基于可信度分析的钻井液脉冲信号识别方法

针对随钻测量过程中钻井液脉冲信号识别困难的问题，在分析钻井液脉冲信号的产生原理及噪声特性的基础上，通过研究信号波形特征属性和信号相似度，建立了基于可信度分析的钻井液脉冲信号识别方法。根据该方法设计的钻井液脉冲信号识别原型系统能够实现灵活多变的交互式控制、动态参数调整和处理过程可视化实时呈现，在真实数据模拟中获得了很好的效果。基于可信度分析的钻井液脉冲信号识别方法有较好的适应性，可以准确、智能地识别复杂矿场环境中的真实信号波形，为随钻测量工作的顺利进行提供了技术支撑。      

扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

命名实体识别技术综述

命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。     

空间交会对接位姿测量中特征靶标快速识别

空间交会对接中,需实时测量追踪航天器上视觉传感器与目标航天器上特征靶标之间的位姿,而其前提是快速、准确识别特征靶标。提出一种四同心圆环特征靶标的快速识别算法。该算法首先使用优化的Otsu算法进行图像分割,然后采用连通域识别方法进行轮廓提取,最后根据圆的周长与面积的关系确定圆轮廓,并采用最小二乘法进行圆拟合,提取特征圆心。通过实验对方法进行验证,结果表明,该方法能在2 m距离内准确、快速识别特征靶标,且与优化前算法相比,该方法运算效率提升了近10倍。     

基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。     

基于卷积神经网络的驾驶员不安全行为识别

提出了一种基于卷积神经网络的驾驶员违规行为识别方法。首先，利用特定卷积神经网络对驾驶员的实时图像提取特征，然后并行对多种行为分别进行二分类。建立了一个真实场景下的驾驶员违规数据集，在此数据集上的测试说明了该方法的高效和良好的泛化能力。实验结果表明，该方法在约10万张图像的数据集中对打电话、吸烟、不系安全带3种行为分别达到了99.85%、99.62%、98.68%的识别率，同时使用当前较先进的Inception-v3和Xception模型测试，也获得了类似的识别效果。     

基于文字识别与页面布局的APP控件识别算法

在移动应用的开发周期中,使用图形用户界面(GUI)自动化测试技术可提高APP的开发测试效率。针对基于录制回放的GUI自动化测试方法存在不适用黑盒测试场景或识别正确率较低等不足,提出基于图像文字识别和应用页面布局的控件识别算法。根据移动应用的页面布局结构和手势操作坐标精确识别控件,采用控件树遍历的方式解决遍历过程中的页面布局重叠问题。分别在Android和iOS 2个平台进行实验,结果表明,与基于坐标和源代码的控件识别算法相比,该控件识别算法具有更高的正确率。     

磁导率检测技术对430不锈钢构件检测的最优激励频率设计研究

磁导率检测技术是一种可高精度评价铁磁构件整体或部分区域应力集中、疲劳损伤状况的无损检测方法。依据磁导率检测原理,以430铁素体不锈钢试件为研究对象,研究激励电压幅值、激励线圈匝数、检测线圈匝数及外加拉应力对检测传感器最优激励频率的影响。研究发现,最优检测频率随激励线圈匝数的增加而减小;最优检测频率与外加拉应力有关,当外加拉应力超出试件的弹性变形阶段时,最优频率随拉应力的增大而增大;最优检测频率不随激励电压幅值、检测线圈匝数的变化而变化,但随着激励电压幅值、检测线圈匝数的增加,检测灵敏度升高。该研究结论可为灵敏传感器的设计提供参考。