长江经济带工业集聚对水环境污染的影响——基于空间计量与门槛效应的检验

经济发展与生态环境动态良性循环已经成为社会经济发展的重要议题。为实现长江经济带高质量发展，以2007—2018年长江经济带11个省市为样本，采用空间计量和面板门槛模型考察工业集聚与水环境污染之间的关系。研究表明：长江经济带各省市水环境污染具有显著的空间自相关性；长江经济带工业集聚水平和水环境污染表现出先降低后增强的“U”形变化特征，说明工业集聚水平对水环境污染的影响存在一个阈值；长江经济带工业集聚产生的规模效应和结构效应对水环境污染存在显著的双门槛效应，在不同的工业集聚水平下，规模效应和结构效应表现出不同的外部性特征；工业集聚产生的技术溢出效应对水环境污染的影响同样具有显著的双门槛作用；随着各地区工业集聚水平的提高，技术溢出效应对水环境污染的减排作用表现出先强后弱的趋势。     

Three-phased clustered topology formation for Aeronautical Ad-Hoc Networks

In-Flight Internet Connectivity (IFC) has become one of the crucial needs of passengers with technological improvements. The Aeronautical Ad-hoc Networks (AANETs) have been proposed by establishing air-to-air (A2A) links between aircraft to satisfy this need. However, the unstructured aircraft topology caused by their ultra-dynamic characteristics reduces the longevity of A2A links in AANET. This shorter longevity decreases the stability of AANET by accelerating the connection establishment/termination procedures between aircraft. Additionally, the shorter link longevity affects the packet transfer delay and the delivery ratio of AANET. To the best of our knowledge, these three challenges are not investigated simultaneously under one topology management model. This paper proposes a three-phased topology formation model for AANETs to increase the stability and packet delivery ratio in AANET with a shorter packet transfer delay. The first phase corresponds to the aircraft clustering formation, and here, we aim to increase the AANET stability by creating spatially correlated clusters. The second phase consists of the A2A link determination for reducing the packet transfer delay. Finally, the cluster head selection increases the packet delivery ratio in AANET. According to our simulations, we see that the stability and packet delivery ratio of AANET topology are roughly improved 35% and 31% with a 28% delay reduction compared to the methods in the literature.     

基于归一化水体指数及其阈值自适应算法的水体遥感反演效果分析

归一化水体指数（NDWI）是水体遥感反演的一种重要指标，其阈值及修正直接影响反演结果的精度。基于Landsat-8与GF-1光学多光谱影像，使用归一化水体指数法阈值0（TH₀）、最大类间方差法（OTSU）自适应阈值（TH_otsu）与均值漂移聚类算法（Mean-Shift）自适应阈值（TH_MS）分别对典型正常水体、云雾覆盖水体、富营养化水体、高含泥沙水体进行水体遥感提取与效果分析，结果表明：正常水体以TH₀为阈值提取精度最高，THMS提取精度次之，TH_otsu提取精度最差；而云雾覆盖水体、富营养化水体以及含泥沙水体使用THMS提取精度最高，尤其少量云雾覆盖下的水体，TH_MS具有更明显的优势，TH₀提取精度次之，TH_otsu提取精度最差；对于不同的阈值，Land?sat-8比GF-1总体表现出更高的水体提取精度。Mean-Shift算法应用于NDWI阈值修正与水体遥感反演具有快速、水质适应性强、效果稳定的优势，对尤其是复杂条件下的水体信息遥感反演具有较好的提取效果。     

区域建筑业发展竞争力动态评价研究——基于时序全局主成分分析

建筑业与区域经济发展具有高度关联性,并且随着地区经济发展更多地呈现出产业触及面广、多动力驱动发展以及差异性的特点。结合区域经济和建筑业发展的关联性,从影响建筑业发展的内外部因素方面入手构建区域建筑业发展竞争力动态评价指标体系,以时间为发展轴基于时序全局主成分分析和层次聚类分析对区域建筑业发展竞争力进行动态评价、分等级排序。研究结果表明,各省市建筑业发展竞争力来源方向具有差异性,并且处于动态的变化之中,与之相关的竞争力指标除建筑业本身的规模之外,也与地区经济、社会发展水平等密切相关,通过分析建筑业竞争力来源的差异性为提高建筑业发展水平提出合理化建议。     

