基于灰阶熵的模糊对比度自适应图像增强算法

一般的数字图像存在噪声大、对比度低、边缘模糊等缺陷.为了有效地增强图像的模糊对比度,以满足后续的识别与检测要求,提出了一种基于灰阶熵的模糊对比度自适应图像增强算法.在模糊域内,根据邻域窗口灰阶熵值的大小,合理选取阈值,对阈值两侧的图像像素点进行不同程度的对比度增强处理,实现局部特征的增强.实验结果表明,该方法不仅增强了图像的整体对比度,而且有效地丰富了目标图像的细节信息,并抑制了噪声的放大.     

熵权法并联组合建模在径流预测中的应用

针对径流预报的具体特征和相关问题,建立了多元时变灰色预测模型,并基于信息熵原理,用熵权法将多元时变灰色预测模型、非时变的免疫神经网络模型、最小二乘支持向量机模型三者进行并联组合集成建模,以充分发挥多种模型各自优点且相互补充,并将此组合模型应用于新疆伊犁河雅马渡水文站的年径流预测。结果表明,与三个单项模型的预测结果相比,并联组合预测模型更合理、普适和可靠。     

基于AHP—信息熵的大坝安全性态模糊综合评价

基于大坝安全性态综合评价的层次体系结构,采用层次分析法和信息熵理论探讨了综合评价权重的确定问题,构建了大坝安全性态模糊综合评价模型,并应用该模型综合评价了老园水库大坝的安全性态。结果表明,该模型评价结果客观、有效,且与实际情况相符。     

细分层系方法研究及在沙埝油田的应用

叙述了开发层系划分现状,分析了细分层开发影响因素,提出合理地细分层系可改善水驱开发效果。     

冷却对燃气透平的熵增及透平效率影响的研究

运用修正的解析模型计算得到叶片冷却空气需求量和温度分布,并从热力学第二定律角度出发,阐述了动、静叶冷却过程的熵增情况,详细分析了冷却空气在冷却通道内的内部摩擦、导热损失模型以及冷却空气与燃气掺混时的内能和动能损失模型.对不同定义下的燃气轮机透平效率进行了比较、探讨,研究了叶片冷却对透平效率的影响,并对其进行了修正.算例结果表明,冷却导致的一系列不可逆熵增使得透平效率发生了2％ -3％左右的下降.因此,在研究中需对冷却导致的透平效率变化进行修正,使得结果更加准确.     

生产资源组织模式结构与运行评价的熵测度法

针对不同生产资源组织模式的结构与运行状态的差异,目前尚缺乏系统的定量评价方法。基于信息熵理论及有序度定义,建立了结构熵模型与运行熵模型来分别评价生产资源组织模式在结构上和运行中的有序度。其中,结构熵模型包括时效熵和质量熵两部分;运行熵模型包括静态运行熵和动态运行熵两部分。对某压缩机制造企业的加工车间做了实例研究,以实施动态单元组织模式前后的结构与运行状态作对比分析,分别求解出2种不同模式下的结构熵与运行熵。结果表明,动态单元组织模式通过合理规划人力、设备资源及生产流程,能够极大减少企业生产中零件的转运与设备空闲时间,具有更优的结构有序度和运行有序度,能获得更好的零件加工效率。     

轴流风机动叶异常对风机内熵产影响的数值模拟

采用Fluent软件对OB-84型轴流风机动叶安装角异常情况进行数值模拟,并用熵产理论研究和分析了风机动叶安装角异常前后的熵产分布特征．结果表明：湍流耗散为风机熵产的主要来源,动叶区和导叶区的熵产率较高,集流器区和扩压区的熵产率很小,但动叶区、导叶区和扩压区的总熵产处于同一数量级．叶片偏离程度对风机熵产有不同程度的影响,除异常叶片安装角偏离值△β±10°外,风机内的熵产均高于正常值,且熵产随△β增大而提高,但当△β〉30°时,△β对风机内熵产的影响有所减弱;同向偏离时,在异常叶片下游形成影响多流道的高熵产带,而反向偏离时的高熵产率区仅呈现零散分布;在相同偏离程度下,同向偏离对熵产的影响大于反向偏离．     

Incremental Learning Framework for Mining Big Data Stream

At this current time, data stream classification plays a key role in big data analytics due to its enormous growth. Most of the existing classification methods used ensemble learning, which is trustworthy but these methods are not effective to face the issues of learning from imbalanced big data, it also supposes that all data are pre-classified. Another weakness of current methods is that it takes a long evaluation time when the target data stream contains a high number of features. The main objective of this research is to develop a new method for incremental learning based on the proposed ant lion fuzzy-generative adversarial network model. The proposed model is implemented in spark architecture. For each data stream, the class output is computed at slave nodes by training a generative adversarial network with the back propagation error based on fuzzy bound computation. This method overcomes the limitations of existing methods as it can classify data streams that are slightly or completely unlabeled data and providing high scalability and efficiency. The results show that the proposed model outperforms state-of-the-art performance in terms of accuracy (0.861) precision (0.9328) and minimal MSE (0.0416).     

C合金化对AlCrFeCoNi2.1共晶高熵合金微观组织和拉伸性能的影响

目的 为了显著提高AlCrFeCoNi2.1共晶高熵合金的室温力学性能,利用C合金化的方法研究不同碳含量对微观组织和室温拉伸性能的作用规律。方法 采用电弧熔炼–滴铸方法制备了不同C含量的(AlCrFeCoNi2.1)–x%C(x=0、1、2、3,原子数分数)共晶高熵合金,利用XRD、SEM和EDS等手段研究了不同C含量下微观组织、相结构和拉伸性能的变化规律。结果 添加C元素后,合金未形成新相,仍然由FCC相和B2相组成,但其微观组织呈现出由层片状向树枝晶转变的特征。随着C含量的增加,屈服强度和抗拉强度增大,但伸长率有一定的降低,其中(AlCrFeCoNi2.1)–3%C(原子数分数)合金的屈服强度可达到791 MPa,抗拉强度可达到1 332 MPa,同时伸长率仍有6.1%,与AlCrFeCoNi2.1合金相比,屈服强度和抗拉强度分别提高了99 MPa和296 MPa。结论 该强化效果主要来源于C原子的固溶强化作用和微观结构的改变。     

基于信息熵的粮食干燥塔温度预测控制

针对混流式粮食干燥塔生产过程中,物理化学变化复杂,温度变化呈现的非线性和滞后性,难以准确检测的问题,提出了一种基于信息熵的温度预测方法;首先分别采用支持向量机和灰色预测独立建立第一降速段的温度模型;利用加权方法对两种模型进行集成,最后利用信息熵算法,对加权因子进行优化,提升模型的预测精度;运行结果表明干燥后的稻谷含水量与设定值误差从原来的±24.7%,降低至8.5%,验证本方法在实际生产中的有效性。