建立在群对称轨道(SMO)及特征组态(CD)基础上的CI方法与程序发展

ISMO－CDCI方法点群理论，特别是不可约张量方法，在量子化学理论方法发展以及简化概念与计算方面，发挥了重要作用．但在国外的量子化学计算程序（如G94）中，在后自洽场（opt－SCF）计算方面，很少用到对称约化．在文献中，只见有关hbeltah群（DZh与它的子群）对称约化用于组态相关计算的报导．由于多重耦合系数的计算复杂，蜕化不可约表示多体问题的对称约化难于得到解决．我们提出了一个统一与普遍的方法，它能解决所有分子体系多体相关的点群对称约化问题［‘－6］，这个方法的核心是群对称轨道（SMO）概念的提出．SMO的基本特…     

海洋生态系中NO的发现和化学特征研究

在实验室小型和大亚湾1~300 m³的大型海水池的海藻养殖生态系中, 随着浮游植物生长, 在达到最大值之前发现了一氧化氮(NO), 并测定了海洋生态系中NO的浓度值. 主要化学特征和规律是: (1) 对赤潮藻和非赤潮藻, 在生长曲线达最大值之前都可测出NO浓度; 在达到最大值之后, NO浓度迅速衰减; (2) NO浓度的时间变化曲线: 白天测得NO浓度大于黑夜(甚至可降低到测不出), 中午13~15时可测得NO(日)最大值; (3) 大亚湾天然海水藻池大约8~10 d(随天气条件而变)达藻类生长最大值, 之后逐渐衰减. 在藻生长5~7 d即可测得NO值; (4) 对实验室的赤潮异弯藻, 测得NO浓度10^&;#8722;9 mol/L量级; 对大亚湾的混合藻(非赤潮藻)测得NO浓度约10^&;#8722;9~10^&;#8722;8 mol/L量级; 对旋链角毛藻NO浓度约为10^&;#8722;8 mol/L量级. 与我们已报道的NO对非赤潮藻和赤潮藻的影响规律一致; (5) 讨论了光照条件对NO产生的影响.     

青海柴达木地区植物白刺叶中微量元素特征

青海柴达木地区分布有丰富的白刺植物资源。利用220FS原子吸收光谱仪分析了该地区三种白刺叶片的Cu,Zn,Fe,Mn,Cr,Ni,Cd等微量元素。结果表明，铬、 锰含量显著提高是青海柴达木地区植物白刺叶资源微量元素特征。这为柴达木地区白刺叶资源的开发利用提供科学依据。     

一类联图的距离谱半径以及盖理论（英文）

令X=(n₁,n₂,…,n_t),Y=(m₁,m₂,…,m_t)是两个t维递减序列.如果对所有的j,1≤j≤t,都有∑_i=1~j、n_i≥∑_i=1~j m_i以及∑_i=1~t n_i=∑_i=1~t m_i,则称X可盖Y,记作X■Y.如果X≠Y,则记作X■Y.本文考虑联图G(n₁,n₂,…,n_t;a)=(K_n1∪_n2∪…∪K_nt)∨K_a的谱半径,这里n₁+n₂+…+n_t+a=n,(n₁,n     

简单1维数字流形的积空间中数字复叠的笛卡尔积的Deck变换群

首先提出了简单1维数字流形的概念,接着研究了简单1维数字流形的具有C-相容邻接关系的笛卡尔积空间中的数字图像.进一步,为了研究数字复叠的笛卡尔积的Deck变换群,利用半径2-(k_(i2),k_(i1))-局部同胚的性质来体现数字复叠的笛卡尔积的Deck变换群在从数字拓扑的角度来比较数字积空间时的优势.此外,通过强调C-相容的必要性修正了文献(Han S E.Comparison among digital fundamental groups and its applications[J].Information Sciences,2008,178(8):2091-2104)中的一个错误.利用本文的方法,可以从本质上区分数字积图像,从而使得数字图像的研究内容更加丰富.     

