基于图像序列的非刚性物体运动形变程度估计方法

形变程度的定量分析是非刚性物体运动研究中一个重要问题.现有的形变程度估计方法一般都假设特征点位置误差是各向同性,并且不考虑特征点数据丢失的问题.通常事实并非如此,所以本文提出一种同时考虑图像的方向性误差和特征点数据丢失问题的形变程度估计方法.理论研究和人活动图像序列的实验表明,本文提出方法十分有效.     

IEEE 802.11中多速率多节点公平的数据分组长度调整策略

在深入剖析多速率机制导致不公平性根源的基础上,提出了基于传输速率的数据分组长度调整(TRPSA)策略,该策略保证了传输速率不同的节点能公平地占用无线信道。理论证明和仿真验证了该策略能有效实现多速率多节点情况下的公平性,显著提高网络性能。该策略只需对IEEE 802.11做细小修改,易于在实际网络中实现和推广。     

基于多尺度低秩模型的心脏磁共振成像方法研究

本文提出一种基于多尺度低秩模型（MSL,Multi-Scale Low rank）的磁共振成像方法,该方法将矩阵分解成多尺度的块低秩矩阵之和,并将多尺度块低秩矩阵之和的最小化作为约束条件用于磁共振成像.两种不同的心脏磁共振数据用于验证本文所提出算法重构磁共振成像的精度.实验结果表明,相比于k-t SLR（k-t Sparsity Low Rank）和L+S（Low Rank plus Sparse）方法,所提出的MSL方法具有更好的重建效果,获得更高的重构信差比（signal to error ratio）,并具有更好地结构相似性,但需要更长的重构时间.     

无线传感网中节点能量和链路容量约束的二阶分布式流控制方法

分布式流控制设计是确保无线传感网络性能的关键问题。本文针对无线传感网络中的分布式流控制设计问题,建立了一种节点能量和链路容量共同约束的流控制优化模型。由于对偶次梯度分解算法存在收敛速度慢、步长选择敏感等缺点,本文设计了基于矩阵分裂的分布式牛顿算法来实现网络效用最大化。该算法具有与对偶次梯度分解算法几乎相同的通信复杂度,但能够达到快速的二次收敛速度。仿真结果表明,该算法的收敛性能明显优于对偶次梯度算法。     

基于全变分扩展方法的压缩感知磁共振成像算法研究

针对全变分算法在压缩感知磁共振成像(CS-MRI)重构过程中存在阶梯效应的问题,该文研究3种基于全变分扩展方法的CS-MRI成像算法,即高阶全变分、总广义变分和组合稀疏全变分,并将其与平移不变离散小波稀疏基相结合,建立稀疏模型,采用快速复合分裂算法求解CS-MRI重构的凸优化问题。同时,讨论了全变分及其扩展方法对两种不同磁共振图像数据和径向欠采样模式重构CS-MRI的精度。实验结果表明,基于全变分扩展的重构算法能有效解决全变分重建中存在阶梯效应的缺点;另外,相比高阶全变分和总广义变分重构算法,组合稀疏全变分方法具有更好的重建效果,获得更高重构信噪比。     

基于混合方法的工作乐趣分类模型构建及其效用的实证研究

本文采用混合研究的方法,分析目前两岸企业工作乐趣的开展类型和效果。在构建类型学概念模型基础上,修订中华工作乐趣测量量表并检验不同乐趣活动对员工的绩效影响差异。数据分析结果表明社交型、放松型、辅助型和福利型乐趣的四类结构信效度良好,但不同类型乐趣对员工满意度、任务绩效和组织公民行为的影响存在明显差异。     

神经网络模式识别技术在电脑茶叶拣梗机中的应用

分析了目前电脑茶叶拣梗机拣净率偏低的现象，指出问题的关键是对茶叶和茶梗的模式识别技术不好，针对这一情况，提出了一种基于ＢＰ神经网络的叶梗识别法，并研究了ＢＰ学习算法的提高问题，该方法可使茶梗的拣净率达到９５％￣９８％。     

某些硫系无定形材料记忆开关工作的比较

研究了作为薄膜开关应用的某些硫系玻璃。感兴趣的两个阈值电压范围是15伏和30伏。依据一个简单的数据标度估价和测定了薄膜器件的开关性能。以Ge-Te共晶体为基体的记忆玻璃通常已给出满意的性能。以Se为基体的玻璃薄膜呈现出高的阈值电压,但寿命有限。从Bi-As-Se玻璃得到了大约30伏的阈值电压;这些结果表明难以锁住“开”态,并对出现这种情况的可能原因进行了讨论。进行体材料特性方面的测量,以给出相应的玻璃薄膜所期待的特性。     

硼对鸡生长的影响

以硼酸的形式在鸡的饮水中添加不同质量浓度的硼，添加量(ρ)分别为0、100、200、400mg/L，比较其增重、成活率和料肉比，观察对鸡生长的影响。结果表明，饮水硼含量(ρ)在100mg/L时，有提高雏鸡成活率和饲料转化率的作用；而当饮水硼含量(ρ)大于或等于200mg/L时，对雏鸡的生长有不利的影响。     

基于加权Schatten p范数最小化的磁共振图像重构方法研究

本文提出了一种基于加权Schatten p范数最小化（Weighted Schatten p-Norm Minimization,WSNM）的磁共振图像重构算法,该方法利用磁共振图像的非局部自相似性,并结合Schatten p范数和不同秩元素重要性的加权因子,实现磁共振图像重构过程的低秩约束.此外,采用交替方向乘子算法（Alternating Direction Method of Multipliers,ADMM）来求解基于WSNM磁共振图像重构的非凸最小化问题.实验结果表明,相比于最近的磁共振重构算法,基于WSNM的磁共振图像重构方法具有更好的重建效果,可获得更高的峰值信噪比（Peak Signal to Noise Ratio,PSNR）和更好的结构相似性（Structural Similarity,SSIM）.