基于Householder矩阵和Butterworth滤波器组的反馈延迟网络人工混响

针对现有人工混响方法中反馈延迟网络方法存在延迟线的个数选择受限和无法设定子带混响时间的不足,本文设计了一种基于Householder反馈矩阵和Butterworth滤波器组的反馈延迟网络人工混响器.Householder反馈矩阵有助于最大化回声密度,延迟线个数的选择相对自由,Butterworth滤波器组便于设定子带混响时间.仿真实验中分别利用语谱图、语音质量感知评价和主观评价验证了本文方法的有效性.     

一种基于三部图网络的协同过滤算法

推荐系统是电子商务领域最重要的技术之一,而协同过滤算法又是推荐系统用得最广泛的.提出了一种基于加权三部图网络的协同过滤算法,用户、产品及标签都被考虑到算法中,并且研究了标签结点的度对用户相似性计算的影响.实验结果表明,此算法在解决用户冷启动问题的同时,还具有较高的推荐准确性.     

基于力/触觉反馈的虚拟血管介入手术系统

设计了一种新颖的基于力/触觉反馈的虚拟血管介入手术系统.该系统以通用型力/触觉交互设备——NovintFal-con力/触觉再现装置为核心,能够完成虚拟血管手术环境中的力/触觉反馈.详细介绍了系统的硬件环境参数,并设计了基于3DSMAX的建模与CHAI3D的仿真软件系统.仿真实验结果表明:基于力/触觉反馈的虚拟血管介入手术系统可以有效地模拟血管介入手术时的力反馈状态,帮助医师进行血管介入手术术前训练,提高手术成功率.     

一种移动网络的结构稳定算法研究

本文提出了在有限的感知范围内,提高二维空间中移动网络的拓扑鲁棒性和连接鲁棒性的方法.由于移动基站和网络用户的动态不同步,控制策略被假定为异步的.在基于封闭区域重新定义连接的基础上,导出了保持当前网络拓扑的条件,并设计了两种方法来保证在提高拓扑和连接鲁棒性的过程中满足该条件.然后,设计了一种组合方法,给出了网络拓扑保持完整的充分条件.最后,通过数值算例验证了所提方法的有效性.     

基于虚拟路由冗余协议和双向转发检测的基层气象通信网络设计和实现

目前陕西省气象宽带通信网省、市、县3级连接中,区县局出口是以单台路由器连接双运营商线路接入市局,这一架构造成明显的路由器单点故障风险,同时也不能有效解决台站各业务之间带宽竞争的问题。据此改造市-县级网络拓扑,在区县局出口部署双路由器,分别对接电信、广电运营商线路。启用VRRP(虚拟路由冗余协议),并配置VRRP的负载分担模式,对台站业务根据带宽消耗和时效性高低进行分流传输,在链路冗余的基础上实现了双机热备和负载均衡。同时配置BFD(双向转发检测协议)和VRRP联动,通过BFD监控VRRP路由器的上行链路状态,实现主备路由器的快速切换。经过在西安市多个区县局的广域网建设实践和一年多的业务运行,收到了预期的效果,方案可为同级气象部门提供参考。     

基于注意力特征提取网络的图像描述生成算法

针对解决图像描述生成中对浅层图像特征利用不充分、图像目标间关系提取不足的问题,提出一种基于注意力图像特征提取的图像描述生成算法.通过语言模型上下文信息对不同深度图像特征进行自适应注意力权重分配,使带有注意力的图像特征参与指导图像描述生成,提升了图像描述生成的效果.在MSCOCO测试集中所提算法的BLEU-1和CIDEr得分分别达到0.752和0.934,从而验证了所提算法的有效性.     

一种改进的基于信息熵的人工免疫算法

提出了一种新的判断抗体相似的方法,并把该方法应用到基于信息熵的人工免疫算法中．仿真实验结果表明,新的方法能极大地提高基于信息熵的人工免疫算法的运行速度,同时保留了其优秀的全局搜索性能．     

一种基于深度学习的台风强度估测技术

台风客观定强是提高台风业务现代化水平的重要支撑技术,深度学习通过机器对大量样本的分析和学习,能够隐式提取图像中深层抽象的复杂特征,越来越多地被应用到气象领域中。本文利用ResNet深度学习模型,采用预训练后迁移学习的方式,以2005—2018年西北太平洋及南海台风的卫星云图为样本,构建了一种自动、客观的台风强度估测技术。通过对2019年全年的业务台风云图的检验分析,结果表明利用该技术能够实现对不同强度、不同发展阶段的台风客观强度估测,且对2019年全年独立样本估测的平均绝对误差和均方根误差分别为4.3 m·s~(-1)和5.5 m·s~(-1),精度优于传统客观定强方法,具有一定的业务应用价值。     

一种基于数值逼近的KPCA改进算法

核方法广泛应用于模式识别等领域,但其存在着特征抽取效率和样本集的大小成反比的瓶颈问题.因此提出一种基于数值逼近的方法确定虚拟样本矢量,以此代替训练样本,提高KPCA(Kernel Principle Component Analysis)特征抽取效率.在确定虚拟样本矢量时,只需将样本矢量的初值设定为随机变量,算法实现简单、高效.在基准数据集上的实验结果显示该算法优于同类算法.     

