新葡京娱乐场-大陆娱乐场开户注册

本成果提出的基于超像素樣本擴(kuò)充的空譜全卷積高光譜圖像分類方法有效的利用高光譜圖像的超像素分割結(jié)果指導(dǎo)偽樣本擴(kuò)充增加了訓(xùn)練集樣本數(shù)量，解決了高光譜圖像有標(biāo)記樣本的稀缺問(wèn)題，同時(shí)空譜的全卷積分類網(wǎng)絡(luò)也充分利用了多尺度的空間特征和光譜特征實(shí)現(xiàn)了較高的分類精度。 成果非涉密，專利申請(qǐng)已經(jīng)提交。 實(shí)驗(yàn)采用反射光學(xué)系統(tǒng)成像光譜儀（ROSIS）傳感器獲取意大利北部帕維亞大學(xué)（Pavia  University）的高光譜圖像數(shù)據(jù)。該數(shù)據(jù)集由 103 個(gè)光譜帶組成，共 610×340 像素，光譜覆蓋范圍從 430nm 到 860nm，空間分辨率為 1.3m。該數(shù)據(jù)集一共含有 9 個(gè)類別的 42776個(gè)有標(biāo)記樣本，選取每類 30 個(gè)有標(biāo)記樣本作為訓(xùn)練集，其余作為測(cè)試集。 由下表可以看出，在每類選取 30 個(gè)樣本的情況下，本 模 型 的 OA，AA，Kappa系 數(shù) 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表證明了使用了偽標(biāo)簽樣本擴(kuò)充的空譜全卷積網(wǎng)絡(luò)的本方法在小樣本情況下每個(gè)類的分類準(zhǔn)確性均優(yōu)于 DFFN 和 CNN，達(dá)到了較好的分類效果。 表 1 PaviaU 數(shù)據(jù)集上對(duì)比實(shí)驗(yàn)結(jié)果

該成果提出了一種基于空譜差分輔助核聯(lián)合稀疏表示分類的高光譜圖像分類方法。本章方法的主要?jiǎng)?chuàng)新性在于：1）能夠?qū)⒐庾V的差分輔助信息和原光譜特征信息有效結(jié)合。2）能夠考慮不同光譜屬性間的高階空間相關(guān)信息。3）原空譜和差分空譜核特征字典的信息通過(guò)具有混合正則的核聯(lián)合稀疏表示分類方法得到充分利用。通過(guò)在真實(shí)高光譜圖像數(shù)據(jù)上的實(shí)驗(yàn)表明，該成果提出的方法能夠有效地提高高光譜遙感圖像的分類效果。 主要技術(shù)指標(biāo) 不同數(shù)據(jù)集下的訓(xùn)練樣本與測(cè)試樣本數(shù)參閱表 1. 在該訓(xùn)練樣本集數(shù)量下的分類結(jié)果表現(xiàn)參見表 2. 相比于傳統(tǒng)分類器 SVM，OA 提高了約 20%；相比于 SOMP，OA 提高了約20%。 該成果無(wú)需使用 GPU 資源在保證精度的同時(shí)有效提升了分類的精度和效果，同時(shí)在較少訓(xùn)練樣本條件下仍能得到較好的分類精度和分類效果。 表 1. 不同數(shù)據(jù)集下的訓(xùn)練樣本選取數(shù)量 表 2. PaviaU 大學(xué)數(shù)據(jù)下不同方法的正確率比較

本發(fā)明公開了一種基于信道角度域信息的分布式空時(shí)預(yù)編碼傳輸方法，其關(guān)鍵是接收端把通過(guò)信道估計(jì)得到的信道角度域信息，包括平均入射角、角度擴(kuò)展和歸一化接收天線距離，反饋給發(fā)射端，收到反饋信息后，發(fā)射端首先構(gòu)建出信道的統(tǒng)計(jì)信息，包括均值和相關(guān)矩陣，然后利用這些信息設(shè)計(jì)最佳的預(yù)編碼矩陣，對(duì)預(yù)先設(shè)計(jì)好的空時(shí)碼字進(jìn)行預(yù)處理。這種基于信道角度域信息的分布式空時(shí)預(yù)編碼傳輸方法一方面可以得到更加精確的信道統(tǒng)計(jì)信息，另一方面可以進(jìn)一步減少所需的反饋量。

簡(jiǎn)介：本發(fā)明公開了一種關(guān)于水下螺旋槳梢渦空化的數(shù)值預(yù)報(bào)方法，屬于螺旋槳優(yōu)化設(shè)計(jì)領(lǐng)域。一種關(guān)于水下螺旋槳梢渦空化的數(shù)值預(yù)報(bào)方法，包括以下步驟：(a)基本網(wǎng)格確定；(b)精細(xì)網(wǎng)格確定；(c)最優(yōu)網(wǎng)格確定；(d)利用最優(yōu)網(wǎng)格預(yù)報(bào)所需工況條件下的梢渦空化。本發(fā)明針對(duì)螺旋槳梢渦空化進(jìn)行數(shù)值預(yù)報(bào)；通過(guò)與相關(guān)實(shí)驗(yàn)結(jié)果對(duì)比，本發(fā)明較為有效地預(yù)報(bào)了E779A型螺旋槳在幾種不同工況下的梢渦空化，因此，本發(fā)明對(duì)螺旋槳設(shè)計(jì)中空化性能的預(yù)測(cè)與評(píng)估具有重要作用，可有效減少設(shè)計(jì)成本和設(shè)計(jì)周期，其應(yīng)用前景非常好。

