视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

2种灰色模型在矿区地表沉陷预计中的适用性

目前矿区地表单点沉陷动态预计方法主要基于传统的水准测量数据,监测方法单一,成本高,观测点易破坏,不能保证地表形变信息的实时性,且采用灰色模型进行地表沉陷预计时只针对单一模型的应用,没有结合模型自身特点分析其适用性。以袁店二矿7221工作面为试验区域,采用合成孔径雷达差分干涉测量技术监测矿区地表沉陷量,分别建立了描述沉陷量与时间关系的GM(1,1)与灰色Verhulst模型进行地表沉陷量预计,实现了矿区地表沉陷监测与动态预计一体化。通过比较、分析GM(1,1)与灰色Verhulst模型对地表沉陷量的拟合及预计结果,得出了2种灰色模型在矿区地表沉陷预计中的适用性:在矿区开采沉陷开始至活跃前期,若地表单点沉陷量曲线呈近似单峰型,则宜采用GM(1,1)进行短期预计;当矿区地表沉陷进入衰退阶段,单点沉陷量曲线呈平底饱和状态,则宜采用灰色Verhulst模型进行中长期预计。     

一种基于深度森林的恶意代码分类方法

针对当前恶意代码静态分析方法精度不足的问题，将恶意代码映射为无压缩的灰度图像，然后根据图像变换方法将图像变换为恒定大小的图像，使用方向梯度直方图提取图像的特征，最后提出一种基于深度森林的恶意代码分类方法.实验中选择不同家族的多个恶意代码样本进行分类，验证了该方法的有效性，并且实验结果优于近期提出的SPAM-GIST方法.     

基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题，提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法，利用SA的全局寻优能力对BP神经网络的模型参数进行优化，使参数迭代过程始终保持较高的“温度”和“能量”，从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证，结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度，并且在小样本和低信噪比条件下优势更加明显。     

皮带输送机运行过程中常见问题及处理对策

皮带输送机是煤矿井下重要的煤炭运输设备,其稳定运行关系着煤矿生产的高产高效。由于煤矿井下生产环境恶劣,皮带输送机很容易发生各种问题。因此,对皮带输送机运行过程中出现的问题进行准确分析并进行处理显得十分重要。对皮带输送机运行过程中出现的一些常见问题进行了分析,并给出了一些相应的处理对策,有助于实现煤矿生产的高产高效。     

Incomplete analytic hierarchy process with minimum weighted ordinal violations

ABSTRACT

Incomplete pairwise comparison matrices offer a natural way of expressing preferences in decision-making processes. Although ordinal information is crucial, there is a bias in the literature: cardinal models dominate. Ordinal models usually yield nonunique solutions; therefore, an approach blending ordinal and cardinal information is needed. In this work, we consider two cascading problems: first, we compute ordinal preferences, maximizing an index that combines ordinal and cardinal information; then, we obtain a cardinal ranking by enforcing ordinal constraints. Notably, we provide a sufficient condition (that is likely to be satisfied in practical cases) for the first problem to admit a unique solution and we develop a provably polynomial-time algorithm to compute it. The effectiveness of the proposed method is analyzed and compared with respect to other approaches and criteria at the state of the art.     

煤油气共生矿井底板油型气赋存特征及防治

为了提高煤油气共生矿井油型气灾害治理的科学性，以黄陵二矿为例，采用现场测试、钻探取芯、跟踪观测、地质分析等多种方法，研究了采掘工作面煤层底板油型气分布特征、涌出规律和运移机理，并初步探讨了底板油型气体灾害防治措施。结果表明:底板油型气涌出点多位于底板砂岩储层上倾尖灭端和砂岩透镜体附近，呈现不连续区带状分布特征，涌出的油型气主要来自富县组砂岩层，涌出的动力主要为地层流体压力差，底板油型气通过地层中存在大量的断裂和裂缝、微裂缝系统进入采掘空间，采掘扰动是底板油型气异常涌出的工程诱导因素。建议加强油型气综合探查技术、油型气灾害预测预报技术、油型气综合抽采技术和智能化矿井建设等方面的研究。     

基于并行多通道卷积长短时记忆网络的轴承寿命预测方法

在预测轴承剩余使用寿命时，数据间的时序特性是一个可以利用的重要隐藏信息。为了更好地提取具有时序信息的特征用于预测，提出了一种基于并行多通道卷积长短时记忆网络（PMCCNN-LSTM）的剩余使用寿命预测模型。该模型主要由两部分组成：前端为并行多通道卷积网络（PMCCNN），提取信号特征，挖掘数据的时序特性，并采用逐层训练和微调的方式提升参数的收敛性；后端为长短时记忆（LSTM）网络，基于特征进行剩余使用寿命预测，并采用加权平均的方法对预测结果进行平滑处理。在一个轴承加速寿命实验的公开数据集上使用留一法验证了该模型的准确性，实验结果表明：所提模型的平均误差与最大误差分别比传统的卷积神经网络（CNN）低23.38%和15.84%，比传统的LSTM低24.14%和19.01%，比卷积长短时记忆网络（CNN-LSTM）低30.32%和23.09%。     

红外菲涅尔透镜的注射超声辅助成型优化

为了提升聚合物红外菲涅尔透镜的光学性能,以其表面微沟槽的成型质量为目标,提出了一种高效的注射超声辅助成型方法,并对工艺参数进行了综合质量优化。首先分析了超声振动对聚合物的加热和加压效应,设计了一套一模两腔的对比试验模具;接着以红外菲涅尔透镜的调制传递函数MTF和齿形平均高度h为优化质量目标,设计了四步骤的多目标优化流程,通过试验设计、基于BP神经网络的质量目标与注射工艺参数关系建模、基于NSGA-Ⅱ的多目标优化和试验验证进行工艺参数的综合优化。实验结果表明:该多目标优化流程具有很高的精度,MTF和h的平均预测误差MPE分别为4.16%和3.32%;注射超声辅助成型的菲涅尔透镜微沟槽具有更高的复制质量,其齿沟槽平均高度h增加了15.6%,且h值的波动量随着h值的增大而增大,MTF值受齿高h均匀性的影响大于齿高h对其的影响。     

大采高综放工作面强动压端头顶板控制技术

为了解决大采高综放工作面回风侧端头顶板控制问题,针对马道头矿8211工作面的地质情况,通过对回风顺槽超前注浆加固,提高超前支护范围和支护强度,并对回风侧端头三角区煤壁和顶板进行化学浆加固的技术方案,有效控制了顺槽超前区围岩变形和工作面回风侧端头三角区煤壁片帮,保证了工作面端头区顶板安全。