一种融合多模式单演特征的人脸识别方法

为了更好地利用单演幅值和区域主方向信息,分别提出了一种单演韦伯差异激励局部块二值模式和单演区域主方向模式,并在此基础上进一步采用分块子模式策略融合两种特征。该方法首先对单演幅值求取差异激励,将差异激励分解为正值和幅值图像;然后对正值和幅值图像采用基于分块的局部二值模式编码,采用主成分分析方法求取单演区域主方向,并对主方向进行均匀量化,再采用异或编码。在获取两种特征后,采用分块子模式的策略对两种特征进行加权融合。在AR和CAS-PEAL上的实验表明,MWLMBP和MDOP两种特征提取方法能够有效提取图像的判别信息,进一步融合两种特征的方法能够有效增强特征的分类能力,提高特征的识别性能。     

基于视频数据和传递熵的鱼群信息传递网络构建

鱼群中的个体如何通过信息传递从而达到一致的群体运动状态,至今还没有刻画这一现象的统一数学模型.本文阐述了一种利用视频数据和传递熵构建鱼群中个体间信息传递网络的方法.首先用实验获取斑马鱼集群的视频数据,并采用计算机视觉跟踪的方法获取鱼群中每个个体的位置和运动速度,然后利用传递熵计算个体两两之间的信息传递关系,在此基础上构建了鱼群信息传递网络.通过网络分析,揭示了鱼群中个体间的信息交互个数与信息传播速度之间的关系,进一步发现了鱼群信息传递网络中的频繁子结构.本文提供了一种利用探测时间序列间因果关系建立鱼群信息传递网络的方法,为鱼群信息传递研究提供了一种新的思路.     

轴流压气机旋转失速建模与检测II: 基于北航低速压气机试验台的实验研究

轴流压气机旋转失速和喘振的提前检测对于提高压气机工作效率和稳定性具有重要的意义.本文以北京航空航天大学航空发动机重点实验室的低速轴流压气机实验台为研究对象,基于确定学习理论及动态模式识别方法,开展旋转失速初始扰动近似准确建模和快速检测研究.首先,在压气机机匣壁面周向布置多个动态压力传感器,获取压气机失速前和失速先兆的动态压力信号,基于确定学习理论对旋转失速初始扰动的内部系统动态进行建模;其次,基于以上建模,利用微小振动故障检测方法实现对旋转失速的离线和在线提前检测.实验结果表明,本文所提方法能够在不同转速情况下,提前0.3 s~1 s实现对旋转失速的实时在线检测.     

基于αβ运算的多层联想记忆模型的研究

介绍了αβ运算符的定义和αβ联想记忆矩阵的四种操作。通过四种矩阵操作来实现模式对的培训和回忆。αβ多层联想记忆模型相比形态学联想记忆模型数值计算相对容易。最后,通过αβ多层联想记忆的数字模拟实例验证了αβ多层联想记忆具有良好的回忆性能。     

一种面向大规模短特征集的字符串匹配技术

面向大规模特征集的字符串匹配技术在病毒检测、内容过滤等问题上的应用愈加广泛,而短模式串一直是阻碍性能提升的重要瓶颈。针对短模式串进行分析讨论,基于跳跃算法优化,采用了动态块大小和动态Hash处理以及Hash函数设计场景化的策略,同时探讨了多核处理器与多线程设计之间的关系。实验数据证明改进的算法策略具有支撑百万级特征集字符串匹配的能力。     

化工设备机械基础课堂教学实践

介绍了化工设备机械基础课程的特点和教学对象的特点,分析了传统课堂教学模式和滥用多媒体教学的弊端,阐述了保证化工设备机械基础课堂教学效果的几点措施,即从修正学生对这门课认识上的偏差入手,合理利用多媒体工具,适当采用互动教学方式,尽量运用实例辅助教学.实践证明,这些措施是行之有效的.     

