|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
基于超像素樣本擴(kuò)充的空譜全卷積高光譜圖像分類(lèi)方法
本成果提出的基于超像素樣本擴(kuò)充的空譜全卷積高光譜圖像分類(lèi)方法有效的利用高光譜圖像的超像素分割結(jié)果指導(dǎo)偽樣本擴(kuò)充增加了訓(xùn)練集樣本數(shù)量，解決了高光譜圖像有標(biāo)記樣本的稀缺問(wèn)題，同時(shí)空譜的全卷積分類(lèi)網(wǎng)絡(luò)也充分利用了多尺度的空間特征和光譜特征實(shí)現(xiàn)了較高的分類(lèi)精度。
成果非涉密，專(zhuān)利申請(qǐng)已經(jīng)提交。
實(shí)驗(yàn)采用反射光學(xué)系統(tǒng)成像光譜儀（ROSIS）傳感器獲取意大利北部帕維亞大學(xué)（Pavia University）的高光譜圖像數(shù)據(jù)。該數(shù)據(jù)集由 103 個(gè)光譜帶組成，共 610×340 像素，光譜覆蓋范圍從 430nm 到 860nm，空間分辨率為 1.3m。該數(shù)據(jù)集一共含有 9 個(gè)類(lèi)別的 42776個(gè)有標(biāo)記樣本，選取每類(lèi) 30 個(gè)有標(biāo)記樣本作為訓(xùn)練集，其余作為測(cè)試集。
由下表可以看出，在每類(lèi)選取 30 個(gè)樣本的情況下，本 模 型 的 OA，AA，Kappa系 數(shù) 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表證明了使用了偽標(biāo)簽樣本擴(kuò)充的空譜全卷積網(wǎng)絡(luò)的本方法在小樣本情況下每個(gè)類(lèi)的分類(lèi)準(zhǔn)確性均優(yōu)于 DFFN 和 CNN，達(dá)到了較好的分類(lèi)效果。
表 1 PaviaU 數(shù)據(jù)集上對(duì)比實(shí)驗(yàn)結(jié)果
西安電子科技大學(xué)
2023-03-03
基于空譜差分輔助核聯(lián)合稀疏表示的高光譜圖像分類(lèi)
該成果提出了一種基于空譜差分輔助核聯(lián)合稀疏表示分類(lèi)的高光譜圖像分類(lèi)方法。本章方法的主要?jiǎng)?chuàng)新性在于：1）能夠?qū)⒐庾V的差分輔助信息和原光譜特征信息有效結(jié)合。2）能夠考慮不同光譜屬性間的高階空間相關(guān)信息。3）原空譜和差分空譜核特征字典的信息通過(guò)具有混合正則的核聯(lián)合稀疏表示分類(lèi)方法得到充分利用。通過(guò)在真實(shí)高光譜圖像數(shù)據(jù)上的實(shí)驗(yàn)表明，該成果提出的方法能夠有效地提高高光譜遙感圖像的分類(lèi)效果。
主要技術(shù)指標(biāo)
不同數(shù)據(jù)集下的訓(xùn)練樣本與測(cè)試樣本數(shù)參閱表 1. 在該訓(xùn)練樣本集數(shù)量下的分類(lèi)結(jié)果表現(xiàn)參見(jiàn)表 2. 相比于傳統(tǒng)分類(lèi)器 SVM，OA 提高了約 20%；相比于 SOMP，OA 提高了約20%。
該成果無(wú)需使用 GPU 資源在保證精度的同時(shí)有效提升了分類(lèi)的精度和效果，同時(shí)在較少訓(xùn)練樣本條件下仍能得到較好的分類(lèi)精度和分類(lèi)效果。
表 1. 不同數(shù)據(jù)集下的訓(xùn)練樣本選取數(shù)量
表 2. PaviaU 大學(xué)數(shù)據(jù)下不同方法的正確率比較
西安電子科技大學(xué)
2023-03-22
.jpg){kind=logo}
基于信道角度域信息的分布式空時(shí)預(yù)編碼傳輸方法
本發(fā)明公開(kāi)了一種基于信道角度域信息的分布式空時(shí)預(yù)編碼傳輸方法，其關(guān)鍵是接收端把通過(guò)信道估計(jì)得到的信道角度域信息，包括平均入射角、角度擴(kuò)展和歸一化接收天線距離，反饋給發(fā)射端，收到反饋信息后，發(fā)射端首先構(gòu)建出信道的統(tǒng)計(jì)信息，包括均值和相關(guān)矩陣，然后利用這些信息設(shè)計(jì)最佳的預(yù)編碼矩陣，對(duì)預(yù)先設(shè)計(jì)好的空時(shí)碼字進(jìn)行預(yù)處理。這種基于信道角度域信息的分布式空時(shí)預(yù)編碼傳輸方法一方面可以得到更加精確的信道統(tǒng)計(jì)信息，另一方面可以進(jìn)一步減少所需的反饋量。
