一种用于创作艺术画面的梯度着色方法

本文介绍一种创作生动画面的新型着色方法。它不同于以往的单一色彩(或模式)的填充,而是以一种颜色渐变的方式进行填充。利用该算法产生的计算机艺术图片,生动而且逼真,已经应用于电脑动画的创作。文中给出了C语言实现的程序:     

散度、旋度和梯度在共同模式上的统一定义及其在一般坐标系中的应用

本文在推广的散度定理的基础上给出了散度、旋度和梯度与坐标无关的统一定义。着重在一般曲线坐标系中利用以三对坐标面为包容面的微元体为共同模式,把散度、旋度和梯度统一表示为某一微分量的极限值,从而直接导出了张量分析中这三种量的熟知的表达式。     

自适应语音回波抵消器的实现

本文详细地介绍了在对回波抵消自适应梯度算法进行计算机模拟的基础上,用 TMS32010实现的语音回波抵消器,说明了在保密机和卫星通信系统中应用情况并给出测量出性能结果。     

浅谈热处理炉工作区的炉温均匀性检验

论述了热处理炉工作区炉温均匀性检验的必要性和检验存在的困难,提出如何贯彻 GJB 509—88《热处理工艺质量控制规范》中有关加热炉有效工作区炉温均匀性定期检验的规定。     

智能反射面辅助的无线网络加权和速率优化设计

针对智能反射面(intelligent reflecting surface, IRS)辅助的无线网络传输设计的目标是通过联合设计基站处的发送波束形成向量和IRS的反射系数,在满足基站发射功率和IRS单位模约束的条件下,使多个地面用户的加权和速率最大化。为了求解非凸的目标函数,提出一种交替优化方法,其中采用黎曼流形梯度(Riemannian manifold gradient, RMG)方法来优化反射系数,使用二分搜索法优化发送波束形成向量。此外,为了降低RMG方法的复杂度,设计了一种智能元素块坐标下降方法。仿真结果验证了所提算法的有效性,并且表明通过优化设计反射系数,IRS可显著提高无线网络的频谱效率。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

三维多目标纯测向无源定位方法

针对多传感器测向定位中方位配对的困难,提出分两步的三维多目标纯测向定位方法.该方法先利用方位信息,粗略估计目标二维位置,并采用方位角误差进行粗略的目标真伪判别,再采用蛙跳式梯度法精确求解目标的三维位置,并利用方位角与俯仰角偏差对目标真伪进行判别.仿真结果表明,该方法能快速地以较高概率、较高精度对多目标进行定位.     

梯度变化非晶碳涂层的摩擦学行为

采用多源磁控溅射物理气相沉积法在单晶硅片、20Cr和Cr12W表面制备了梯度变化非晶碳涂层,测试了非晶碳涂层的纳米硬度和弹性模量及摩擦磨损行为.结果表明涂层具有较高的硬度和弹性模量,分别达到15.3 GPa和184 GPa;涂层具有较好的摩擦性能,在干摩擦条件下摩擦因数基本保持在0.1～0.2,磨损率达到10-9 mm3/( N·m)数量级.     

基于贝叶斯网络的作战目标评估

在作战指挥决策活动的筹划阶段,对敌体系要害和关键点的分析,当前尚未形成系统方法。针对此问题,利用贝叶斯网络在非精确知识表达与推理领域的优势,提出了综合考虑目标价值、打击难度、打击效果等因素的作战目标评估模型。根据判别贝叶斯网络分类器性能优于生成贝叶斯网络分类器的特点,在经相关领域专家论证的样本数据集的基础上,采取梯度下降法训练得出评估模型各结点条件概率分布。最后,利用Netica仿真软件,经样本数据测试,证明了作战目标评估模型的合理性。     

一种具有遗忘特性的在线学习算法框架

基于凸优化中的对偶理论,提出了一种具有遗忘特性的在线学习算法框架。其中,Hinge函数的Fenchel对偶变换是将基本学习问题由批量学习转化为在线学习的关键。新的算法过程是通过以不同方式提升含有约束变量的对偶问题实现的:(1)梯度提升;(2)贪婪提升。回顾了以往的相关研究工作,并指出了与之的区别与联系。人造数据集和真实数据集上的实验结果证实了算法框架的有效性。算法可以很好地处理数据流中的分类面漂移问题,为设计和分析新的在线学习算法提供了一个新的思路。