一种基于实景图像的低能见度识别算法

为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。     

Monthly Mean Temperature Prediction Based on a Multi－level Mapping Model of Neural Network BP Type

In terms of 34-year monthly mean temperature series in 1946-1979, the multi-level mapping model of neural network BP type was applied to calculate the system’s fractual dimension D0 = 2.8, leading to a three-level model of this type with i × j = 3 × 2, k = 1, and the 1980 monthly mean temperture prediction on a long-term basis were pre-pared by steadily modifying the weighting coefficient, making for the correlation coefficient of 97% with the measurements. Furthermore, the weighting parameter was modified for each month of 1980 by means of observations, therefore constructing monthly mean temperature forecasts from January to December of the year, reaching the correlation of 99.9% with the measurements. Likewise, the resulting 1981 monthly predictions on a long-range basis with 1946-1980 corresponding records yielded the correlation of 98% and the month-to month forecasts of 99.4%.     

一种新的立体显示中的视差估计与虚拟视点绘制算法

针对虚拟视图绘制技术中空洞和伪边缘等问题,提出了一种新的立体匹配算法以获得稠密视差图完成虚拟视点合成.此方法只需要两张视图,对其采用Mean shift算法就可以进行视图分割.有效的虚拟视点绘制是基于良好的视差图与好的视图插值法实现的.通过权值多窗口立体匹配法获得初始视差图,再利用交叉检验法对不可信匹配点和闭塞遮挡区域进行滤除,很好地解决了视差图中遮挡区域引起的误匹配问题.最后,对获得的稠密视差图进行视图插值和相应的噪声滤除完成了多点位置的虚拟视图绘制.针对Middlebury dataset提供的"Tsukuba"等测试图像进行相关实验,实验结果表明,该算法具有良好的视图绘制效果.     

基于网络理论的供应链研究综述

21世纪是复杂性与网络化的世纪.面对纷繁复杂的现象,人类借助网络理论分析工具对诸多现象给出解释,同时设计有效的控制方案对复杂系统进行优化与管理.在现实中,供应链就是这一范例.由于大多数供应链具有一定的网络结构,那么从网络理论的角度出发,研究供应网络中存在的各类问题将会更加贴近现实.本文通过梳理前人的成果,对相关研究的发展情况进行分析和总结.同时,给出了供应链网络值得探讨的一些问题,为进一步研究奠定了基础.     

A Short-Term Climate Prediction Model Based on a Modular Fuzzy Neural Network

In terms of the modular fuzzy neural network (MFNN) combining fuzzy c-mean (FCM) cluster and single-layer neural network, a short-term climate prediction model is developed. It is found from modeling results that the MFNN model for short-term climate prediction has advantages of simple structure, no hidden layer and stable network parameters because of the assembling of sound functions of the selfadaptive learning, association and fuzzy information processing of fuzzy mathematics and neural network methods. The case computational results of Guangxi flood season (JJA) rainfall show that the mean absolute error (MAE) and mean relative error (MRE) of the prediction during 1998 2002 are 68.8 mm and 9.78%, and in comparison with the regression method, under the conditions of the same predictors and period they are 97.8 mm and 12.28% respectively. Furthermore, it is also found from the stability analysis of the modular model that the change of the prediction results of independent samples with training times in the stably convergent interval of the model is less than 1.3 mm. The obvious oscillation phenomenon of prediction results with training times, such as in the common back-propagation neural network (BPNN) model, does not occur, indicating a better practical application potential of the MFNN model.     

基于神经网络算法的Sentinel-1和Sentinel-2遥感数据联合反演土壤湿度研究

以西班牙萨拉曼卡地区为研究区域,联合Sentinel-1后向散射系数和入射角信息、Sentinel-2光学数据提取的植被指数以及地面实测数据,构建了BP神经网络土壤湿度反演模型,并将该模型应用于试验区土壤湿度反演.结果 表明:1)基于Sentinel-1卫星VV和VH极化雷达后向散射系数、雷达入射角和Sentinel-...     

基于KPCA的台风强度神经网络集合预报方法研究

针对影响台风强度前期预报因子较多以及因子的非线性变化特点,首先采用逐步回归方法筛选出部分预报因子,再利用核主成分分析方法在剩余的预报因子中提取包含了原数据较多信息的核主成分与前期选入的预报因子共同作为模型输入.进一步考虑到神经网络集合预报中个体的准确性和差异性的权衡问题,在不同的初始条件下生成若干组神经网络,分别选择每组中性能最优的个体,建立了一种新的非线性神经网络集合预报模型.最后以西北太平洋海域2001-2010年5-10月的台风强度为研究对象进行了预报试验.结果表明,这种神经网络集合预报模型的预报结果符合实际应用的要求,其预报平均绝对误差明显小于同等条件下的神经网络方法和逐步回归预报方法.