基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

逻辑能力与数理科学创新小议

 我国历届国家领导人都高度重视科技创新,但“我们天天大呼创新和创造,却不问创新和创造从何而来”。每当谈起创新,人们往往只提起专注、投入等品质因素,很少谈到具体的创新方法。笔者在本文中讨论数理科学创新中逻辑方法的作用,以期抛砖引玉。     

科学调配水资源抗旱减灾保民生

莒南县位于鲁东南低山丘陵区．土地总面积1388km2．人口81万,多年平均降雨量838mm,全县现有大型水库1座．中型水库2座．小型水库143座,塘坝2001座,大口井1700眼,机井620眼。2010年自9月21日降雨13mm以来,连续80天无有效降雨,随着旱情不断加剧和小麦生长对水分的消耗,许多抢墒播种和旋耕法播种的麦田．因地表土壤松暄通气,失墒严重。全县51．2万亩冬小麦．42．6万亩不同程度受旱,其中严重干旱面积6．3万亩,有8个村4900口人出现饮水困难。     

一种新型的开放式图形库OpenGL及其运用

本文简要介绍了一种新型的开放式图形库ＯｐｅｎＧＬ的特点及用途，并表明如何运用ＯｐｅｎＧＬ开发应用软件。     

改进混合蛙跳算法的研究

针对传统混合蛙跳算法(SFLA)在优化过程中出现的求解精度不高、收敛速度慢、算法易陷入局部最优的问题,本文经过改变种群个体的位置更新公式,提出一种改进混合蛙跳算法(ISFLA)。在种群个体位置更新公式中,引入自适应同步因子和惯性权重系数。通过引入自适应同步因子,控制青蛙寻优过程中的移动步长,改进算法的局部搜索范围,保持种群的多样性。通过引入惯性权重系数,加入上一次的移动距离,表示对过去的经验记忆,加快搜索速度。通过对6个测试函数的实验结果表明,改进后的混合蛙跳算法相较于传统混合蛙跳算法具有较好的寻优性能。     

基于DenseNet的图像识别方法研究

在深度学习中,随着神经网络层数的加深,训练网络变得越来越困难,现有的浅层的网络无法明显提升网络的识别效果。针对在原有网络的情况下提升网络识别效果,减少参数的问题,本文提出一种改进的DenseNet网络模型,借鉴Inception V3的思想,利用非对称卷积将DenseNet网络中Dense Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,简化网络结构模型。之后再对改进前与改进后的网络模型在数据集上进行训练,实验结果表明,与经典的DenseNet网络模型相比,改进后的网络模型可以提高图像识别的准确性,降低参数,有效地缩短运行时间。     

VansNet轻量化卷积神经网络

近年来,研究人员们在卷积神经网络的基础上保证效率的条件下提出了轻量化卷积神经网络,其中SqueezeNet轻量化卷积神经网络在保证精度的前提下,压缩了参数,提高了整体效率。本文针对SqueezeNet网络中由于压缩参数,存在准确率不理想的问题,提出了引入残差网络,增加跳层结构和网络宽度的改进方法 VansNet,相较于AlexNet、ResNet和SqueezeNet三种卷积神经网络其计算量最小且参数量很小。实验结果表明,改进后的VansNet轻量化结构在略增加参数的前提下提高了图像分类的准确率和效率。     

日本経済高度成長期における産業政策

はじめに 戦後復興期と朝鮮戦争を経て、日本経済は高度成長期に突入した。1950年代半ばから70年代初めにかけて、実質成長率は10%前後を記録した。この欧米に追いつくために走ってきた長い過程において、通商産業省がどのような産業政策を行ったのか、茲に産業構造政策の展開、国際貿易及び資本自由化の進展、技術革新の進展に分けて、説明したいと思う。     

基于GPU的MATLAB计算与仿真研究

图形处理单元(GPU)已经成为当今的主流计算系统的一个组成部分,现代GPU不仅是一个功能强大的图形引擎,也是一个高度并行的可编程处理器,GPU的峰值运算和内存带宽往往大幅超出其CPU所对应的峰值和内存带宽。本文介绍了基于GPU通用计算框架的JACKET加速MATLAB的计算仿真方法,通过FFT算法得出仿真结果,分析在CPU和GPU运行环境下的GFLOPS和加速比,最后得出基于GPU的MATLAB计算仿真程序运行效率在JACKET的加速下大大提高了。     

基于GPU的数字信号处理中相关性计算的研究

现代信号处理和通信系统对信号的处理,正变得越来越复杂并且计算也越来越密集,如何提高这些领域中信号处理的运算速度和运算精度已经成为当今一个重要的研究方向,GPU由于其特殊的结构,使其非常适合用于加速数据运算仿真和图形图像分析.本文提出一种基于GPU的信号相关性并行计算的方法,通过实验验证得出基于GPU的数字信号相关性的并行处理方法明显优于基于CPU下的处理方法,实验结果最高加速比达到了14.5倍,现代GPU技术的发展给通信信号处理领域带来新的途径.