尤物无毒不卡在线观看,国产三级精品三级在线专1

二階廣義全變分耦合非局部變換域模型的圖像放大[其他][其他]

為了提高偏微分方程放大算法對(duì)弱邊緣和紋理細(xì)節(jié)的放大效果，采用二階廣義全變分耦合非局部變換域模型,提出了一種圖像放大算法模型。非局部變換域模型通過對(duì)相似圖像塊構(gòu)成的圖像組進(jìn)行三維變換，利用由于圖像非局部自相似特性導(dǎo)致的變換系數(shù)稀疏特性建模，能夠很好利用圖像中相似圖像塊的非局部信息。該算法利用二階廣義全變分模型增強(qiáng)強(qiáng)邊緣，非局部變換域模型增強(qiáng)弱邊緣和紋理細(xì)節(jié)，通過變分模型實(shí)現(xiàn)兩者的耦合，具有良好的放大效果。與其他算法進(jìn)行仿真實(shí)驗(yàn)比較，二階廣義全變分耦合非局部變換域模型在處理強(qiáng)邊緣、弱邊緣和細(xì)節(jié)上都取得了較好的放大效果。

發(fā)表于：11/3/2021 10:43:00 AM

微流程模型的效率改進(jìn)[其他][其他]

業(yè)務(wù)流程管理技術(shù)是組織實(shí)施信息系統(tǒng)的重要使能技術(shù)。為提高流程模型的質(zhì)量，提出了一種改進(jìn)微流程模型效率的方法。首先，根據(jù)微流程模型的結(jié)構(gòu)，提取任務(wù)關(guān)系；其次，從數(shù)據(jù)視角，分析任務(wù)間的依賴關(guān)系；然后，根據(jù)依賴關(guān)系，更新任務(wù)關(guān)系；最后，根據(jù)更新后的任務(wù)關(guān)系，使用經(jīng)典?琢算法重構(gòu)一個(gè)新的流程模型。實(shí)驗(yàn)結(jié)果表明，該方法能有效改進(jìn)微流程模型的效率。

發(fā)表于：11/3/2021 10:39:00 AM

基于噪音擬合的優(yōu)化變步長濾波最小均方算法[其他][其他]

為了更快地實(shí)現(xiàn)主動(dòng)降噪，設(shè)計(jì)了噪音多項(xiàng)式擬合模型，提出了改進(jìn)的變步長濾波最小均方算法(Improved Filtered-x Least Mean Square，IFxLMS)。該算法在統(tǒng)計(jì)噪音信號(hào)的同時(shí)，對(duì)噪音信號(hào)進(jìn)行擬合與預(yù)測，隨后結(jié)合誤差信號(hào)與預(yù)測信號(hào)對(duì)步長進(jìn)行調(diào)節(jié)，達(dá)到快速調(diào)節(jié)的目的。為了驗(yàn)證該算法的性能，將該算法與傳統(tǒng)變步長濾波最小均方算法對(duì)比試驗(yàn)，仿真結(jié)果顯示，在相同噪音條件下，新算法將噪音信號(hào)降到10 dB、20 dB、30 dB、35 dB等信噪比時(shí)，所需的迭代次數(shù)減少了4次～60次不等，在同時(shí)新算法的魯棒性也優(yōu)于普通的濾波變步長最小均方算法。

發(fā)表于：11/3/2021 10:34:00 AM

改進(jìn)電潤濕電子紙圖像自適應(yīng)增強(qiáng)算法[其他][其他]

由于電潤濕顯示器受顯示技術(shù)的限制存在圖像失真、邊緣細(xì)節(jié)丟失的問題，為了提高顯示質(zhì)量，提出一種改進(jìn)電潤濕電子紙圖像自適應(yīng)增強(qiáng)算法。首先，通過基于局部標(biāo)準(zhǔn)差的引導(dǎo)濾波獲得顯著圖像，然后，結(jié)合顯著圖以及改進(jìn)的引導(dǎo)濾波獲得鈍化模糊圖像，有效消除引導(dǎo)濾波平滑圖像后產(chǎn)生的光暈現(xiàn)象；最后，將原圖像與鈍化模糊圖像作差提取圖像中的細(xì)節(jié)部分，利用改進(jìn)的非銳化掩模將細(xì)節(jié)部分與原圖像自適應(yīng)融合。實(shí)驗(yàn)結(jié)果表明，相較于傳統(tǒng)線性非銳化掩模方法，該方法其圖像評(píng)價(jià)指標(biāo)H值、PSNR值分別平均提高了0.2%、28.4%，AMBE值平均降低了88.4%，SSIM的值更加接近1。因此，該算法使得圖像顯示在電潤濕顯示器上細(xì)節(jié)紋理更加清晰可見，同時(shí)避免圖像過度增強(qiáng)，取得了較好的顯示效果。