浙江大學(xué)
2021-04-13
.jpg){kind=logo}
基于多重路徑集的最優(yōu)交通流預(yù)測(cè)方法與擁擠收費(fèi)方法
基于多重路徑集的最優(yōu)交通流預(yù)測(cè)方法與擁擠收費(fèi)方法，算法具體步驟如下：步驟0.組織交通調(diào)查，確定每個(gè)OD對(duì)之間不同類(lèi)別出行者的需求量及其合理路徑集合。步驟1.在零流網(wǎng)絡(luò)上，進(jìn)行流量加載，得到輔助路徑流量令初始路徑流量置k＝0。步驟2.計(jì)算各路徑的廣義路徑行駛時(shí)間向量步驟3.進(jìn)行流量加載，得到輔助路徑流量向量步驟4.如果滿(mǎn)足收斂指標(biāo)要求，則停止迭代，將當(dāng)前迭代點(diǎn)fk作為系統(tǒng)最優(yōu)路徑流量；否則轉(zhuǎn)步驟5。步驟5.沿方向利用某種線搜索方法，計(jì)算迭代步長(zhǎng)λk。步驟6.更新路徑流量，令k＝k+1，轉(zhuǎn)步驟2。本發(fā)明嚴(yán)格證明了該方法的有效性和實(shí)用性：即使對(duì)不同類(lèi)型的出行者施加同樣的收費(fèi)，仍然能夠達(dá)到系統(tǒng)最優(yōu)狀態(tài)。
東南大學(xué)
2021-04-11
.jpg){kind=logo}
用于建筑保溫、隔熱的真空管太陽(yáng)能集熱裝置
該裝置克服現(xiàn)有太陽(yáng)能集熱裝置不能實(shí)現(xiàn)與建筑物的真正集成和一體化，既無(wú)法做到有效的防風(fēng)、防雷，容易造成安全隱患，更難以提高建筑圍護(hù)結(jié)構(gòu)的保溫、隔熱水平。使該裝置不但使其在外觀上實(shí)現(xiàn)與建筑一體化，而且在功能上也實(shí)現(xiàn)與建筑的一體化，在高效集熱的同時(shí)，對(duì)建筑具有保溫隔熱作用。所適用的建筑圍護(hù) 結(jié)構(gòu)類(lèi)型可以是外墻面或者屋頂，集熱裝置既可為單個(gè)的太陽(yáng)能集熱模塊，也可為多個(gè)太陽(yáng)能集熱模塊組成的集熱器陣列。 本裝置的優(yōu)點(diǎn)是： 1.現(xiàn)了集熱器與建筑集成，不但實(shí)現(xiàn)了外觀上的一體化，而且實(shí)現(xiàn)了功能上的一體化。 2.高建筑圍護(hù)結(jié)構(gòu)的冬季保溫水平和夏季的隔熱水平。 3.護(hù)建筑表面，建筑圍護(hù)結(jié)構(gòu)不與外界環(huán)境直接接觸，減少太陽(yáng)能輻射對(duì)墻體的照射以及風(fēng)雨的侵蝕，建筑外表面的溫度和濕度變化大大減小，可大幅提高建筑構(gòu)件的使用壽命。 4.高太陽(yáng)能集熱效率，腔室內(nèi)空氣溫度在冬季高于環(huán)境溫度，集熱裝置熱損失將有所減少，效率有所提高。 本裝置所適用的建筑圍護(hù)結(jié)構(gòu)類(lèi)型既可以是外墻，包括直立或者傾斜墻面、陽(yáng)臺(tái)護(hù)欄墻，也可以是屋頂，包括平屋頂或者坡屋頂?shù)龋患瓤梢詰?yīng)用于新建建筑中，也可直接應(yīng)用于既有建筑的墻體或者屋頂節(jié)能改造，在添加太陽(yáng)能熱水系統(tǒng)的同時(shí)，完成節(jié)能改造。
上海理工大學(xué)
2021-04-11
.jpg){kind=logo}
生成連續(xù)動(dòng)態(tài)優(yōu)化問(wèn)題的測(cè)試集 推動(dòng)動(dòng)態(tài)優(yōu)化算法應(yīng)用
物流調(diào)度、航班規(guī)劃等復(fù)雜應(yīng)用場(chǎng)景中，設(shè)計(jì)方案的評(píng)價(jià)隨著時(shí)間動(dòng)態(tài)改變。這類(lèi)優(yōu)化問(wèn)題在現(xiàn)實(shí)中廣泛存在并且求解困難。為了推動(dòng)該領(lǐng)域的發(fā)展，亟待提出能反映動(dòng)態(tài)優(yōu)化問(wèn)題復(fù)雜特性并且可控的測(cè)試集，從而推動(dòng)動(dòng)態(tài)優(yōu)化算法在現(xiàn)實(shí)問(wèn)題中的應(yīng)用。課題組在
