• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

基于离散数学模型的多焦点图像缺失特征填补算法_杨海波

亮度闪烁会造成多焦点图像特征缺失,产生视觉失真效果。为此,提出基于离散数学模型的多焦点图像缺失特征填补算法,修复多焦点图像亮度闪烁问题。根据亮度闪烁离散数学模型展现出的空间域上亮度变化连续性特征,利用位置块估计模型参数。在此基础上,利用亮度闪烁在空间中呈现的连续性特点,检测多焦点图像序列中的运动区域,分别采用基于前向多帧参考、基于运动矢量的闪烁修复算法修复图像静止区域和运动区域,共同实现多焦点图像缺失特征填补。实验结果表明:该算法可有效修复图像亮度闪烁,填补图像的缺失特征,营造良好的视觉效果;该算法可显著改善多焦点图像序列的亮度均值和标准差波动幅度,增强平滑性,且具备较快运行速度。

  • 2021-04-20
  • 阅读330
  • 下载0
  • 5页
  • pdf

动车所一级修灵活作业顺序模型与算法_韩宝明

动车所一级修作业流程大都采用"清洗—检修"固定作业顺序模式,由于线路容量限制和动车组到达时间顺序不固定,该模式会导致动车组等待时间长、线路空闲和检修能力浪费等.针对这些问题,提出了一种动车所一级修灵活作业顺序的非线性整数模型,模型以最晚完工时间最小为目标,并考虑了动车组作业先后顺序、单个动车组作业流程以及动车组运用计划时间要求等约束条件,采用改进遗传算法完成求解.以太原动车所为例,对比其他两种固定作业顺序模式,验证了本文模型的可行性和有效性.研究结果表明:灵活作业顺序模式能够有效减少动车组等待作业时间,加强线路的利用率,缩短最晚完工时间,提高动车所一级修的工作效率和能力.

  • 2021-04-20
  • 阅读325
  • 下载0
  • 8页
  • pdf

基于DKN算法的档案知识推荐系统模型构建_蔡之玲

大数据发展背景下,档案知识服务面临着海量管理与精准投放的供需矛盾,因而需要档案馆方针对性匹配用户知识需求,破除服务方式桎梏。通过比较现有推荐算法类型,分析档案知识推荐系统运用DKN算法的技术适配和价值契合,阐明特征工程中档案知识图谱的建构及DKN算法模型建构,根据系统结构理论,设计出基于DKN推荐算法的档案知识推荐系统架构及其安全架构。

  • 2021-04-20
  • 阅读338
  • 下载0
  • 9页
  • pdf

基于改进PCNN模型的偏振图像融合算法_姜兆祯

偏振成像可以得到目标的多维偏振信息,各偏振参量图像之间具有很强的相关性,它们之间不仅包含大量的共有信息,还拥有各自的特有信息。针对如何从复杂背景中凸显目标,提高目标的辨识度这一问题,提出一种基于改进神经网络模型的偏振图像融合算法,将传统PCNN模型扩展到双通道,采用像素的平均梯度(AG)作为PCNN的链接系数,空间频率(SF)作为模型的输入项,对强度图与偏振度图进行融合处理,最后将实验结果与其他常用方法进行对比,客观评价指标表明,该算法融合效果更佳,且融合图像的边缘细节特征也更为清晰明显。

  • 2021-04-20
  • 阅读305
  • 下载0
  • 5页
  • pdf

基于射线模型的超声声速层析算法研究进展_朱翔

得益于超声换能器硬件的进步和数据采集速度的提升,超声层析成像近年来得到了越来越多的关注,特别是在乳腺成像领域。超声层析成像中的声速图像分布可以为乳腺组织表征提供良好的定量分析数据,进而使得超声层析成像在乳腺癌的诊断方面有着良好的应用前景。目前,超声声速层析重建方法主要包括基于射线模型和全波模型的两大类算法。基于射线模型的重建方法使用了超声波的高频近似,假设超声波近似以直线或弯曲射线传播。由于数学模型简单,基于射线模型的声速重建算法是超声层析成像中一类重要的图像重建方法。该文将从射线前向过程、声波的第一到达时间提取以及声速重建的反问题等方面阐述基于射线模型的声速重建算法研究现状,并展望其在成像速度和成像质量方面的发展趋势。

  • 2021-04-20
  • 阅读291
  • 下载0
  • 14页
  • pdf

高速铁路场景中基于MAB模型的多信道选择算法_朱豪

针对高速列车越区切换过程中,切换带为多信道分布的问题,提出一种基于多臂老虎机(multi-armed bandit, MAB)模型的信道选择算法.首先,以置信区间上界(UCB)算法为基础,通过设置信道空闲差异因子,使算法快速收敛于最优信道;其次,通过引入满意通信概率(SCP),衡量移动列车的通信质量,分析与切换过程中误码率之间的关系;最后,利用最优信道选择比率、成功传输率和累积接入损失作为评判标准,分析算法的性能.仿真结果表明,该算法的累积接入损失比原始UCB算法减少了约18.5%;对比随机选择算法与原始UCB算法,成功传输率提高了约30.2%和3.3%;最优选择比率提高了约88.3%和13.5%.

