核电厂抗震设计规范标准谱的修正建议值

为了弥补我国《核电厂抗震设计规范》(GB50267-97)制定时参考的地震动缺少大震记录的缺陷,选取强震、大地震和特大地震记录作为GB50267-97制定标准谱时的补充,同时参考RG1.60和修正RG1.60不区分硬土场地和基岩场地的做法,用概率统计的方法,将硬土场地和基岩场地的谱值进行整合,给出了GB中高频段反应谱幅值的修正建议值。     

基于深度概率图模型的鲁棒人脸画像合成

针对基于数据驱动的人脸画像合成算法像素特征缺乏对光照变化和复杂背景的鲁棒性,常合成低质量的画像的问题,文中提出基于深度概率图模型的鲁棒人脸画像合成算法.采用预处理方法调整测试照片的光照亮度和人脸姿态,使之与训练照片一致.采用深度特征代替像素特征进行近邻匹配,采用深度概率图模型对画像重建权重和深度特征权重联合建模,得到合成画像的最佳重构表示.为了提高画像合成速度,提出快速近邻搜索方法.实验验证文中算法的鲁棒性和快速性.     

基于链路可靠性的两跳QoS路由

针对工业无线传感器网络对路由协议的QoS要求，研究了一种基于链路可靠性的两跳QoS路由（Link-Reliability Based Two-Hop Routing for QoS Guarantee in Industrial Wireless Sensor Networks， LRTHQR）.采用两跳速度策略和数据优先级调度策略提高实时性，采用改进的信任评估模型以选择可信路径进行路由，采用基于接收功率的链接概率和数据包重传次数作为衡量链路可靠性的指标，同时采用能够综合考虑节点剩余能量和转发能耗的转发策略，以改善网络寿命.仿真结果显示：与未考虑链路可靠性的NCSRT （NodeCredible Security Routing for IWSN Based on THTR）算法相比， LRTHQR算法在丢包率、时延以及包平均能耗方面有着明显优势；与同样侧重QoS要求的LRTHR （Link-Reliability based Two-Hop Routing）算法相比， LRTHQR算法在截止期错失率、路由开销以及包平均能耗方面有着显著提升.     

基于贝叶斯网络的煤矿瓦斯爆炸事故致因分析

针对现有煤矿事故致因分析多以单方面因素分析为主,忽略人、机、环、管4个方面各因素间的关联性和整体性,且涉及到的事故类型较泛化等问题,从人、机、环、管4个方面选取诱发煤矿瓦斯爆炸事故的因素,并利用相关性分析筛选出相关性较强的变量;以GeNie为平台构建煤矿瓦斯爆炸致因贝叶斯网络模型,并采用交叉验证方法对其可靠性和准确性进行验证;通过贝叶斯网络参数学习、敏感性分析等对模型中各节点变量进行分析,计算不同条件下相关节点的条件概率分布和后验概率,提取诱发煤矿瓦斯爆炸事故的关键因素。分析结果表明:通风不足会大幅提高煤层瓦斯含量超标的可能性,员工培训不到位是瓦斯漏检的主要诱因;在煤矿瓦斯爆炸事故已发生的情况下,可能性最大的诱因是瓦斯含量超标,其次是瓦斯漏检;导致煤矿瓦斯爆炸事故的最关键因素是瓦斯含量超标、瓦斯漏检、顶板不稳定、法律法规不健全。     

融合信任和基于概率矩阵分解的推荐算法

针对推荐精度不准确、数据稀疏、恶意推荐的问题，提出融合信任基于概率矩阵分解（PMF）的新推荐模型。首先，通过建立基于信任的协同过滤模型（CFMTS）将改进的信任机制融入到协同过滤推荐算法中。信任值通过全局信任及局部信任计算获得，其中局部信任利用了信任传播机制计算用户的直接信任值和间接信任值得到，全局信任采用信任有向图的方式计算得到。然后，将信任值与评分相似度融合以解决数据稀疏、恶意推荐的问题。同时，将CFMTS融入到PMF模型中以建立新的推荐模型——融合信任基于概率矩阵分解模型（MPMFFT），通过梯度下降算法对用户特征向量和项目特征向量进行计算以产生预测评分值，进一步提高推荐系统的精准度。通过实验将提出的MPMFFT与经典的PMF、社交信息的矩阵分解（SocialMF）、社交信息的推荐（SoRec）、加权社交信息的推荐（RSTE）等模型进行了结果的对比和分析，在公开的真实数据集Epinions上MPMFFT的平均绝对误差（MAE）和均方根误差（RMSE）比最优的RSTE模型分别降低2.9%和1.5%，同时在公开的真实数据集Ciao上MPMFFT的MAE和RMSE比最优的SocialMF模型分别降低1.1%和1.8%，结果证实了模型能在一定程度上解决数据稀疏、恶意推荐问题，有效提高推荐质量。     

邻域谱概率协同表示的高光谱图像分类方法

为了提高高光谱遥感图像的分类精度, 通过结合像元邻域谱与概率协同表示方法, 提出了一种基于空间信息与光谱信息的分类方法。首先采用插值方法生成像元的邻域谱, 然后用概率协同表示方法将待测样本进行分类。用所提出的方法在AVIRIS Indian Pines和Salinas scene高光谱遥感数据库上进行分类实验, 并和主成分分析、支持向量机、稀疏表示分类器和协同表示分类器方法进行了比较。结果表明, 所提出的方法在AVIRIS Indian Pines数据库上识别精度比主成分分析法高约17%, 其识别精度和kappa系数都优于另外4种方法。该方法是一种较好的高光谱遥感图像分类方法。     

提梁机卷扬系统“溜钩”故障失效概率定量研究

提梁机卷扬系统"溜钩"故障是提梁机最常见的故障之一,对"溜钩"故障进行检修预防和快速诊断对于提梁机的安全运行有着重要作用。因"溜钩"故障难以用传感器监测且没有足够的统计数据无法计算精确的失效概率,故结合层次分析法和模糊理论对提梁机卷扬系统的"溜钩"故障进行故障树分析。利用层次分析法计算故障树中间事件及底事件的权重,使用模糊理论计算底事件的模糊失效概率,并将所得的权重和模糊失效概率用于故障树的定量分析,得到顶事件的模糊失效概率及各底事件的概率重要度。研究结果为提梁机的故障诊断和日常检修提供了重要参考。