弱标签声音事件检测的空间-通道特征表征与自注意池化

深度神经网络声音事件检测方法需要大量标记声音事件类别和起止时间的强标签音频样本,然而强标签标注非常困难和耗时.弱标签声音事件检测是解决这一困难的有效途径.本文将弱标签声音事件检测作为多实例学习问题,并基于卷积循环神经网络提出弱标签声音事件检测的空间-通道特征表征与自注意池化方法 .该方法研究多实例弱标签声音事件检测的特征表征和帧级预测结果池化两个方面的内容.在特征表征方面,为了增强卷积神经网络的特征表征能力,结合上下文门控和通道注意机制构建门控注意力结构并嵌入到卷积循环神经网络中,实现了音频样本特征的空间和通道特征选择;在预测结果池化方面,引入自注意思想设计音频帧预测结果的自注意池化方法,增强了音频样本中事件帧之间的相关度,使事件帧获得更大的权重.本文方法通过对卷积循环神经网络特征表征和预测结果池化的革新,有效提升了模型的检测性能.本文提出的方法在DCASE 2017任务4和DCASE 2018任务4数据集的评估集中分别取得了52.47%和31.00%的F1得分,性能优于当前绝大部分的弱标签声音事件检测方法 .实验结果表明：本文提出的空间-通道特征表征与自注意池化方法能显著改善弱标签声...     

基于域自适应的红外图像去噪算法

在红外图像去噪任务中,由于真实的红外噪声图像难以大量获取,而使深度学习算法高度依赖于人工合成噪声,无法很好地去除真实的红外噪声。本文提出一种基于域自适应的红外图像去噪算法,包括一个图像转换模块和两个图像去噪模块。首先利用图像转换模块将合成红外噪声图像和真实红外噪声图像相互转换,然后将转换后的图像和原图像作为去噪模块的训练数据,采用一致性损失函数使两个图像去噪模块产生一致的结果,最后将训练后的去噪网络框架用于红外图像去噪任务。实验表明,本文提出的算法与BM3D、DnCNN和ADNet算法相比在合成红外噪声数据集上有更高的指标数值和更好的视觉效果,在真实红外噪声数据集上有同样优秀的去噪效果。证明了该算法具有良好的泛化能力,能够在真实噪声下恢复清晰的红外图像。     

工件特征在机测量的关键误差分析与补偿研究

针对激光在机测量工件特征时的测量精度问题,对测量系统的关键误差影响因素及补偿应用进行了研究。使用激光位移传感器作为测量工具对工件特征进行在机测量时,测量结果受激光位移传感器倾斜误差和数控机床几何误差影响。为了校正激光位移传感器在物面倾斜时引起的测量误差,设计了倾斜误差试验,利用勒让德多项式对倾斜误差进行了建模和补偿,补偿后倾斜误差可减小至±0.025 mm以内。针对不动式激光在机测量时数控机床线性轴几何误差对测量结果的影响,设计了球杆仪倾斜安装试验,利用参数化建模的方式对X轴和Y轴的几何误差进行了解耦。最后根据建立的倾斜误差与几何误差模型,对工件特征的在机测量结果进行了补偿。结果表明,对工件特征在机测量结果进行误差补偿后,线性尺寸测量误差小于0.05 mm,角度测量误差小于0.08°,相较于补偿前在机测量精度明显提高。     

基于SURF-HOG与显著性特征的红外可见光图像配准融合北大核心CSCD

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。     

融合曲率信息的点云配准方法

针对点云配准时受原始位姿局限及配准效率、鲁棒性低的问题,提出一种融合曲率信息的点云配准方法。首先,将海量点云进行重心邻近点体素下采样,采用融合曲率信息的提取算法提取特征点;其次,通过三维形状上下描述符进行特征描述并利用改进的随机抽样一致性算法进行粗配准;最后,在具有较好位姿的情况下采用Symm-ICP进行精配准。试验结果表明,该算法对于不同位姿的点云数据均保持较高的配准精度。本文提出的算法配准效率优于其他算法,并具有较好的鲁棒性。