  • 2021-04-20
  • 阅读287
  • 下载0
  • 7页
  • pdf

基于改进的二进制蚁狮算法的特征选择模型及应用_赵转哲

了降低滚动轴承故障数据集的特征维度,选取最有效的数据特征,首先提出一种改进的二进制蚁狮算法,该算法通过引入种群保护集机制,对具有寻优潜力的部分蚂蚁进行保留,并将保护集内群体与主群并行迭代,以加强算法的全局寻优能力,然后通过0-1背包问题验证了该算法的有效性;最后将上述改进融入混合式特征选择模型中,在UCI标准测试数据集与凯斯西储大学滚动轴承故障数据集上分别应用该模型进行特征选择,实验结果表明,融合改进二进制蚁狮算法的混合式特征选择模型的识别精度与特征约简能力均得到明显的提升。

  • 2021-04-20
  • 阅读320
  • 下载0
  • 19页
  • pdf

基于多目标优化算法模型的电热水器功率优化方法_赵子源

针对现有技术中电热水器能耗大、管控困难的问题,该文提出了新型的电热水器功率优化方法,构建了电热水器的多目标优化模型,该模型基于多目标优化模型能够实现电热水器参数分析,并通过运行约束条件对电热水器的能耗等问题进行分析,并利用多目标优化模型实现电热水器最佳功率优化,解决了常规技术中难以实现全局最优解的技术弊端。试验表明,与单目标优化的方法相比,该文的方法能够将电热水器功率提高到95.32%,提高了功率优化程度。

  • 2021-04-20
  • 阅读307
  • 下载0
  • 5页
  • pdf
上一页 1 …… 78377838783978407841784278437844784578467847 …… 7904 下一页 共 63230 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

2025年车路云一体化系统云控基础平台功能场景参考架构报告2.0

汽车智能化网联化融合发展已经成为全球政府、产业界的发展共识,各国通过升级政策法规、推动测试示范、加速创新应用等方式推动智能网联汽车产业发展。2024年1月,我国启动智能网联汽车“车路云一体化”应用试点,推动车路云一体化从技术验证迈向规模化应用。

  • 阅读98
  • 下载1

2025年中国新锐品牌全球成长白皮书

过去十年,中国消费市场的高速迭代催生了一批极具活力的新锐品牌。它们凭借对消费趋 势的敏锐洞察、柔性灵活的供应链体系以及成熟的数字化运营能力,在国内细分市场中迅 速崛起,创造了一个又一个“爆款神话”。

  • 阅读86
  • 下载2

中服云多模态工业物联网平台介绍

中服云作为国内著名的专业工业物联网平台系列产品提供商,历经十余年深耕发展,已构建起成熟的全系列多层次产品体系,精准适配不同行业、不同规模用户的差异化需求。凭借在工业数据采集、边缘计算、人工智能、数字孪生等领域的深厚技术积累与持续创新,中服云已为海量工业企业提供了稳定可靠的数字化转型解决方案。平台支持云端SaaS在线部署与用户现场私有化部署两种模式,既满足中小企业轻量化、低成本的在线使用需求,也保障大型企业对数据安全、定制化服务的高标准要求。

  • 阅读97
  • 下载0

中服云工业物联网平台数字孪生版技术原理与功能介绍

中服云数字孪生平台以物联网平台+数据中台为坚实基础,以2D/3D/GIS为核心展示形式,致力于打造一个从设备原始数据到孪生应用落地的一站式数智化平台。

  • 阅读138
  • 下载4

最新上线

智慧物流园区信息化趋势

区别于传统消防联网模式,在符合GB50440要求的同时,将互联网思维融入消防信息化管理,将离散在园区各个消防设施实时状态信息有效整合在统一系统上。

  • 阅读48
  • 下载0

2025全球人工智能展望报告

2025 年,人工智能正式迈入 “智能体元年”,AI Agent?成为驱动产业变革的核心力量,硬件迭代、多模态融合、世界模型演进共同推动行业从 “被动响应” 向 “主动解决复杂问题” 跨越。

  • 阅读9
  • 下载0

算力是人工智能的基础设施

机器学习与深度学习有着明显的异同点 在数据准备和预处理方面,两者是很相似的。他们都可能对数据进行一些操作:数据清洗、数据标签、归一化、去噪、降维。核心区别:传统机器学习的特征提取主要依赖人工,针对特定简单任务的时候人工提取特征会简单有效,但是并不能通用;深度学习的特征提取并不依靠人工,而是机器自动提取的。这也是为什么都说深度学习的可解释性很差,因为有时候深度学习虽然能有好的表现,但是我们并不知道他的原理是什么。

  • 阅读21
  • 下载0

2026六大未来产业发展趋势与人工智能八大落地场景洞察

2025年是中国人工智能规划中期规划的关键节点,AI场景解决方案从“能用”到“有用”到“好用”在垂2025年中国AI产品在用户规模与产品数量上已具备全球竞争力

  • 阅读21
  • 下载0
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南