针对经典的函数映射方法存在描述符特征单一、映射矩阵约束不强的问题,构建了一种数据驱动强正则化函数映射方法,用于计算三维模型的对应关系。首先,通过前向传播将源模型和目标模型的方向直方图签名(SHOT) 特征描述符输入残差网络进行训练,获得增强的SHOT特征描述符;然后,用基于函数映射的几何约束代替标签;最后,通过反向传播优化描述符的训练过程,实现了无监督数据驱动函数映射对应关系的计算。在FAUST数据集上的实验结果表明,本方法不仅能降低函数映射网络(FMnet)中模糊对应关系矩阵和测地距离矩阵的计算量,且构建的对应关系准确性也优于现有主流方法。

提出了一种基于流注-先导放电理论的数值模拟方法来快速判断直升机初始雷击附着点。首先, 根据标准SAE-ARP 5416A中规定的相关试验方法, 确定平板电极大小、直升机离边界距离等参数。然后, 利用Becerra-Cooray正极性先导起始和发展判据对UH-60“黑鹰”直升机的主旋翼翼尖、尾旋翼翼尖、水平尾翼以及机头部位进行分析比较。最后, 通过不断改变平板电极电势的方法, 找到各个关键位置产生稳定正极性先导所需的最小背景电场值, 以此为依据来对其初始雷击附着位置进行分析。结果表明, 主旋翼翼尖最易成为初始雷击附着位置, 而机头则较难成为初始雷击附着位置。

多光谱遥感数据蕴含着大量的地表立地信息, 而传统立地质量评价体系主要使用了人工地面调查数据。 为了建立一套有效的立地质量评价体系, 以内蒙古赤峰市旺业甸林场为研究对象, 基于研究区域的多光谱遥感数据结合地面小班调查数据, 采用一种改进的反向传播人工神经网络（back Propagation artificial neural network, BPANN）模型, 以落叶松为例, 建立了遥感光谱因子结合立地因子与地位指数关系的神经网络模型, 对研究区域的小班进行立地质量评价研究。 通过训练数据集的敏感度分析剔除弱相关或不相关的因子, 简化了神经网络的规模, 提高了网络的训练效率, 得到了最优的地位指数预测模型, 模型的预测精度达到95.36%, 与使用传统小班调查数据建立的神经网络模型的预测结果进行了比较, 精度提高了9.83%, 说明使用多光谱遥感数据+小班调查数据确定的落叶松地位指数预测模型具有最高的预测精度。 多光谱遥感数据十分适用于森林立地质量评价, 改进BP神经网络具有理想的预测精度, 充分证实了该方法的有效性和优越性。

利用光线追迹的方法，考虑太阳形状、余弦损失、阴影及遮挡损失的影响，建立线性菲涅耳反射（LFR）聚光器的三维光学几何模型，给出其光斑能流密度分布的计算式，采用Matlab软件编程实现该算法。将计算结果与美国国家可再生能源实验室（NREL）开发的SolTrace软件仿真结果相对比，光斑能流密度分布曲线基本吻合，证明了该算法的正确性。为了获得更高的镜场聚光效率，对比了不同反射镜面型对LFR聚光器的影响。