基于BP-GA算法的微震源反演研究

针对传统非线性反演方法易陷入局部最优,收敛速度慢等问题,研究了一种基于BP神经网络和遗传算法的微震源定位反演方法。重点论述了BP-GA混合算法的理论基础与模型建立,并结合实例进行了3层介质模型微震源定位反演仿真。     

基于遗传算法和雷达后向散射模型的地表参数反演研究

在地表自然裸露条件下,利用雷达后向散射系数反演地表粗糙度及地表土壤含水量已经开展了很多的研究,许多学者提出了很多相关的模型及反演技术。在已有散射模型的基础上,利用遗传算法反演地表参数,并且对反演效果进行了验证;然后分别基于AIEM模型和Oh模型对SIR-C雷达图像进行了反演计算,并对反演结果作了统计分析,从而为利用雷达图像反演地表信息提供了新的研究思路。     

渭河水质遥感反演的人工神经网络模型研究

以渭河陕西段水域为研究对象,在获取了实地监测数据和SPOT5遥感影像的基础上,对遥感数据进行预处理,建立了BP神经网络水质反演模型和RBF神经网络水质反演模型。并对水质参数CODcr、NH3-N、DO、CODmn进行反演。研究结果表明,利用神经网络模型反演水质参数是可行的,由于是非线性模型,其反演结果明显好于线性回归模型的结果。     

渭河水质遥感反演的人工神经网络模型研究

以渭河陕西段水域为研究对象,在获取了实地监测数据和SPOT5遥感影像的基础上,对遥感数据进行预处理,建立了BP神经网络水质反演模型和RBF神经网络水质反演模型.并对水质参数CODcr、NH3-N、DO、CODmn进行反演.研究结果表明,利用神经网络模型反演水质参数是可行的,由于是非线性模型,其反演结果明显好于线性回归模型的结果.     

基于多源遥感数据协同反演森林地表土壤水分研究

土壤水分在土壤监测中是一项重要的指标,对于农业生产、生态环境以及水资源管理有着重要的影响。随着遥感建模与反演理论的不断成熟,其逐渐成为分析土壤指标的重要技术与手段。因此,利用光学影像与雷达影像数据,以大兴安岭地区漠河市为研究区域,分别建立以Landsat 8为数据源的土壤水分反演模型和由Landsat 8影像数据与GF-3卫星数据协同反演的土壤水分反演模型,将反演结果与实际测得数据进行对比验证,并评价所建立的反演模型。结果表明：①对研究区地温进行反演,利用地表温度（Ts）与归一化差异湿度指数NDMI构建Ts-NDMI特征空间,结合实测数据可以发现Ts-NDMI特征空间土壤水分反演模型的反演结果与实测土壤含水量为负相关性;②协同GF-3卫星数据和Landsat 8遥感影像数据所建立的土壤水分反演模型能得到质量较高的反演结果,且在高植被覆盖度地区,利用该协同反演模型得到的反演结果比利用单一光学数据源所建模型得到的反演结果精度高,为今后高植被覆盖度地区土壤湿度的研究提供了新途径。     

利用噪声谱进行风浪声场特征反演

通过建立修正的风浪噪声模型,研究风浪声场特征的反演.在实测数据中提取100段进行频谱分析,建立不同频段噪声谱均值曲线.利用均值曲线风浪模型进行优化,建立修正的风浪声场特征反演模型.对APL和库普曼-费尔拉风浪噪声模型进行修正获得高频段反演模型;对克努森频谱浅海区模型进行修正获得低频段反演模型.对建立的全频段模型进行数据反演,生成一定范围内幅值服从高斯分布、相位服从均匀分布的噪声信号,即风浪信号时域输出.仿真结果表明,利用合理的反演模型,可以通过数据反演获得准确的海洋风浪噪声声场特征信号.为评价反演的准确性,对反演结果进行验证分析.     