基于模拟分析技术和随机搜索算法的化工过程能量集成方法研究

夹点和模拟分析技术已在化工能量集成中广泛应用.今以夹点技术为基础,对化工过程系统用能进行诊断,根据"过程用能一致性"原则提出能量集成改造方案,通过改变塔压实现塔顶冷凝器与塔底再沸器的热集成多效蒸馏.夹点技术实现的优化目标仅是热回收最大或公用工程能耗最小,不能实现包括设备整体费用最小的过程全局最优化.研究基于模拟技术,通过灵敏度分析,得到精馏塔各操作参数的样本映射数据,通过多项式拟合得到参数关联方程,并在遗传算法及模式搜索中设计过程费用函数,提出了将模拟分析技术与随机搜索算法相结合的,以过程费用函数最小化为优化目标的能量集成方法.工业实例的成功设计应用证明了其有效性和可行性.     

NEURAL-NETWORK-AIDED DESIGN OF AUTOMOBILE EXHAUST CATALYSTS

A priori design of catalysts is not yet possible. Such task would demand unavailable scientific knowledge of the correlations among synthesis parameters and resulting solid state and surface structures, on the one hand, and among those atomic-level structural details and their catalytic functions, on the other hand. To avoid testing every possible combination, therefore, the applied chemist or chemical engineer must identify empirical correlations underlying the existing experimental data base.

The ability of artificial neural networks to identify complex correlations and to predict the result of experiments has recently generated considerable interest in various areas of science and engineering. In this paper, neural networks are used to identify composition-performance relationships in automobile exhaust catalysts.

This work employs an artificial neural network technique to do a sensitivity analysis of the conversions of pollutant gases as a function of the catalyst composition and the operating conditions. This approach converges on the optimum catalyst composition and operating condition in order to produce specified conversions of carbon monoxide, hydrocarbons and nitrogen oxides, to carbon dioxide, water and di-nitrogen respectively.     

CFD simulation of large-scale bubble plumes: Comparisons against experiments

Computational fluid dynamics (CFD) simulations have been carried out to simulate a turbulent, bubble plume in a liquid pool. A two-fluid enhanced k-? model has been used, with the extra source terms introduced to account for the interaction between the bubbles and the liquid and transient calculations have been performed to study the plume growth, the acceleration of the liquid due to viscous drag, and the approach to steady-state conditions. In order to obtain correct spreading of the plume observed experimentally, it was observed that interfacial forces like lift and turbulent dispersion plays important role. The sensitivity analysis for drag coefficient and two different turbulent dispersion forces is presented. The development of the flow variables has been compared with the experimental data. From the CFD predictions obtained in the present work, it can be concluded that a two-dimensional (2D) axisymmetric assumption in this case is justified, with 2D model predictions in good agreement with the experimental data and those of a three-dimensional (3D) model, except for the shear stresses and turbulent kinetic energy. In general, quantitative comparison with the experimental data has revealed that, by applying proper models of inter-phase momentum transfer, and performing simulations based on the two-fluid model, satisfactory predictions of mean flow quantities can be obtained for this application away from the injector.     

设计降雨特征对城市内涝模拟结果的影响分析

降雨是城市内涝的主要诱因之一,不同降雨特征对于城市内涝风险的影响也有所区别。为了进一步挖掘降雨特征对城市内涝风险的影响,采用综合流域排水模型（InfoWorks ICM）构建了我国南方某城市的内涝模型,系统分析了设计降雨的雨型和历时特征对城市内涝模拟结果的影响。在4个重现期的3种降雨雨型和3个降雨历时条件下,共计36个不同降雨情景对研究区的内涝情况进行模拟。通过对比不同模拟情景下的积水深度、积水面积以及积水量等结果发现：在相同降雨雨型和重现期条件下,降雨历时对积水深度的影响有一定的差别;在不同降雨雨型和降雨历时模拟情景中,积水点的位置基本保持一致,而积水面积受降雨雨型和降雨历时的双重影响;峰值积水量受降雨雨型影响较大,受降雨历时影响较小,而积水总量受降雨历时影响较大,受降雨雨型影响较小。研究中量化分析了不同设计降雨特征对城市内涝模拟结果的影响,旨在为合理地开展城市内涝预警以及应急管理等工作提供依据。