摘要：针对当前遥感图像舰船目标检测精度不佳问题,本文构建舰船目标数据集STAR,提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块,基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类,增强浅层网络对细节特征的提取能力;其次设计了深层多尺度特征金字塔融合模块,采用FPN和LSTM思想,基于反卷积和残差网络对深层不同尺度特征进行融合,增强网络结构非线性和特征层的表征能力;最后加入聚焦分类损失函数进行联合训练,有效避免了正负样本失衡问题。在遥感图像舰船数据集上实验,本文所提舰船目标检测算法精度均值达到81.98%,检测速度达到29.6帧/s。此外,遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法,实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强,有效地提高了遥感图像舰船目标检测的精度。

摘要：用遗传程序设计反演二维抛物型方程右端函数模型并在求解右端函数的适应值评价中我们采用正则化来解决反演中的不适定问题。数值实验结果表明采用此算法为高维的抛物型方程的反演问题提供了一种崭新的实用方法。

摘要：在非视域成像场景中,有效的回波光子大量减少,泊松噪声对非视域成像的质量影响较大。传统图像泊松降噪算法存在迭代时间长、模式固定和手动设置参数等问题。为提高非视域成像质量,设计一种基于深度学习的单光子非视域成像泊松降噪方法。为解决训练样本不足的问题,利用几何光学近似和蒙特卡罗方法对非视域场景下的光子运动轨迹进行追踪建模,对非视域成像过程进行仿真,利用仿真数据重建的泊松噪声图像制作数据集。设计基于注意力机制的特征增强降噪网络(AEF-Net),利用仿真数据对网络进行优化训练。最后,搭建一套非视域成像系统对网络的泊松降噪性能进行验证。实验结果表明所提AEF-Net去除非视域场景下的泊松噪声效果优于传统降噪算法。

摘要：采用遗传程序设计方法来求解偏微分方程的参数识别问题,用遗传程序设计优化参数的模型结构,成功实现了对偏微分方程参数的反演。数值实验表明,采用此算法能使计算机自动搜索到满足条件的解,该方法的研究可为偏微分方程的参数识别提供一个有效的工具。

摘要：计算机断层成像技术(Computed Tomography,CT)技术已经被广泛应用于医学诊断、工业无损探伤以及安全检查等领域。然而在实际应用中,很多情况下并不能采集到完全角度下的投影数据,例如成像系统设计的限制等。利用有限角度下的投影数据进行图像重建被称为X射线成像有限角度重建。本文介绍了两种有限角度CT迭代重建方法,并对其重建结果进行了比较和评价。

摘要：学校体育教学的结构和内容安排合理与否,直接影响体育教学的效果。目前高校体育教学普遍存在着教学项目过多,体育教学只能蜻蜒点水,学生样样都学,样样都不精的状态。而且选择教学项目时总是凭主观意愿,盲目而缺乏科学性。要使教学由无设计、无控制的经验型转变为有予见、有计划的科学型,就必须利用现代科学知识和方法来加以研究和解决。本文研究的目的,就是利用统计学的有关知识和方法对体育教学项目进行分析、予测和评估,从而使体育教学取得予期的效果。