基于嵌入式的复合绝缘子憎水性检测方法研究

为了客观、快速、准确地测量在线或离线复合绝缘子表面的憎水性,依据憎水性分级法(HC),设计了一套便携式绝缘子憎水性检测装置。该装置通过一系列简单、有效的图像处理和分类方法,实现了嵌入式平台上的绝缘子憎水性判断。首先采用一种基于边缘的图像分割方法提取水珠目标,然后采用一种综合决策树实现目标的训练和分类。结果表明:该装置能在无辅助光源的自然光条件下判定复合绝缘子的憎水性,且处理速度快、实现方便,避免了人工观测的主观性和不确定性,具有较高的精度和实用性。     

基于粒子群算法的决策树SVM多分类方法研究

针对SVM多分类问题提出了一种基于粒子群算法的最优决策树SVM生成算法,以解决传统支持向量机多分类方法存在的不可分区域和误差积累现象。该方法利用自变异的PSO聚类算法在每一决策节点自动寻找最优或近优分类决策,将数据集划分为两类,直至叶子节点为止,最终根据最优决策树构建SVM多分类结构,训练各个节点SVM分类器。将该算法应用于图像人群密度分类问题,仿真实验表明,分类精度和分类时间得到明显改善,是一种有效地的多分类算法。     

委内瑞拉石油生产潜力分析

委内瑞拉是世界第一大石油资源国,其中大部分为超重油。石油产量自2006年来逐年下降,2013年降到262万桶/日,跌出世界十大产油国的行列。目前委内瑞拉超重油产量为60万桶/日,占其石油总产量的27%。就委内瑞拉国内石油行业环境看,其政治局势不稳,经济遭遇衰退,石油政策和法规对外开放度较低,地缘政治地位和关系相对较为稳固,但与美交恶,对其石油行业造成较大影响。石油产量预测分为高、低2个情景,低情景下石油产量2020年将达到290万桶/日,2014-2020年年均增长2%;高情景下石油产量2020年将达到420万桶/日,2014-2020年年均增长8.2%。     

长时工作记忆和注意力分配对装甲车辆乘员情景意识的影响

装甲车辆乘员的情景意识水平显著影响车辆的作战效能,而乘员的情景意识又受到工作记忆、注意力分配等因素的影响。为探究乘员的长时工作记忆及注意力分配对其情景意识的影响,共招募24名被试开展了乘员情景意识评价实验。实验针对装甲车辆中车长某一假定作业任务,基于某乘员任务虚拟仿真实验系统进行。结果显示,在长时工作记忆方面,熟练者的情景意识水平显著高于初学者;在注意力分配方面,高凸显性条件下的情景意识水平显著高于低凸显性条件,而异常信息出现频率对情景意识的影响较小。进一步分析表明,3D-SART、SAGAT、异常信息响应时间、眼睑开度、仪表区注视时间占比、SDNN以及PNN50等指标对情景意识水平变化较为敏感。该研究可为装甲车辆人机交互界面的设计方面提供设计依据。     

一种基于特征提取的调制识别方法

调制方式是通信信号的重要特征参数之一。在无线电监测领域,信号的调制识别研究具有十分重要的意义。基于某个无线电频谱监测系统,研究了8种模拟、数字信号的自动调制识别算法。针对AM和ASK的区分,设计了基于频谱紧致性的特征参数K;针对FM和FSK的区分,设计了基于频谱凹凸性的特征参数F。这些特征参数很好地解决了以往模拟、数字信号不能较好联合识别的问题,仿真结果表明了该算法的有效性。     

高职旅游英语中情景教学法的运用

为了培养高等职业院校学生的英语实际运用能力,采用了情景教学法来达到提高教学质量,从而使学生在愉悦和轻松的环境下掌握知识,提高学生使用英语在旅游业进行交际的能力。情景教学应从实际出发,不能偏离教学大纲和授课计划,同时要符合语言交际的实际情况,创建情景要独树一帜,这样才能激发学生积极主动投身学习的乐趣。     

虚拟现实技术在英语情景式教学中的应用

随着社会生活的信息化、经济化和全球化,各行各业对外语专业的人才要求越来越高,精通外语己经成为高素质人才极为重要的标准,在此背景下,那种脱离实际的传统英语课堂教学模式,已经远远不能适应新形势的需求。学习外语的难点之处在于如何使之变得流利自如,或在一定的时间范围内能条理清晰地表达出来,若要达到这样的水平就需要我们沉浸在外语学习情景中,虚拟现实技术可以帮助我们实现,用虚拟现实技术来创造学习英语的真实环境,能够激发学生学习英语的兴趣,培养学生综合运用英语的能力,使学生在真实的语境中学以致用,比较自如地用英语传递信息、交流思想感情。     

基于基本减排率的低碳建筑技术定量评价方法研究——以寒冷地区办公建筑为例

本文在思考碳排放基准值确定必要性的基础上,转换视角,结合国内建筑节能标准与绿色建筑评价标准,采用碳排放情景分析法,提出"基本减排率"概念。以寒冷地区办公建筑为例,以独创性的方法从定性与定量两方面共同建立了基于基本减排率的低碳建筑技术评价方法,研究成果通过软件系统可方便地对减排效果进行评价比较,对于我国推广低碳建筑和推行建筑碳减排提供了技术指导方法。     

决策树算法在塑料分类中的应用

针对塑料分类提出了基于决策树算法的塑料自动分类方法。利用激光照射法快速准确地识别塑料的谱线,得到塑料中元素的成分及其含量;以塑料元素的成分和强度作为特征值,基于决策树算法提出了塑料分类算法,通过熵增最大原理选取特征。通过对塑料样品数据分析,分类算法的准确率达90%以上,最大准确率为95.46%。