基于统计学理论的内陆水质遥感反演进展

遥感具有多尺度、多时相、覆盖面广、节省人力物力等特点,可快速反演大面积水体的整体水质状况,对其进行周期性监测与评价,成为水资源管理的热点.然而,由于光在水中传播时与各种不同物质相互作用的机理极其复杂,尤其是水中各种物质对光的吸收、后向散射大不相同,水质的遥感反演成为当前遥感应用领域的难点.本文在重点综述国外在基于统计学理论基础上的内陆水质遥感反演研究后,总结出具有代表性的反演模型,并结合水质反演的原理,指出基于统计学理论的内陆水质遥感反演存在的问题,旨在促进国内内陆水质的遥感反演研究、为相关领域的研究人员提供咨询和借鉴.     

油浸式变压器内部检测球形机器人的深度悬停控制研究

为实现设计的油浸式变压器内部检测机器人在实际作业过程中能针对深度方向某具体点进行观测,对机器人的深度悬停控制进行研究.通过对机器人控制策略的分析,根据水下机器人动力学理论,建立机器人在变压器油特殊介质的动力学模型.基于鲁棒反演控制方法及滑模自适应控制理论,提出一种鲁棒反演滑模控制方法,采用模糊控制器设计滑模面切换增益,以削弱不确定干扰带来的系统抖振,并通过Lyapunov理论分析证明控制器稳定性.解决了机器人在变压器油中因耦合、外界扰动等造成的深度悬停定点过程自旋及抖动问题,仿真及实验表明了所提出控制器的有效性.     

动载荷反演分析技术研究综述

介绍了动载荷反演分析技术工程应用背景,综述了动载荷反演分析理论研究的最新进展.从动载荷反演分析理论、工程应用等方面回顾了动载荷反演分析技术的发展历程,探讨了动载荷反演分析研究中存在的关键科学问题,对动载荷反演分析技术应用于实际工程,后续需要进一步开展的研究方向进行了展望.     

利用微波辐射计对月壤厚度进行研究

介绍了运用并矢Green函数和起伏逸散定理来计算平面分层媒质的辐射亮温，同时利用最小二乘法对多通道辐射计的模拟测量结果进行处理得到分层媒质厚度的方法。将该方法应用于月壤厚度的反演研究，在假定月壤如平面分层结构模型的情况下，得到了其厚度的反演结果，并对反演误差原因进行分析。     

细粒度的基于角色的访问控制模型

RBAC模型是一种被广泛应用的访问控制模型。但是,RBAC模型是在角色级管理和控制权限,不能满足用户获得角色的部分权限和角色权限的部分继承等安全需求。针对这个问题,在RBAC模型中增加权限的重要程度要素,提出了FGRBAC模型（Fine-Grained Role-Based Access Control Model--细粒度的基于角色的访问控制模型）,并给出了在FGRBAC模型中求用户权限和角色权限的算法。FGRBAC模型不仅可以使用户获得角色的部分权限、父角色可以继承子角色的部分权限,而且RBAC模型可被看成是FGRBAC模型的一种特例。因此,FGRBAC模型不仅具有RBAC模型的所有优点,而且比RBAC模型具有更好的灵活性和实用性。     

基于BIC的语音识别模型压缩算法

当对HMM(Hidden Markov Model,隐马尔科夫模型)语音模型进行GMM(Gaussian Mixture Model,混合高斯模型)区分训练增加组件时,语音模型的识别率会随着GMM的组件增多而增加,模型的大小也会增加,这就造成了语音模型的臃肿。而在移动端使用本地语音模型进行识别时,存放一个几百兆的模型很不合适。针对上述问题,本文提出将一个GMM组件数较多的语音模型利用BIC准则压缩到指定的组件数,从而在模型大小合适的情况下尽量保证模型的识别率。实验结果表明,使用本方法进行压缩之后的语音识别率比未压缩的相同组件数的语音识别模型的识别率要高。     

SSD模型及其在汉语词性标注中的应用

该文提出了一种以符号解码与数值解码并举的SSD(Symbol-and-Statistics Decoding Model)模型,该模型被用于汉语词性标注任务,其标注正确率在封闭测试中达到97.08%,开放测试中达到95.67%,较二阶HMM的95.56%和94.70%都有较为显著提高。SSD模型的正确率虽然不及最大熵模型和CRF模型,但它的训练时间远少于后者,说明SSD模型在处理自然语言中的特定任务时是一种较强的实用模型。     