農(nóng)田信息的快速準(zhǔn)確獲取與精準(zhǔn)管理是實(shí)現(xiàn)化肥和農(nóng)藥減施增效的重要途徑。該成果針對(duì)農(nóng)作物生長(zhǎng)環(huán)境及不同生長(zhǎng)階段水分、養(yǎng)分和病蟲害等關(guān)鍵信息難以適時(shí)、全域、準(zhǔn)確獲取的瓶頸問(wèn)題，在國(guó)家及省部級(jí)項(xiàng)目的資助下，攻克了"地-空-星"多尺度信息快速獲取與融合及肥水藥精準(zhǔn)管理關(guān)鍵技術(shù)。

通過(guò)滾壓振動(dòng)磨制備納米鋅粉顆粒、氮化硼納米片，以碳膜為骨架制成鋅空電池的柔性薄膜電極;制備出四氧化三鈷納米花顆粒作為催化劑，設(shè)計(jì)開發(fā)了一 維納米花顆粒/二維氮化硼納米片/碳納米管三維網(wǎng)狀結(jié)構(gòu)復(fù)合的多維復(fù)合多孔 空氣電極結(jié)構(gòu)。

農(nóng)作物生長(zhǎng)環(huán)境及不同生長(zhǎng)階段水分、養(yǎng)分和病蟲害等關(guān)鍵信息難以適時(shí)、全域、快速準(zhǔn)確獲取，地面定點(diǎn)測(cè)試、無(wú)人機(jī)低空監(jiān)測(cè)和衛(wèi)星大面積遙感的地－空－星三位一體多源信息獲取與融合技術(shù)體系，充分發(fā)揮了地面定位涓星的靈活精確、無(wú)人機(jī)檢測(cè)主動(dòng)快速、衛(wèi)星遙感高效面廣等綜合優(yōu)勢(shì)，滿足了全周期、全天候、大面積、低成本信息獲取與肥水藥精準(zhǔn)管理要求，在農(nóng)業(yè)生產(chǎn)中具有重要意義。傳統(tǒng)農(nóng)田信息的地面點(diǎn)測(cè)量效率低、成本高，無(wú)人機(jī)監(jiān)測(cè)載荷小、作業(yè)面積有限，衛(wèi)星遙感分辨率低、受周期性和云霧影響，單一檢測(cè)手段難以滿足精準(zhǔn)生產(chǎn)管理要求。 浙大團(tuán)隊(duì)研發(fā)了農(nóng)田定點(diǎn)信息地面車載動(dòng)態(tài)快速獲取技術(shù)與裝備、田塊尺度作物信息無(wú)人機(jī)低空遙感高效獲取技術(shù)與裝備、區(qū)域尺度農(nóng)田信息衛(wèi)星遙感解析和多源融合技術(shù)與系統(tǒng)，解決了地面實(shí)測(cè)信息、無(wú)人機(jī)低空感知與衛(wèi)星遙感信息的時(shí)空融合難題，在省域土壤缺水量與墑情預(yù)測(cè)、?。校h三級(jí)耕地地力管理與測(cè)士配方施肥、田塊肥水藥精準(zhǔn)管理進(jìn)行了廣泛應(yīng)用。 該成果總體達(dá)到了國(guó)際同類研究先進(jìn)水平，其中在多尺度農(nóng)田信息快速獲取與融合技術(shù)、無(wú)人機(jī)變量噴藥作業(yè)技術(shù)及肥水藥一體化變頻控制和噴施技術(shù)等方面處于國(guó)際領(lǐng)先水平。 近三年在全國(guó)20多個(gè)省市（區(qū)）推廣應(yīng)用，累計(jì)綜合效益13.7億元，社會(huì)、經(jīng)濟(jì)和生態(tài)效益顯著。

可以量產(chǎn)/n該項(xiàng)目公開了一種保健糯米醬，原料包括：糯米粉100～110份、密蒙花提取液20～30份、刺梨果醬30～40份、紅棗8～15份、糯米酒3～5份、桂花3～6份、蜂蜜30～40份、杞子2～3份、藕粉5～8份、檸檬酸0.5～1份、食用膠0.3～2份、純凈水30～50份。該保健糯米醬富含大量營(yíng)養(yǎng)元素，其具有補(bǔ)虛、補(bǔ)血、健脾暖胃、止汗等作用，是一種溫和的滋補(bǔ)品。