發(fā)表于：11/3/2021 10:29:00 AM

基于投影法和卷積神經(jīng)網(wǎng)絡(luò)的手寫漢字圖像分割研究[其他][其他]

為提高手寫漢字的識(shí)別率，針對(duì)手寫漢字的有效分割，建立了卷積神經(jīng)網(wǎng)絡(luò)手寫漢字體識(shí)別模型，并對(duì)投影法和輪廓檢測法的適用性進(jìn)行了對(duì)比分析。實(shí)驗(yàn)結(jié)果顯示，相較于輪廓檢測法，投影法更適用于手寫漢字識(shí)別中對(duì)文字圖像的處理工作，可以實(shí)現(xiàn)對(duì)所需文字的有效切分，同時(shí)簡化手寫漢字識(shí)別網(wǎng)絡(luò)的設(shè)置并提高識(shí)別準(zhǔn)確率。

發(fā)表于：11/3/2021 10:24:00 AM

基于深度級(jí)聯(lián)網(wǎng)絡(luò)的入侵檢測算法研究[其他][其他]

針對(duì)海量多源異構(gòu)的網(wǎng)絡(luò)流量數(shù)據(jù)難以用傳統(tǒng)的機(jī)器學(xué)習(xí)算法有效提取特征，分類效果差的問題，提出一種基于深度級(jí)聯(lián)網(wǎng)絡(luò)的入侵檢測算法，利用神經(jīng)網(wǎng)絡(luò)自動(dòng)學(xué)習(xí)特征的能力，將卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)結(jié)合起來，同時(shí)提取流量數(shù)據(jù)的空間特征和時(shí)序特征，并采用softmax進(jìn)行分類，提高模型的檢測性能和泛化能力。最后將該算法在KDDCUP99數(shù)據(jù)集上進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該入侵檢測模型相較于SVM、DBN等算法有更高的檢測率，準(zhǔn)確率可達(dá)95.39%，誤報(bào)率僅0.96%，有效提高了入侵檢測分類性能。

發(fā)表于：11/3/2021 10:15:00 AM

自適應(yīng)定階的快速Burg算法設(shè)計(jì)與FPGA實(shí)現(xiàn)[其他][其他]

針對(duì)信號(hào)頻譜分析的實(shí)時(shí)性要求，設(shè)計(jì)了一種適用于短序列的自適應(yīng)定階的快速Burg算法硬件加速電路。以FPGA為平臺(tái)進(jìn)行實(shí)驗(yàn)，將快速Burg算法與最終預(yù)測誤差(Final Prediction Error，F(xiàn)PE)準(zhǔn)則結(jié)合可做到自回歸(Auto-Regressive，AR)參數(shù)自適應(yīng)定階。實(shí)現(xiàn)了靈活控制的并行二級(jí)流水線結(jié)構(gòu)和并行化計(jì)算單元，同時(shí)優(yōu)化了存儲(chǔ)單元，達(dá)到速度與面積的平衡。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)短序列也能準(zhǔn)確地估計(jì)信號(hào)頻率，與Burg算法硬件實(shí)現(xiàn)方案的計(jì)算時(shí)間對(duì)比，該算法將運(yùn)算時(shí)間降低了75%，確實(shí)起到了加速作用，并且節(jié)省了內(nèi)存空間，符合設(shè)計(jì)要求。

發(fā)表于：11/3/2021 10:07:00 AM

基于超分辨率重建的智能顯示終端系統(tǒng)的設(shè)計(jì)[其他][其他]

