空间关联规则的双向挖掘

空间数据库中关联规则挖掘不仅需要考虑关系元组属性之间的关系——纵向关系，更需要挖掘元组之间的关系——横向关系，如相邻、相交、重叠等。本文通过分析空间数据库的存储模式，借鉴事务数据库关联规则的挖掘方法，对空间关联规则进行完整定义，并对规则的兴趣度度量进行探讨。根据挖掘的方向将空间数据挖掘归纳为纵向挖掘、横向挖掘、双向挖掘。在双向挖掘中，提出一种新算法，该算法根据挖掘任务进行约束，缩小挖掘空间，然后通过空间计算将空间关系转化为非空间关系，经过多次循环，获取非空间项集，进而挖掘出空间关联规则。据此提出空间数据双向挖掘工作流程，并通过实例进行了验证。     

区域建议网络的细粒度车型识别

目的 细粒度车型识别旨在通过任意角度及场景下的车辆外观图像识别出其生产厂家、品牌型号、年款等信息,在智慧交通、安防等领域具有重要意义。针对该问题,目前主流方法已由手工特征提取向卷积神经网络为代表的深度学习方法过渡。但该类方法仍存在弊端,首先是识别时须指定车辆的具体位置,其次是无法充分利用细粒度目标识别其视觉差异主要集中在关键的目标局部的特点。为解决这些问题,提出基于区域建议网络的细粒度识别方法,并成功应用于车型识别。方法 区域建议网络是一种全卷积神经网络,该方法首先通过卷积神经网络提取图像深层卷积特征,然后在卷积特征上滑窗产生区域候选,之后将区域候选的特征经分类层及回归层得到其为目标的概率及目标的位置,最后将这些区域候选通过目标检测网络获取其具体类别及目标的精确位置,并通过非极大值抑制算法得到最终识别结果。结果 该方法在斯坦福BMW-10数据集的识别准确率为76.38%,在斯坦福Cars-196数据集识别准确率为91.48%,不仅大幅领先于传统手工特征方法,也取得了与目前最优的方法相当的识别性能。该方法同时在真实自然场景中取得了优异的识别效果。结论 区域建议网络不仅为目标检测提供了目标的具体位置,而且提供了具有区分度的局部区域,为细粒度目标识别提供了一种新的思路。该方法克服了传统目标识别对于目标位置的依赖,并且能够实现一图多车等复杂场景下的车型细粒度识别,具有更好的鲁棒性及实用性。     

友谊灌区黄旗闸工程改造总布置及计算

由于河道变化和河道淤积,导致纳潮能力减弱,严重影响灌区供水能力。由于河势变化,致使提水工程的进水口或口门淤塞,流量减少,或河床下切,水位降低,造成提水困难。针对上述问题,对闸门、启闭设备的布置、无水闸观测设施及自动化设施进行了改造,采用《水力计算手册》中的方法进行计算,其计算结果合理。该工程改造后显著地改善了防洪、排涝、灌溉、治污等方面的效果。     

关于膨胀石墨体积密度研究

研究分析了影响膨胀石墨体积密度的诸要素，得出在其他条件不变的情况下，改变插入反应中氧化物含量、硫酸浓度以及膨化反应中膨胀温度、加热速率、可膨胀石墨质量，均能显著影响膨胀石墨的体积密度。     

水质中磷酸盐、六价铬、铜含量的实验室间比对结果分析

为了提高实验室的检测和质量管理水平,本文采用国际上通用的稳健统计,用"Z比分法"统计方法对6个实验室的水质中磷酸盐、六价铬、铜检测结果进行分析。结果表明:实验室磷酸盐、铜测定结果满意度均为83%,可疑率为17%;六价铬检测结果的满意度为67%,可疑结果率为17%,不满意率为17%。实验室磷酸盐、铜检测能力较高,部分实验室六价铬检测能力有待于提高。     

原子荧光法测定苹果中总汞和总砷含量不确定度评定

本文旨在建立原子荧光法测定苹果中总砷和总汞含量不确定度评定的方法。首先通过分析在测定过程中影响不确定度的各个因素,接着对这些因素的不确定度进行评估和量化,最后按数学模型计算出原子荧光法测定苹果中总汞和总砷含量,合成不确定度和扩展不确定度。原子荧光法测定苹果中总汞和总砷含量分别为5.256和189.750 μg/kg;相对扩展不确定度分别为14.694%和6.748%;结果表达分别为(5.256±0.772)和(189.750±12.804)μg/kg。不同浓度的待测样品要合理选择标准曲线的对应的浓度点;提高仪器稳定性,增加重复检测样品的次数;合理选择标准溶液的配制方法和移液器非常重要;总砷的测量值比总汞的测量值更接近真值,可信度更高。     

定制衣柜收纳空间设计研究

为解决现有衣柜收纳空间设计简略导致的收纳分区模糊、功能不匹配等问题,通过对定制衣柜中所收纳物品的尺寸、收纳方式、使用频率进行研究,并结合人机工程学进行衣柜最佳储存区域划分,引入模块化设计概念对定制衣柜的收纳功能区进行模块细分,最终从收纳角度完成定制衣柜收纳空间"收纳模块组合"表。在满足人们日益增长的收纳需求的同时也有利于设计师根据不同消费者的收纳需求进行多样化的模块组合,有效提高设计效率和消费满意度。     

语义匹配网络的小样本学习

针对深度学习领域内通过少量样本难以实现视觉识别的小样本学习问题，提出一种新的语义匹配网络。利用双注意力机制匹配图像的语义信息，并在多尺度分类网络下匹配图像的相似度，提升同类别样本之间的语义相关性，从而获得更加准确的样本类别。实验结果表明，与Siamese Net、Matching Net等网络相比，该语义匹配网络可有效提取样本间的语义信息，提升小样本分类准确率。     

梯形图分析方法的研究

梯形图是PLC最常用的一种编程方法,文章给出了对梯形图的一种简单有效而又准确的周期时序分析法。并以三菱PLC为例,验证了该方法的可行性。