正溴丁烷合成虚拟仿真系统的设计与辅助实验教学研究*

介绍了正溴丁烷合成虚拟仿真系统的设计与功能,并结合具体的教学实践和研究结果的对比分析,提出了虚实结合的混合式教学模式,这种教学模式能有效解决传统实验教学过程中实验预习效果差、过程性评价难的教学痛点。     

光场相机精确色彩矢量约束下的超分辨率算法

以LYTRO相机为例,提出一种精确色彩矢量约束下的光场图像超分辨率算法。根据相机内部微透镜阵列按六边形分布的特点,结合点扩散函数,及相机探测器阵列上滤光片的排列方式,计算了每个单一像素点的RGB色彩分量值,精确恢复出每一个像素的颜色信息;利用金字塔算法对色彩恢复的时效性进行了优化。提出一种基于相机子孔径图像序列颜色矢量约束下的超分辨率算法,以提高图像质量。所提的色彩恢复方法可以用于多款光场相机,同时以色彩矢量作为约束条件,彩色超分辨率图像恢复的效果理想。     

基于微透镜阵列型光场相机的多目标快速测距方法

以LYTRO相机为例,提出一种基于微透镜阵列型(MLA)光场相机的多目标快速测距方法。该方法的研究过程分为三个部分:第一部分,通过对原始数据进行点扩展函数计算及色彩恢复,并对数据进行超分辨处理,获取重聚焦序列图像,完成对待测目标的预处理过程;第二部分,利用三角形定理,通过贴片的方法,提出一种直接测距法;第三部分,对现有的相对测距法进行超分辨处理,大幅提高算法精度,同时利用改进型的拉普拉斯算子验证算法的正确性。最后将这两种算法结合,即得到一种MLA光场相机的多目标快速测距算法。实验证明,对于少量待测物体,直接测距法精度高,速度快;对于数量较多的待测物体,将直接测距法与相对测距法相结合,不但能够保证精度,还可以提高时效性。该方法为光场相机深度获取、三维重建等方面的研究提供了重要的数据参考及较为精准的评价依据。     

基于持久同调的复杂脑网络动态演化分析

有研究表明阿尔茨海默病（Alzheimer's disease,AD）的认知状态与动态功能连接时间特性的改变有关,持久同调指标分析方法可为AD动态脑网络的研究提供更深的见解,但是目前研究主要集中在空间演化方面,尚未有针对时变方面的脑网络演化研究．本文基于静息态功能磁共振成像（resting state-functional magnetic resonanceimaging,rs-fMRI）,对AD患者和正常被试（normal controls,NC）的静态脑网络和基于滑动窗口构建的动态脑网络进行功能连接性分析．对基于持久同调和基于图论的分析结果进行了比较,并采用k均值聚类进行了时间属性的分析．结果表明相对图论指标,持久同调的指标在AD患者和NC被试间具有更显著的差异性;而且相对于静态脑网络,基于持久同调的动态脑网络演化分析可为脑功能网络标志物的检测提供新思路．     

3阶不可约符号模式的精细惯量极小临界集

Let S be a nonempty, proper subset of all possible refined inertias of real matrices of order n. The set S is a critical set of refined inertias for irreducible sign patterns of order n,if for each n × n irreducible sign pattern A, the condition S ? ri(A) is sufficient for A to be refined inertially arbitrary. If no proper subset of S is a critical set of refined inertias, then S is a minimal critical set of refined inertias for irreducible sign patterns of order n.All minimal critical sets of refined inertias for full sign patterns of order 3 have been identified in [Wei GAO, Zhongshan LI, Lihua ZHANG, The minimal critical sets of refined inertias for 3×3 full sign patterns, Linear Algebra Appl. 458(2014), 183–196]. In this paper, the minimal critical sets of refined inertias for irreducible sign patterns of order 3 are identified.