一种新的特征评价方法及在高铁故障中的应用

提出一种基于Murphy改进的D-S算法作为融合规则的多准则特征评价方法(MCFE-DSEC)。该方法融合不同的单一评价准则,对特征作出综合评价,去掉冗余特征,以提高分类准确率。将该方法应用于高速列车故障数据中,实验结果表明,与Borda-Count方法和单一评价准则相比,MCFE-DSEC方法对各个速度下的特征都能作出有效的评价,适用性强且准确率高。     

基于用户负荷率电价的探讨

<正>电力工业在国民经济和社会发展中扮演着不可或缺的角色,而电价在其中起着至关重要的经济杠杆调节作用。我国现有电价体系长期滞后电力工业的发展,为此,2013年5月国家发改委下发了《关于调整销售电价分类结构有关问题的通知》(发改价格【2013】973号),文件明确了将现行销售电价逐步归并为居民生活用电、农业生产和工商业及其它用电价格3个类别。同时,国家电网公司也要求现有电价体系向更先进的负荷率电价体系过渡。     

矿用可移动式救生舱的构成及安放

该文对矿用可移动式救生舱进行了分类,对比了各自的优缺点,指出国内厂家和高校均以硬体式救生舱作为主要研究对象;随后着重对此种救生舱的总体构成进行了说明,介绍了过渡舱、生活舱和设备舱的具体功能和内部设备;最后论述了几种固定和安放方式的利弊,指出在实际应用中,应根据所在巷道的地质特点合理选择安置方案。     

基于深度卷积神经网络的γ光子图像分类识别研究

通过对正电子探测成像技术获得的γ光子图像进行分类识别,有利于后续有针对性地快速获取图像所包含的有效信息。在MatConvNet上利用迁移学习的方法搭建深度卷积神经网络,通过对其参数的调整进一步提高网络分类识别的性能。为了验证网络性能,设计了10组不同形状的管材模型,利用仿真得到的扫描时间为1s的γ光子图像样本集对网络进行训练后,将其应用于扫描时间为0.1 s的γ光子图像样本进行分类识别,发现分类准确率在图像质量偏差、扫描时间为0.1 s的γ光子图像样本上仍然达到了94.72%。可见所搭建的深度卷积神经网络对γ光子图像具有很好的分类识别性能。     

基于Spider卷积的三维点云分类与分割网络

针对传统的卷积神经网络（CNN）不能直接处理点云数据，需先将点云数据转换为多视图或者体素化网格，导致过程复杂且点云识别精度低的问题，提出一种新型的点云分类与分割网络Linked-Spider CNN。首先，在Spider CNN基础上通过增加Spider卷积层数以获取点云深层次特征；其次，引入残差网络的思想在每层Spider卷积增加短连接构成残差块；然后，将每层残差块的输出特征进行拼接融合形成点云特征；最后，使用三层全连接层对点云特征进行分类或者利用多层卷积层对点云特征进行分割。在ModelNet40和ShapeNet Parts数据集上将所提网络与PointNet、PointNet++和Spider CNN等网络进行对比实验，实验结果表明，所提网络可以提高点云的分类精度和分割效果，说明该网络具有更快的收敛速度和更强的鲁棒性。     

移动数据交互平台中的信息分类关键技术研究

基于智能手机的移动数据交互平台作为卫星网络通信的重要补充手段,近期在各钻井队普及起来。该系统的核心功能之一是对接收到的短信进行是否为垃圾短信的判别和分类。介绍了该核心功能的设计与实现,在参考现有成熟算法的基础上,进行了优化和集成。实际应用结果表明,该实现方法取得了令人满意的效果。     

设计为人民——2014中国设计红星奖隆重开奖

<正>"2014年12月12日,中国设计红星奖颁奖典礼在北京召开,一件件凝聚着中华设计灵魂的作品,谱就一曲瑰丽的创造乐章。"2014中国设计红星奖颁奖于12月12日在北京召开。来自全球1561家企业的6037件参评产品再创历史新高,企业和产品分别比去年增加21.9%和8.4%,经过国内外十余位设计专家初评、终评,共有近300件     

基于近红外光谱和气相离子迁移谱的白茶等级评价研究

茶叶等级评价是一项复杂的主观性系统工作，从其相关品质数据中提取等级信息，进而建立茶叶等级快速识别方法，这对指导茶叶生产具有重要意义。为建立快速评价白茶等级的判别模型，本研究搜集了200份不同等级的白牡丹白茶，采集其近红外光谱和气相离子迁移谱的原始数据，经过主成分分析或线性判别分析进行数据降维，结合7种分类器算法开展白茶等级评价。结果表明，线性判别分析适合近红外光谱和气相离子迁移谱的原始数据降维；原始数据使用线性判别分析降维后，基于近红外光谱建立的自适应增强（adaptive boosting,Adaboost）、K近邻（k-nearest neighbor,KNN）、多层感知机（multilayer perceptron,MLP）、随机森林（random forest,RF）、随机梯度下降（stochastic gradient descent,SGD）和支持向量机（support vector machines, SVM）模型的正判率均>94%，模型评价指标AUC≥0.95；基于气相离子迁移谱筛选的图谱数据建立的MLP、SGD和SVM模型的判别率为91%～93%,AUC值为0....     

属性分析技术应用于断陷盆地沉积相带划分

断陷盆地的油气勘探,对各种类型储层的研究是必不可少的,而湖盆沉积的各种储集层,主要表现为各种扇,包括扇三角洲,浊积扇、滑塌扇等。为了寻找优质的扇体储集层,就必须对扇体的沉积相带开展仔细研究。在划分沉积相方面,应用最为广泛的技术就是地震属性分析技术。本文主要讲述了在具有三维地震资料的情况下,综合应用地震属性分析技术成功地划分了沉积相和沉积微相,对扇体的岩性和物性都有较好的预测,为后续的油气勘探提供了技术支持。