial images

Applications including change detection, disaster management, and urban planning require precise building information, and therefore automatic building extraction has become a significant research topic. With the improvements in sensor and satellite technologies, more data has become available, and with the increased computational power, deep learning methods have emerged as successful tools. In this study, U-Net and FPN architectures using four different backbones (ResNet-50, ResNeXt-50, SE-ResNext-50, and DenseNet-121), and an Attention Residual U-Net approach were used for building extraction from high-resolution aerial images. Two publicly available datasets, Inria Aerial Image Labeling Dataset and Massachusetts Buildings Dataset were used to train and test the models. According to the results, Attention Residual U-Net model has the highest F1 score with 0.8154, IoU score with 0.7102, and test accuracy with 94.51% on the Inria dataset. On the Massachusetts dataset, FPN Dense-Net-121 model has the highest F1 score with 0.7565 and IoU score with 0.6188, and Attention Residual U-Net model has the highest test accuracy with 92.43%. It has been observed that, FPN with DenseNet backbone can be a better choice when working with small size datasets. On the other hand, Attention Residual U-Net approach achieved higher success when a sufficiently large dataset is provided.     

基于注意力机制的实例分割算法

实例分割作为计算机视觉领域极具挑战性的任务之一,要求在图像分类的基础上为每一个物体生成像素级别的分割掩码.业界主流方案可分为自上而下和自下而上两种范式,自上而下范式又可分为双阶段分割和单阶段分割.单阶段分割方案为了提高推断速度,往往使用全图卷积操作取代双阶段分割方案中先检测后分割的策略.然而,卷积网络的平移不变性使得同一种类的不同实例提取到的特征相似,仅靠全图卷积难以进行区分,从而导致单阶段分割方案精度下降.针对单阶段分割精度降低的问题,提出了一种注意力机制,该机制在特征图每个位置的特征向量上进行点积运算,并将运算结果作为新的特征图,同一位置点积结果最大化,不同位置点积结果最小化,以丰富特征图中不同实例的差异信息.通过注意力机制使得单阶段分割方案中的全图卷积操作能更好地区分同一种类的不同实例,从而生成高质量分割掩码.在公开数据集上进行实验,验证了所提方法的有效性.