【摘 要】
：
We present crustal models for seismic P-waves (Vp)， S-waves (Vs) and the Vp/Vs ratio across the southern North China Craton along lat. 36°N. Our results are based on inverse and forward modeling of lo
【出 处】
：
Journal of Earth Science
论文部分内容阅读
We present crustal models for seismic P-waves (Vp)， S-waves (Vs) and the Vp/Vs ratio across the southern North China Craton along lat. 36°N. Our results are based on inverse and forward modeling of long-range wide-angle reflection/refraction data. The
其他文献
利用CCD采集了GMAW焊熔池图像，分析了不同工艺条件下熔池动态变化过程及所对应焊接缺陷，提出利用非负矩阵分解法对熔池图像进行解析，得到熔池图像的特征矩阵。通过最小二乘法计算未知焊接过程测试图像在特征矩阵投影值，给出了焊接缺陷的自动识别方法。研究结果表明，焊接质量和熔池稳定程度有关联，熔池紊乱表现为熔池轮廓波动、浮渣离散等特点，熔池稳定程度下降伴随着焊接质量的下降，焊缝出现缺陷。利用非负矩阵分解法
针对传统算法对多角度人脸表情识别效果不佳、偏转角下生成的人脸正面化图像质量低等问题，提出了一种结合双通道WGAN-GP的多角度人脸表情识别算法。传统模型仅利用侧脸特征对多角度人脸进行表情识别，特征差异小导致识别精度低，因此引入生成对抗网络先对人脸进行转正，消除姿态角的影响。为了使模型训练稳定的同时提升人脸生成质量，以WGAN-GP作为基础网络，并将其改进为双通道结构，融合五官特征以及人脸全局特征来
视频异常检测是指对偏离正常行为事件的检测识别，在监控视频中有着广泛的应用。本文对基于深度学习的视频异常检测算法进行了深入的调查研究，并对其进行了全面的梳理和总结。首先，本文对视频异常检测相关内容以及异常检测面临的挑战进行了分析，然后，从有监督、半监督和无监督三个方面对视频异常检测的相关算法进行了介绍和分析。对三种不同场景下的算法进一步的细化分类，将监督场景下的算法划分为二分类和多分类两种方式，将半
背景感知相关滤波算法能有效利用背景信息，在解决边界效应问题的同时保持较高的跟踪速度。针对背景感知相关滤波算法在尺度变化、遮挡、目标形变时容易跟踪失败的问题，提出一种基于背景感知与自适应响融合的相关滤波算法。本文算法以波动面积比为参考指标，在响应层实现自适应特征融合，提高特征表达能力，并利用主成分分析法分别对方向梯度直方图特征和颜色名特征进行降维，提升跟踪速度。引入尺度滤波器，提升跟踪速度的同时准确
人工智能对抗环境下，深度神经网络对于对抗样本有明显的脆弱性，为提高对抗环境下的模型鲁棒性提出一种深度神经网络模型鲁棒性优化方法AdvRob。首先将目标模型改造为特征金字塔结构，然后利用潜在特征先验知识生成攻击力更强的对抗样本进行对抗训练。在MNIST和CIFAR-10数据集上进行实验表明，利用潜在特征生成的对抗样本相较于AdvGAN方法攻击成功率高，更具多样性且可迁移性强;在高扰动下，MNIST数
为了提高医用内窥镜图像的血管和组织对比度，本文提出一种融合技术。该方法分为两部分，第一部分基于剪裁直方图的加权分布伽玛校正（AGCWHD），利用负像策略实现亮图像增强，采用截断伽玛值的方法增强暗图像，基于对比度强弱增强中等亮度图像。之后采用改进的离散小波变换的奇异值分解（DWT-SVD）技术实现亮度增强。第二部分基于Lab颜色空间对奇异值均衡图像的L分量执行对比度受限的自适应直方图均衡（CLAHE
异物侵入铁路限界对高速铁路运营安全危害极大，针对当前基于计算机视觉的铁路异物侵限算法存在错误预警、检测效率低、无法满足轻量级部署等问题，提出了一种基于轻量级网络的铁路感兴趣区域异物侵限检测方法。首先，采用透视变换和三次函数拟合的方法检测铁轨线，通过找到铁轨所在区域，扩展划分出危险区域和安全区域，得到铁路异物侵限检测的感兴趣区域。然后，利用稀疏化和通道剪枝方法对YOLOv3模型进行压缩，构建了轻量级
针对糖尿病性视网膜图像数据集的不均衡、组织形态的特征提取不充分、分级准确率不高等问题，本文提出一种基于DR-Net模型的改进识别算法，Improved DR-Net。本文选用Kaggle失明检测竞赛数据集APTOS2019Dataset，采用多种数据增强策略扩充数据集，并引入Eye-PACS数据集进行无偏修正，同时采用高斯滤波等形态学方法增强眼底图像特征；对ResNext50聚合残差结构进行预训练
近年来，深度学习方法因其学习能力强、准确率高等优势被广泛应用于生物特征识别中，虹膜识别中的相关研究也不断涌现。本文提出了一种改进的深度虹膜分类模型EnhanceDeepIris，在生成网络的辅助下，对深度学习虹膜分类网络进行二次训练，使已经在原始训练集上收敛的分类网络继续训练，得到在测试集上泛化能力更好的网络。本文使用三个最先进的图像分类网络VGG16，ResNet101和DenseNet121，
基于反向传播神经网络（back propagation neural network,BPNN）构建了一种路径损耗预测模型.通过卫星图像的红、绿、蓝（red, green and blue,RGB）通道的颜色信息来表征无线通信电波传播路径的环境特征，结合路测点与基站的距离特征构建数据集，迭代训练网络参数，以预测传播路径损耗.结果表明，对跨基站路测点的预测结果与实测数据之间的相关系数达到0.83，绝