卷积神经网络(CNN)的结构与参数决定了其在图像分类中的性能,针对深度网络结构复杂、参数量较大的问题,提出了一种基于稠密连接网络进化的CNN(D-ECNN)图像分类算法。该算法可对网络结构空间进行有效搜索,并基于有限的计算资源对深度网络结构与参数进行自适应优化。在车辆数据集上的分类实验结果表明,本算法的准确率可达到95%,相比视觉几何组(VGG16)算法,提升了约1%,且本算法的模型文件较小、速度更快。

ViBe算法由于便于实现、运算效率高等优点,在运动目标检测等领域获得了广泛应用,但其鬼影、阴影和运动目标不完整等不足也限制了ViBe算法的发展。针对ViBe算法在前景检测中的鬼影现象且长时间难以消除的问题,提出一种结合平均背景法改进的ViBe算法。首先采用改进的平均背景法获得真实背景,再对真实背景进行背景样本初始化;然后利用ViBe 算法实现前景检测、背景更新操作,从而消除后续帧检测时出现的鬼影;最后根据形态学相关知识来消除空洞以及干扰目标,使得目标更加完整。实验结果表明,与传统的ViBe算法相比,本文算法能够有效地消除鬼影,提高检测精度。

静脉采血, 分离并制备血红蛋白溶液, 用拉曼光谱方法观察不同pH时H+对血红蛋白-氧结合状态与能力的影响。 结果显示: 在514.5 nm激光的激发下, 当pH为7.4时, 随着氧分压降低, 血红蛋白在1 375, 1 562, 1 585和1 638 cm-1峰强均逐渐减弱, 其中以1 375和1 638 cm-1峰渐变最明显且相关性显著。 以氧分压为横坐标, 拉曼峰强为纵坐标, 对pH为5.7, 7.4和8.0时的血红蛋白在1 375和1 638 cm-1峰的强度及其氧分压进行线性拟合, 结果显示2处的拟合效果均良好, 拉曼峰强度/氧分压的斜率关系表现为K8.0＞K7.4＞K5.7, 表明pH越低血红蛋白的氧亲和力越低, 越有利于向组织释放氧气。 研究表明, 应用拉曼光谱技术可检测血红蛋白与氧的亲和力, 通过对血红蛋白-氧亲和力的量化检测, 可以观察pH对血氧结合状态的影响, 为血氧分压的监测以及氢离子和二氧化碳等血氧亲和力调节因子调节能力的研究提供新的研究方法与理论基础。

舰艇编队网络化反导作战条件下, 目标分配问题演变为“发射节点-制导节点-目标”三者的优化匹配问题, 该问题具有很强的实时性和动态随机性。将目标分配分为拦截适应性判断和优化匹配决策两个阶段。拦截适应性判断阶段给出了集成火力单元目标分配区、截止期的计算方法, 进而确定了每个目标的拦截适应性判断结果; 优化匹配决策阶段建立了静态“发射节点-制导节点-目标”三者的优化匹配模型, 分析了动态随机性对目标分配方案的影响。最后, 设计了基于遗传算法的Anytime算法求解模型, 重点给出了算法的随机事件处理方法和算法的元级控制策略。仿真结果验证了方法的可行性和模型、算法的有效性。