南方科技大學(xué)
2021-04-14
.jpg){kind=logo}
一種支持非搶占實(shí)時(shí)任務(wù)集的節(jié)能調(diào)度方法
本發(fā)明公開(kāi)了一種支持非搶占實(shí)時(shí)任務(wù)集節(jié)能調(diào)度方法，其步 驟包括：初始任務(wù)集合處理，獲取初始減速因子，獲取候選減速因子， 分配減速因子；本發(fā)明所公開(kāi)的非搶占實(shí)時(shí)任務(wù)集節(jié)能調(diào)度方法，在 保證非搶占實(shí)時(shí)任務(wù)在截止期之前完成的前提下，充分考慮了任務(wù)集 的非搶占特性，得到更小的減速因子，從而使得任務(wù)集能以更低的速 度運(yùn)行，達(dá)到更好的節(jié)能效果,可有效節(jié)約嵌入式系統(tǒng)能耗，并具有更 強(qiáng)的非搶占任務(wù)集實(shí)時(shí)節(jié)能調(diào)度能力；與現(xiàn)有的實(shí)時(shí)系統(tǒng)
華中科技大學(xué)
2021-04-14
生成連續(xù)動(dòng)態(tài)優(yōu)化問(wèn)題的測(cè)試集推動(dòng)動(dòng)態(tài)優(yōu)化算法應(yīng)用
物流調(diào)度、航班規(guī)劃等復(fù)雜應(yīng)用場(chǎng)景中，設(shè)計(jì)方案的評(píng)價(jià)隨著時(shí)間動(dòng)態(tài)改變。這類(lèi)優(yōu)化問(wèn)題在現(xiàn)實(shí)中廣泛存在并且求解困難。為了推動(dòng)該領(lǐng)域的發(fā)展，亟待提出能反映動(dòng)態(tài)優(yōu)化問(wèn)題復(fù)雜特性并且可控的測(cè)試集，從而推動(dòng)動(dòng)態(tài)優(yōu)化算法在現(xiàn)實(shí)問(wèn)題中的應(yīng)用。課題組在IEEE Transactions on Cybernetics上發(fā)表了一種生成連續(xù)動(dòng)態(tài)優(yōu)化問(wèn)題的測(cè)試集，同時(shí)對(duì)現(xiàn)有的測(cè)試集進(jìn)行了全面的綜述，并探討了它們?cè)诓东@不同問(wèn)題特征方面的缺點(diǎn)。
南方科技大學(xué)
2021-04-14
IECUBE-3833集成電路實(shí)景操作VR實(shí)訓(xùn)平臺(tái)
IECUBE-3833集成電路實(shí)景操作VR實(shí)訓(xùn)平臺(tái)可提供集成電路制造設(shè)備、工藝制造、封裝操作和器件測(cè)試4類(lèi)VR實(shí)操實(shí)驗(yàn)，與IECUBE-3831和IECUBE-3832平臺(tái)配合使用。
北京曾益慧創(chuàng)科技有限公司
2022-07-08
大學(xué).jpg){kind=logo}
一種關(guān)于水下螺旋槳梢渦空化的數(shù)值預(yù)報(bào)方法
簡(jiǎn)介：本發(fā)明公開(kāi)了一種關(guān)于水下螺旋槳梢渦空化的數(shù)值預(yù)報(bào)方法，屬于螺旋槳優(yōu)化設(shè)計(jì)領(lǐng)域。一種關(guān)于水下螺旋槳梢渦空化的數(shù)值預(yù)報(bào)方法，包括以下步驟：(a)基本網(wǎng)格確定；(b)精細(xì)網(wǎng)格確定；(c)最優(yōu)網(wǎng)格確定；(d)利用最優(yōu)網(wǎng)格預(yù)報(bào)所需工況條件下的梢渦空化。本發(fā)明針對(duì)螺旋槳梢渦空化進(jìn)行數(shù)值預(yù)報(bào)；通過(guò)與相關(guān)實(shí)驗(yàn)結(jié)果對(duì)比，本發(fā)明較為有效地預(yù)報(bào)了E779A型螺旋槳在幾種不同工況下的梢渦空化，因此，本發(fā)明對(duì)螺旋槳設(shè)計(jì)中空化性能的預(yù)測(cè)與評(píng)估具有重要作用，可有效減少設(shè)計(jì)成本和設(shè)計(jì)周期，其應(yīng)用前景非常好。
安徽工業(yè)大學(xué)
2021-04-11