工件表面缺陷图像检测中的自适应聚类

目的 针对工件表面形态复杂、干涉交叠缺陷难以实现自动分离、分类图像检测的情况,提出一种工件表面交叠缺陷自适应图像聚类方法。方法 首先提取工件表面缺陷二值图像,采用混合概率主成分分析器估计缺陷位置各像素点局部切空间信息,并改进局部切空间之间的相似性矩阵;然后通过改进局部密度峰值自适应方法,基于相似性矩阵确定聚类中心点和数目;最后通过谱多流形聚类,将各分析器所包含的像素点分配至不同缺陷流形结构中,实现多个交叠缺陷分离、检测。结果 首先通过比较计算与实际测量的长度、宽度来验证该方法对相互交叠结构缺陷良好、准确的分离效果,平均相对误差分别为0.957%和0.650%。其次为了体现该方法对于分离工件表面相互交叠缺陷的有效性及优越性,使用k-means聚类、谱聚类与该方法进行对比实验,证明了该方法良好的聚类效果。最后对所设计方法的稳定性进行测试,统计检测结果的平均ME值均在6%以下,正确聚类数目率高达99%~100%。结论 该方法能够较为准确地自动识别工件表面图像中存在相互干涉的不同缺陷,并进行分离。     

数控机床的热误差建模与补偿研究

数控机床的热变形误差是影响其加工精度的主要因素。针对当前机床热误差难以解决的问题,提出一种融合模糊聚类理论、灰色关联理论和多元线性回归理论的热误差建模及补偿原理,通过应用于实验室自主研制的AGPM,经机床温度场的测点优化分析、多元线性回归求解,建立了精确的热误差补偿模型。经补偿验证,该原理理论正确、简单易行、稳定可靠,可以大幅减小机床的热变形误差。     

基于灰色聚类方法的加工中心进给系统可靠性评价

应用MTALAB软件对加工中心进给系统的故障数据进行分析,得到平均首次故障时间(MTTFF)和平均故障间隔时间(MTBF)的点估计值和区间估计值。采用灰色聚类方法划分可靠性指标可拓区间灰数等级,并通过建立白化权函数得到等级区间权重矩阵。再结合构建比较判断矩阵确定的两种可靠性指标权重,最终建立了灰色聚类综合评价模型,对该加工中心进给系统可靠性水平进行评价。     

基于NLP的工程伦理教育研究文献挖掘与分析

工程伦理教育是高等工程教育改革的重要一环。在"新工科"建设背景下，学界又掀起了工程伦理教育研究的热潮。基于自然语言处理技术（NLP），借助计量可视化工具，针对中国知网（CNKI）收录的212篇研究性文献，从文献关键词时间分布图、词频表、词云图、LDA主题聚类表等角度出发，开展机器学习环境下的工程伦理教育研究文献挖掘与分析，分析中国工程伦理教育的研究现状、理论基础和研究热点，指出目前工程伦理教育存在的问题，并从高校角度提出一些改进建议，为促进工程伦理教育提供了有效参考。     

岩体随机不连续面产状数据划分方法研究

动态聚类算法从本质上讲是单目标组合优化算法,一般需要事先给定目标分类数和初始聚类中心,且初始聚类中心的选择对数据划分结果影响较大。为了解决该问题,提出将产状数据的划分问题转化为多目标优化问题,并采用小生境Pareto遗传算法进行求解。针对聚类问题的特殊性,采用基于链表的编码方案,并建议相应的遗传操作算子;通过引入小生境技术和Pareto支配集理论,仅通过一次求解可由Pareto支配集给出对应于不同目标组数的最优分组结果,而且不用事先给定目标组数以及初始聚类中心。最后,将算法应用于三峡船闸高边坡岩体实测不连续面产状数据的划分,得到较为符合实际的优势结构面分组。     

融合视觉词与自注意力机制的视频目标分割

目的 视频目标分割(video object segmentation,VOS)是在给定初始帧的目标掩码条件下,实现对整个视频序列中感兴趣对象的分割,但是视频中往往会出现目标形状不规则、背景中存在干扰信息和运动速度过快等情况,影响视频目标分割质量。对此,本文提出一种融合视觉词和自注意力机制的视频目标分割算法。方法 对于参考帧,首先将其图像输入编码器中,提取分辨率为原图像1/8的像素特征。然后将该特征输入由若干卷积核构成的嵌入空间中,并将其结果上采样至原始尺寸。最后结合参考帧的目标掩码信息,通过聚类算法对嵌入空间中的像素进行聚类分簇,形成用于表示目标对象的视觉词。对于目标帧,首先将其图像通过编码器并输入嵌入空间中,通过单词匹配操作用参考帧生成的视觉词来表示嵌入空间中的像素,并获得多个相似图。然后,对相似图应用自注意力机制捕获全局依赖关系,最后取通道方向上的最大值作为预测结果。为了解决目标对象的外观变化和视觉词失配的问题,提出在线更新机制和全局校正机制以进一步提高准确率。结果 实验结果表明,本文方法在视频目标分割数据集DAVIS (densely annotated video segmentation)2016和DAVIS 2017上取得了有竞争力的结果,区域相似度与轮廓精度之间的平均值J&F-mean (Jaccard and F-score mean)分别为83.2%和72.3%。结论 本文提出的算法可以有效地处理由遮挡、变形和视点变化等带来的干扰问题,实现高质量的视频目标分割。