智能顯示是將發(fā)送端(手機(jī)、電腦等智能顯示設(shè)備)屏幕畫面在其他智能顯示設(shè)備上投放顯示，是提升用戶視覺感受、信息實(shí)時(shí)共享的重要途徑。對(duì)于傳統(tǒng)智能顯示系統(tǒng)，受其傳輸、環(huán)境、硬件設(shè)備等影響，大多數(shù)圖像或視頻在數(shù)據(jù)傳輸過程中會(huì)丟失少部分高頻信息，除此之外還伴隨著設(shè)備復(fù)雜、功能單一等情況。提出一種以Wi-Fi作為連接技術(shù)，以超分辨率重建作為圖像、視頻再處理技術(shù)的智能顯示系統(tǒng)，該系統(tǒng)通過Wi-Fi連接個(gè)人電腦或手機(jī)，對(duì)待投圖像、視頻等文件進(jìn)行超分辨率重建后顯示共享，在智能共享同時(shí)用戶可以同步在顯示屏進(jìn)行標(biāo)注、繪圖等。測試結(jié)果表明，該設(shè)計(jì)具有投顯示畫面分辨度高、操作簡便、靈活度高等特點(diǎn)。

發(fā)表于：11/3/2021 10:01:00 AM

基于Stacking模型融合的串聯(lián)故障電弧檢測[其他][其他]

針對(duì)低壓交流配電網(wǎng)中由于電弧燃燒程度不同、電流畸變程度不同而導(dǎo)致漏檢、錯(cuò)檢問題，提出一種基于Stacking模型融合的時(shí)域故障電弧檢測方法。從回路電流中提取時(shí)域特征，將時(shí)域特征組成特征矩陣對(duì)機(jī)器學(xué)習(xí)算法決策樹和集成學(xué)習(xí)算法隨機(jī)森林等進(jìn)行參數(shù)尋優(yōu)。最后，將集成學(xué)習(xí)算法代替機(jī)器學(xué)習(xí)算法作為基學(xué)習(xí)器通過Stacking模型融合構(gòu)建低壓交流故障檢測模型。實(shí)驗(yàn)共采集6種電器的并聯(lián)電流共計(jì)96 970組，結(jié)果表明，相較于非集成算法和其他集成算法，所提方法具有更高的準(zhǔn)確率、精確度和F1指標(biāo)，其模型更為穩(wěn)健。

發(fā)表于：11/3/2021 9:56:00 AM

基于北斗短報(bào)文的農(nóng)業(yè)環(huán)境數(shù)據(jù)采集通信機(jī)制研究[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

為實(shí)現(xiàn)偏遠(yuǎn)地區(qū)等通信盲區(qū)的農(nóng)業(yè)環(huán)境數(shù)據(jù)采集，提出一種基于北斗短報(bào)文通信、物聯(lián)網(wǎng)、云存儲(chǔ)等技術(shù)的農(nóng)業(yè)環(huán)境數(shù)據(jù)采集方式。針對(duì)北斗短報(bào)文通信容量有限的局限性，對(duì)農(nóng)業(yè)環(huán)境數(shù)據(jù)進(jìn)行編碼設(shè)計(jì)，提高數(shù)據(jù)傳輸效率；針對(duì)北斗短報(bào)文通信不可靠的不足，自定義系統(tǒng)通信協(xié)議，分別在發(fā)送端提出基于概率判斷的請(qǐng)求確認(rèn)機(jī)制和在接收端提出動(dòng)態(tài)累積確認(rèn)機(jī)制。通過仿真實(shí)驗(yàn)，驗(yàn)證了該通信機(jī)制可以有效保證數(shù)據(jù)的可靠傳輸。通過在湖北長陽縣實(shí)地試驗(yàn)，結(jié)果表明，在發(fā)送端通信成功率隨環(huán)境變化情況下，數(shù)據(jù)傳輸?shù)某晒β蔬_(dá)到99%以上，且系統(tǒng)運(yùn)行穩(wěn)定，能提供可靠的農(nóng)業(yè)環(huán)境數(shù)據(jù)采集服務(wù)。

發(fā)表于：11/3/2021 9:52:00 AM