UCON访问控制的研究

UCON模型是一种新型的访问控制模型,它包含了传统访问控制模型并能适应现代信息系统的访问控制要求,为研究下一代访问控制提供了新思路,被认为是当前很具有潜力的访问控制技术。本文较为全面的介绍了UCON模型,重点介绍了UCON核心模型的组成元素,UCONABC模型,阐述了UCON模型的新特性,以及它的使用范围,最后分析了UCON的优点以及实际应用中存在的不足。     

A technical note on “A note on integer-valued radial model in DEA”

Khezrimotlagh et al. (2013) pointed out the Kuosmanen and Kazemi Matin’s model (hereafter referred to as, the KKM model) may not be stronger than the Lozano and Villa’s model (hereafter referred to as, the LVM model), and they used a counter example to show that the input targets of the KKM model may even be greater than that of the LVM model. In this paper, we improved the KKM model into a rectified KKM model (hereafter referred to as, the RKKM model), and showed that the RKKM model can successfully solve the problem in the counter example.     

Geodatabase网络模型的研究与应用

为了合理地管理、存储和显示海量的空间数据,ESRI公司推出了第三代地理数据模型-Geodatabase模型,该模型是一种面向对象的数据库技术。该文详细地介绍了作为Geodatabase基本模型的网络模型的概念、特点和分类,并以路网中的最短路径和供水管网中的爆管分析为例,深入地分析了Geodatabase网络模型在实际中的应用。     

UCON访问控制的研究

UCON模型是一种新型的访问控制模型,它包含了传统访问控制模型并能适应现代信息系统的访问控制要求,为研究下一代访问控制提供了新思路,被认为是当前很具有潜力的访问控制技术。本文较为全面的介绍了UCON模型,重点介绍了UCON枋心模型的组成元素,UCONABC模型,阐述了UCON模型的新特性,以及它的使用范围,最后分析了UCON睁优点以及实际应用申存在的不足。     

Continuous and Discrete Trajectory Models for Dynamic Traffic Assignment

A continuous trajectory model is presented in which transportation networks are represented as topological constructs. The general formulation enhances existing analytic dynamic traffic assignment models by incorporating continuous single-link traffic flow models in a general, coherent, and relatively intuitive manner. Specific exact formulation based on a simplified kinematic wave traffic flow model with physical queues is presented as well.A discrete trajectory model is proposed as an approximation of the continuous model. The discrete model provides wide flexibility in choosing the level of aggregation with respect to time intervals, ranging from several hours, as typical in current practice of long-term travel forecasting models, to one second or less, as in microscopic simulations. An algorithm to find discrete approximate solutions is presented as well as accuracy measures to evaluate them. The effect of time resolution on model performance is examined by a numerical example.     

基于相变和似然性的多相图像分割方法

Sine- Sinc模型是一种基于材料科学中Modica-Mortola物理相变原理的多相图像分割方法.针对该模型分割结果不完全、易受噪声和亮度不均匀性影响的问题,提出了一个改进的Sine- Exp-Gauss多相图像分割模型.基于Sine-Sinc模型,Sine- Exp-Gauss模型用指数函数代替Sine-Sinc模型的Sinc函数,并从分段常数图像假设推广到高斯分布函数图像假设;模型偏微分方程的数值解采用凸函数分裂方法迭代,获得每个相的局部最优解,同时给出一种标准初始化方法使迭代过程易于收敛到理想局部极小值.与Sine- Sinc模型和偏差矫正模型相比,实验结果证明Sine- Exp-Gauss模型在噪声消除和自偏差矫正方面都更加鲁棒.     

基于指数平滑的云服务器请求量集成预测模型

针对现有弹性云服务器(elastic cloud server,ECS)未来请求量预测模型准确度低、稳定性差等问题,提出一种基于指数平滑的Stacking集成预测模型。以多个二次指数平滑模型作为基础模型,将线性回归模型作为集成模型对多组指数平滑预测值进行最终拟合;预测过程中使用多组二次指数平滑模型对ECS的历史请求时序进行构造集成模型训练数据集并加入平滑系数的动态优化。与传统单一模型的对比实验结果表明,该模型在实际云服务器请求量预测过程中具有更好的准确性和稳定性。