地下建筑物防渗堵漏工法

简述了地下建筑物渗漏的处理,应选用合适的防渗漏材料和施工方法,才能达到预期的效果。     

建筑物维修管理系统数据库的设计

为了保证物业管理中建筑物维修管理工作的有序进行，本文根据数据库的设计原理、方法，结合建筑物维修管理的实际应用环境和操作业务流程，提出了建筑物维修管理系统数据库设计的4个阶段——用户实际需求分析、概念结构设计、逻辑结构设计和物理结构设计，设计出适用于各种建筑物维修管理系统的最优数据库模式，并建立了通用的数据库应用系统，使得维修管理系统能够进行建筑物损坏情况的综合评价和维修决策。     

岩体粘弹性本构模型辨识及其工程应用

探讨从各种粘弹性本构模型中如何确定最佳模型问题。将实际工程岩体视为一个复杂系统,施工中实测获得的岩体随时间的变形视为系统的输出响应。基于解决复杂系统等价数学模型的一般原理,运用最小二乘法、非线性最优化技术和拟合度检验法,提出从粘弹性本构模型的一般通式中来确定具体条件下最佳模型的方法;继而用辨识得到的本构模型对三峡工程高边坡稳定性进行预测预报分析,达到理论分析与指导实际工程紧密结合的目的,从而表明该研究方法的可行性和具有潜在的应用价值。     

K11通用型防水涂料的探讨

探讨了目前我国南方防水材料市场迅速发展的K11通用型防水涂料的配方设计原理、性能要求及其防水机理。介绍了K11通用型防水涂料的应用领域,为更好地发挥材料性能,对该防水涂料的施工要求进行规范,并指出了一些使用注意事项。最后展望其广阔市场前景。     

信息认知逻辑及理论

本文主要探讨信息论跨学科发展的基本问题、理论和方法。通过分析Shannon测度,得出:‘划分’是获取信息的依据和根本方法。利用连续划分由离散信源熵推导连续信源熵。可消除logΔ→∞的矛盾。通过讨论模糊划分,得到划分的信息客观度和信息散失度;定量解决了正确选择‘划分’的问题。针对Shannon信源和划分的缺陷,本文提出了普适划分。从而可以认知信源输出的语法信息和语义识别信息;并且证明:Shannon信息是后者的近似。对先验知识不足的信源,用灰色信源描述。灰熵、灰信息作为熵和信息的估计;并用感知度δ_k定量描述了它们的接近程度,     

市政排水管网系统的研究与开发

目前排水管网水力计算只是一种代替手工计算、查表等一系列繁琐、重复的管线计算程序,不能满足整个管网自动化、智能化计算的需要。结合图论原理,以排水管网为对象,采取广度优先算法,开发出管网自动识别系统,应用到主次管线的自动搜索、任意节点汇水面积的自动化计算。这对于减少管网水力计算的工作量具有突破性的作用。     

履带车的视觉导航方法

本文介绍了视觉导航履带车模型的结构和工作原理。通过对视频图像的处理，识别出路标的位置和方向，采用模糊控制方法实现了履带车的视觉导航控制。试验证明了履带车视觉导方法的可行性及控制算法的可靠性。     

外墙面涂料施工及防龟纹措施

根据外墙基层的设计要求，介绍了基层粉刷的施工准备和操作工艺，阐明了外墙基层的质量检验标准，论述了防治涂料外墙面龟纹的措施，从而提高外墙面涂料施工的质量。     

形状的全尺度可视化表示与识别

目的 视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法 在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果 通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论 本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法在视角变化、局部遮挡、铰接变形和噪声等干扰下能保持较高的识别正确率,可应用于图像采集干扰较多以及红外或深度图像的目标识别,并适用于大数据场景下的识别任务。     

网络监督数据下的细粒度图像识别综述

细粒度图像识别旨在对某一传统语义类别下细粒度级别的不同子类类别进行视觉识别,在智慧新经济和工业物联网等领域（如智慧城市、公共安全、生态保护、农业生产与安全保障）具有重要的科学意义和应用价值。细粒度图像识别在深度学习的助力下取得了长足进步,但其对大规模优质细粒度图像数据的依赖成为制约细粒度图像识别推广和普及的瓶颈。随着互联网和大数据的快速发展,网络监督图像数据作为免费的数据来源成为缓解深度学习对大数据依赖的可行解决方案,如何有效利用网络监督数据成为提升细粒度图像识别推广性和泛化性的热门课题。本文围绕细粒度图像识别主题,以网络监督数据下的细粒度识别为重点,先后对细粒度识别数据集、传统细粒度识别方法、网络监督下细粒度识别特点与方法进行介绍,并回顾了全球首届网络监督下的细粒度图像识别竞赛的相关情况及冠军解决方案。最后,在上述内容基础上总结和讨论了该领域的未来发展趋势。