基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

面向学生的智能解题专家系统的研究与设计

探讨了网络在专家系统中的应用 ,给出了一个基于网络的面向学生的智能解题专家系统的模型 ,分析了设计的基本过程。从专家系统出发 ,探讨了基于知识的推理系统。最后 ,从以上设计出发 ,总结了基于该模型的系统需进一步研究的工作。     

态势评估领域知识的表示方法研究

从分析态势评估专家系统的结构出发,研究战场态势评估知识库的构建,进而对态势评估的领域知识进行归纳,并通过示例探讨对态势评估领域知识的表示方法,同时把可信度方法引入态势评估不确定性知识的表示,给出了复合条件可信度的计算方法。     

筒状大长度固体药柱在内压载荷下的响应

本文研究不可压缩的粘弹性圆筒，在轴对称的平面应变条件下承受内压的问题，粘弹性材料采用分数阶导数模型。并用分数阶导数模型拟合固体推进剂松弛模量曲线，用Ｌａｐｌａｃｅ变换和其反变换计算了固体火箭发动机筒段在点火内压建立过程中的位移和应力，得到它们随位置和时间变化的曲线。     

二维粘性不可压缩流场的分块耦合求解方法

本文用分块耦合的方法，并采用S.Abdallah^[1,2]和M.L.Mansour^[3]的在非交错网络上隐式求解原始变量的Navier-Stokes方程的提法和离散格式，成功地解决了二维复杂流场的数值求解问题，获得了空腔流、T型叉管流、NACA0020翼型绕流和方块钝体绕流的稳态解，并进行了讨论。此方法还可推广到三维复杂流场的计算问题。     

粘性不可压缩流动三维复杂流场分块耦合求解

提出了一个粘性不可压缩流动三维复杂流场的分块耦合求解方法。可解决科学和工程计算中的各种稳态和瞬态粘性不可压缩流动计算问题。     

一种高性能的医学专家系统开发工具KBGML语言

介绍ＫＢＧＭＬ语言的设计思想，它包括ＫＢＧＭＬ各语句功能和格式的设计，特别是知识处理语句的设计，ＫＢＧＭＬ的解释系统的结构和工作原理的设计以及应用实例等。ＫＢＧＭＬ语言以知识处理为核心，具有第四代语言的特征，它有很强的知识处理能力，能自动构造和管理知识库。它具有较高的软件设计水平，能满足不同水平用户的需要，它还具有自然性、灵活性和领域通用性。ＫＢＧＭＬ语言是知识工程、语言编译和数据库管理等技术的集成体，它是一个在理论上和实用上很有研究价值的课题。     

基于模糊综合评价模型的航班延误评价探究

<正>CCA本文通过南京地区机场和航空公司专业人员的相关调查分析统计,将航班延误的主要诱因和各诱因的影响强度进行研究,结合专家意见,采用模糊数学方法确定各级指标,从自然资源、环境限制、人的因素、设施设备、管理及信息等5个方面建立起航班延误评价指标体系和模糊综合评价模型。研究结果表明,南京地区的航班延误情况得分是68.33分(满分100),还需要采取相应措施来提高航班的准点率。     

基于非结构网格的不可压N-S方程多矩有限体积法

提出了一种基于三角形及四面体非结构网格的有限体积法(FVM),用以鲁棒且精确地求解不可压粘性流动问题.与传统的FVM方法仅将体积分平均值(VIA)作为计算变量的做法不同,本文提出的方法将VIA及点值(PV)同时作为计算变量并在每个迭代步进行计算更新.VIA以通量形式进行计算以确保数值守恒,PV可以通过控制方程的不同形式进行求解更新,无需守恒,因此可以采用非常高效的方法进行求解.将PV作为增加的变量使得紧致网格模板得以实现更高阶精度的重构,而且由此获得的数值模型对于非结构网格变得更鲁棒.本文针对二维/三维的三角形/四面体非结构网格提出了数值格式,给出了几个基准测试算例,验证了本文提出的数值方法在采用非结构网格求解不可压粘性流动问题时的精确性和鲁棒性.     

基于多标签协同学习的跨域行人重识别

跨域是行人重识别的重要应用场景,但是源域与目标域行人图像在光照条件、拍摄视角、成像背景与风格等方面的表观特征差异性是导致行人重识别模型泛化能力下降的关键因素。针对该问题,提出了基于多标签协同学习的跨域行人重识别方法。利用语义解析模型构造了基于语义对齐的多标签数据表示,以引导构建更关注行人前景区域的局部特征,达到语义对齐的目的,减少背景对跨域重识别的影响。基于行人图像全局特征和语义对齐后的行人局部特征,利用协同学习平均模型生成行人重识别模型的多标签表示,减少跨域场景下噪声硬标签的干扰。利用协同学习网络框架联合多标签的语义对齐模型,提高行人重识别模型的识别能力。实验结果表明：在Market-1501→DukeMTMC-reID、DukeMTMC-reID→Market-1501、Market-1501→MSMT17、DukeMTMC-reID→MSMT17跨域行人重识别数据集上,与NRMT方法相比,平均精度均值分别提高了8.3%、8.9%、7.6%、7.9%,多标签协同学习方法具有显著的优越性。