里下河区浅水湖泊表层沉积物营养盐溯源分析

以里下河区的大纵湖、得胜湖、蜈蚣湖、九龙口为例,分析了表层沉积物总有机碳（TOC）、总氮（TN）、总磷（TP）的垂向分布特征,探讨了引起其含量变化的影响因子以及三种元素之间的相关性特征,通过C/N和N/P的比值追溯C、N、P的来源。结果表明,四个湖泊中表层沉积物中的TOC含量随深度的增加而降低;刚经过疏浚的湖泊表层底泥中的总有机碳、总氮、总磷含量明显小于其他湖泊;不同湖泊营养盐的相关性存在较大差异;除DS采样点外,研究区域C/N值多介于2~8之间,有机质来源以水生植物为主。     

“下软上硬”二元结构型反倾边坡倾倒变形演化机理研究

针对某水电站导流洞进口边坡开挖过程中出现的顺层面张裂缝问题,采用工程地质分析、数值模拟相结合的方法,定性、定量分析裂缝产生机理及开挖边坡稳定性。研究结果表明,进口边坡本质上是一个"下软上硬"的二元结构,作为边坡基座的Pt2-12y具有极薄层的岩体结构特征,开挖卸荷后呈现了较强的弯曲式倾倒变形;边坡潜在失稳区域集中在前缘Pt2-12y岩层内,其变形破坏模式由倾倒-拉裂为主转变为滑移-拉裂;从安全系数计算结果及倾倒变形体的一般破坏特征来看,当前条件下开挖边坡整体稳定是有保障的。     

竖缝式鱼道水力特性三维数值模拟

以斯洛文尼亚布兰卡水电站竖缝式鱼道为例,分别用大涡模拟(LES)和RNGκ-ε紊流模型计算鱼道三维流场,并利用实测数据对两种模型的数值计算结果进行验证,进而对比分析了不同时刻典型截面的流场结构。结果表明,两种计算模型均可满足鱼道工程设计的基本要求,较RNGκ-ε紊流模型仅能提供时均水流特性,大涡模拟有力补充了鱼道内瞬态涡结构细节,可为进一步明确鱼道内水流的瞬态特性与鱼类上溯行为的内在关联提供有效的分析工具。     

基于朴素贝叶斯理论的内部威胁检测方法

相比信息系统外部威胁攻击,信息系统内部威胁攻击更具隐蔽性,更难被发现并进行阻断。本文介绍内部威胁的概念及内部威胁常见的3个特征。针对用户命令操作行为具有普遍规律性,利用公开的安全数据集S-M数据集,提出一种基于朴素贝叶斯理论的内部威胁检测方法。该方法能够将混入用户中带有攻击操作行为命令的内部威胁检测出来,大大提高了内部威胁检测正确率,降低了误报率,使机器学习思想在内部威胁检测领域得到了广泛的应用。      

基于卡尔曼滤波与感知哈希技术的模板匹配跟踪算法

为解决传统模板匹配跟踪算法计算复杂度高且在目标形变、光照变化、遮挡等情况下容易发生跟踪漂移的问题,本文提出一种融合卡尔曼滤波、图像感知哈希与模板匹配的跟踪算法。本算法采用感知哈希技术提取目标的哈希值作为模板进行匹配,采用卡尔曼滤波预测下一帧中候选目标的搜索区域,然后,结合模板的哈希序值和目标位置变化信息设计新的匹配准则进行模板匹配,最后根据匹配结果,采用自适应模板更新策略和跟踪策略对目标进行跟踪。试验结果表明,本算法在目标形变、光照变化以及遮挡情况下具有一定的鲁棒性,且能满足实时跟踪的要求。     

基于离散鸡群压缩感知的WSNs多目标定位

对无线传感器网络（WSNs）多目标定位问题进行研究,提出一种基于离散鸡群压缩感知的多目标定位方法。首先给出离散鸡群算法（DCSO）相关定义,设计离散鸡群编码方式和迭代进化策略,在此基础上,构建基于压缩感知（CS）的WSNs多目标定位模型,对测量矩阵和稀疏矩阵进行合理选取,并将离散鸡群算法应用于CS信号重构算法中,实现对稀疏度未知多目标位置信息的精确重构。仿真结果表明,与OMP和MLE定位算法相比,该方法具有较高的多目标定位精度。     

基于半监督协同训练的百科知识库实体对齐

针对传统实体对齐方法中的有监督学习算法依赖大量标注数据,以及特征表示不适用于百科知识库等问题,提出一种基于半监督协同训练的实体对齐方法。将实体对齐建模为一个带约束的二分类问题,充分利用实体名、属性、描述文本及其中的时间、数值等关键信息,组合生成多维特征;将特征划分为2个相对独立的视图,通过2个视图上分类器的协同训练,迭代地从未标注数据中学习同义实体的分布情况。在2个中文百科上的实验结果表明,使用半监督协同训练方法进行实体对齐的F1值达到84.3%,较其他方法效果最优,证明了其有效性和在百科知识库上的实用价值。     

基于视频跟踪轨迹的全过程路侧停车行为检测与识别技术

针对路侧停车行为检测与识别问题,结合经典KLT运动角点检测方法与实时压缩跟踪方法,提出一种基于视频跟踪轨迹的全过程停车行为识别技术。首先利用KLT方法检测视频中的运动角点,确定运动车辆位置,再利用压缩跟踪方法,提取视频序列中运动车辆完整的运动轨迹,较为准确地描述路侧停车的动态过程。最后,利用提取的运动特征在真实的路侧停车视频上进行实验验证。实验结果表明,本文提出的停车行为检测与识别方法是可行有效的。      

基于超链接和DOM结构树的网页标题实时抽取方法

网页标题的正确抽取,在Web文本信息抽取领域有着重大意义。本文提出一种网页标题实时抽取方法。首先通过对目录型网页进行实时解析,接着采用基于超链接遍历的方法,并利用标题与发布时间的对应关系,最终获取对应目录型网页的URL及锚文本。若获得锚文本不是网页正文的标题,则获取主题型网页的HTML源码并构建网页DOM树。在此基础上,结合网页标题的视觉特点,深度优先遍历DOM树,正确提取网页正文标题。实验结果表明,本文提出的Web网页标题实时抽取方法,具有实现简单,准确率高等优点。 