一种估计结构面迹长的新方法及其工程应用

为了研究结构面迹长与其产状之间的概率关系。根据结构面交切测量窗口的几何条件与交切频度之间的概率关系，拓展了H-H迹长估计方法。建立了结构面平均迹长与其在测量窗口中视倾角的关系表达式。在此基础上,结合Laslett迹长估计方法，提出了广义H-H迹长估计方法，进一步完善了H-H方法，并通过工程实例证明了其正确性。该方法使用简单方便，有很高的推广价值。     

矿业地质统计学在我国的应用现状及对影响克立格估计的若干因素的研究

地质统计学已用于我国多个矿床的储量计算。变程Ａ是一个很稳健的变异参数，块金Ｃ０、基台Ｃ以及估计邻域的大小较大地影响着克立格估计。     

两种等价权函数的抗差效果分析

本文利用两类不同观测值的几个算例，对两种等价权函数的抗差效果进行了比较分析。结果表明：当含粗差的观测值的多余观测分量均较大时，采用ＩＧＧＩ方案可获得良好的抗差效果；当含粗差的观测值中有多余观测分量较小的观测值，采用有界影响抗差估计能获得满意的抗差效果。     

多种因素影响的工序持续时间的估计

在分析传统的“定额计算法”的基础上,用模糊综合评判方法确定了产量定额的修正系数,提出了多种影响因素的工序持续时间估计方法和实用公式．     

受氯盐严重侵蚀的建筑物结构补强

本文通过一个受氯盐严重侵蚀的钢筋混凝土框架的结构补强实例,提出了提高结构承载能力与耐久性的结构补强原则.本文重点讨论了该工程采用的补强材料的耐久性性能,并用物理化学观点对补强后的结构耐久性进行了定量估计.     

基于集合卡尔曼滤波的岩土力学参数动态估计

 针对非确定性过程，引入集合卡尔曼滤波(EnKF)理论，视岩土变形体为一个随机动态系统，将位移观测值作为系统的输出，用集合卡尔曼滤波模型来描述系统的状态；进一步耦合数值分析方法实现岩土力学参数的随机动态估计，在有效地获得待估参数的同时还给出估计值的不确定性。通过数值算例表明，集合卡尔曼滤波可以有效地对含噪声的量测数据进行处理，能够跟踪岩土力学行为的动态变化。对比于常用最优化算法，集合卡尔曼滤波同时给出反演结果和先验知识的后验分布，显示出更好的实时性和可靠性。     

古建筑修复中缺失构件的原状推理

古建筑的主要梁架尚存,但部分构件缺失的情况经常在文物建筑的修缮中碰到.恢复缺失的构件符合文物建筑保护“不改变文物的原状“的原则.本文结合安庆谯楼修复设计中笔者的体会,探讨在没有其它相关资料的参考下,仅从文物建筑的残损现状推理出缺失构件的原状的方法.     

附不等式约束的病态问题求解研究

病态问题产生的原因是设计矩阵存在复共线关系,为了消除法方程奇异,我们必须附加先验信息。不等式约束是客观实际中普遍存在的一种约束,是先验信息的主要表达方式之一,因此本文提出了附不等式约束的病态问题和其求解方法。本文在Rao提出的椭球约束法的基础上导出了不等式约束条件和广义岭参数之间的转换关系,然后用传统的广义岭估计来求解附不等式约束的病态问题。该种求解思想真正实现了由附加先验信息来决定岭参数。最后用一个模拟的算例检验了本文方法的可行性。同时,算例表明:不等式约束条件越正确、越苛刻得到的结果越接近真值,精度也越高。     

多尺度相似性迭代查找的可靠双目视差估计

目的 双目视差估计可以实现稠密的深度估计,因而具有重要研究价值。而视差估计和光流估计两个任务之间具有相似性,在两种任务之间可以互相借鉴并启迪新算法。受光流估计高效算法RAFT （recurrent all-pairs field transforms）的启发,本文提出采用单、双边多尺度相似性迭代查找的方法实现高精度的双目视差估计。针对方法在不同区域估计精度和置信度不一致的问题,提出了左右图像视差估计一致性检测提取可靠估计区域的方法。方法 采用金字塔池化模块、跳层连接和残差结构的特征网络提取具有强表征能力的表示向量,采用向量内积表示像素间的相似性,通过平均池化得到多尺度的相似量,第0次迭代集成初始视差量,根据初始视差单方向向左查找多尺度的相似性得到的大视野相似量和上下文3种信息,而其他次迭代集成更新的视差估计量,根据估计视差双向查找多尺度的相似性得到的大视野相似量和上下文3种信息,集成信息通过第0次更新的卷积循环神经网络和其他次更新共享的卷积循环神经网络迭代输出视差的更新量,多次迭代得到最终的视差估计值。之后,通过对输入左、右图像反序和左右翻转估计右图视差,对比左、右图匹配点视差差值的绝对值和给定阈值之差判断视差估计置信度,从而实现可靠区域提取。结果 本文方法在Sceneflow数据集上得到了与先进方法相当的精度,平均误差只有0.84像素,并且推理时间有相对优势,可以和精度之间通过控制迭代次数灵活平衡。可靠区域提取后,Sceneflow数据集上误差进一步减小到了历史最佳值0.21像素,在KITTI （Karlsruhe Institute of Technology and Toyota Technological Institute at Chicago）双目测试数据集上,估计区域评估指标最优。结论 本文方法对于双目视差估计具有优越性能,可靠区域提取方法能高效提取高精度估计区域,极大地提升了估计区域的可靠性。     

双分支特征融合网络的步态识别算法

目的 在步态识别算法中,基于外观的方法准确率高且易于实施,但对外观变化敏感;基于模型的方法对外观变化更加鲁棒,但建模困难且准确率较低。为了使步态识别算法在获得高准确率的同时对外观变化具有更好的鲁棒性,提出了一种双分支网络融合外观特征和姿态特征,以结合两种方法的优点。方法 双分支网络模型包含外观和姿态两条分支,外观分支采用GaitSet网络从轮廓图像中提取外观特征;姿态分支采用5层卷积网络从姿态骨架中提取姿态特征。在此基础上构建特征融合模块,融合外观特征和姿态特征,并引入通道注意力机制实现任意尺寸的特征融合,设计的模块结构使其能够在融合过程中抑制特征中的噪声。最后将融合后的步态特征应用于识别行人身份。结果 实验在CASIA-B （Institute of Automation,Chinese Academy of Sciences,Gait Dataset B）数据集上通过跨视角和不同行走状态两种实验设置与目前主流的步态识别算法进行对比,并以Rank-1准确率作为评价指标。在跨视角实验设置的MT （medium-sample training）划分中,该算法在3种行走状态下的准确率分别为93.4%、84.8%和70.9%,相比性能第2的算法分别提升了1.4%、0.5%和8.4%;在不同行走状态实验设置中,该算法在两种行走状态下的准确率分别为94.9%和90.0%,获得了最佳性能。结论 在能够同时获取外观数据和姿态数据的场景下,该算法能够有效地融合外观信息和姿态信息,在获得更丰富的步态特征的同时降低了外观变化对步态特征的影响,提高了步态识别的性能。