基于熵权TOPSIS的工程咨询机构BIM技术应用能力评价

构建工程咨询机构BIM技术应用能力评价的指标体系,提出改进的熵权TOPSIS评价模型,以4个典型的工程咨询单位为例,进行BIM技术运用能力评价。研究表明,BIM行业的整体水平已经有了明显的提升,但是区域间的发展还存在一定差距。     

基于熵权TOPSIS法的机械加工绿色工艺方案决策

绿色制造中的工艺方案选择是一个复杂的多目标决策问题。为了能够选择最优的绿色工艺方案,提高企业效益,提出了基于熵权TOPSIS法的机械加工绿色工艺方案决策方法。首先,结合决策指标体系建立的原则和绿色制造决策框架模型,建立了绿色工艺方案决策指标体系;然后,采用熵权法确定指标的权重,并将熵权法与TOPSIS法相结合,建立了基于熵权TOPSIS法的机械加工绿色工艺方案决策模型;最后,以自卸车举升梁的3种机械加工工艺方案为例,验证了该模型的可行性和实用性。     

基于PCA和灰色关联的齿根裂纹损伤程度识别

在齿轮齿根裂纹故障检测方面,利用倒频谱分析可以比较损伤程度的轻重,但很难具体量化损伤程度范围。为实现损伤程度的量化检测,提出采用主成分分析(Principal Component Analysis,PCA)与灰色关联分析(Grey Relational Analysis,GRA)相结合的方法。首先,利用能量法计算含不同齿根裂纹的齿轮副时变啮合刚度,分析不同损伤程度的响应,并结合损伤检测统计指标进行量化检测,通过PCA算法,对多维损伤检测统计指标进行降维优化后,计算待检目标序列与各个比较状态序列的关联度,用关联度表征裂纹损伤程度。在理论仿真的基础上,进行实验验证。结果表明,倒谱分析可有效地识别出齿根裂纹故障,损伤程度越大,倒谱的尖峰幅值越大。PCA与GRA结合算法与GRA算法计算的关联度相比更大,区分度也更加明显。并可以有效地量化待检目标的损伤程度,为齿根裂纹的定量识别提供理论依据。     

双季戊四醇在3种混合溶剂中的固-液相平衡

采用动态平衡法，在293.15～332.80 K、常压下，测定了双季戊四醇(DPE)在水+(甲醇、乙醇、异丙醇)三种混合溶剂中的溶解度数据。结果表明：DPE在不同质量分数的水+(甲醇、乙醇、异丙醇)混合溶剂中的溶解度随体系温度升高而增大；同一温度下，其在所选取溶剂体系中的溶解度随着甲醇、乙醇或异丙醇质量分数的增大而先增大后减小。λh方程、两参数方程与Apelblat方程均能够对所测定的溶解度数据进行较好的关联；通过修正的van’t Hoff方程计算得到DPE在所选取溶剂体系中Δ_sol H ⁰、Δ_sol S ⁰和Δ_sol G ⁰均大于零，表明DPE在所选取溶剂体系中的溶解过程为吸热、熵增的非自发过程。     

乘用车操纵稳定性的灰色关联评价

为了提高乘用车操纵稳定性评价的准确性和客观性,参考国家相关标准,分别从稳态回转性、转向回正性、转向轻便性、抗侧倾能力、抗干扰能力和瞬态响应性6个方面筛选15个评价指标。根据各指标对乘用车操纵稳定性的实际影响程度,确定了各指标的权重。以实车试验获得的指标参数为实例,采用基于灰色关联分析的方法,对试验汽车进行操纵稳定性评价。对比国标法评价结果,并参考驾驶员主观评价,证明了运用灰色关联法进行乘用车操纵稳定性评价的可行性。     

面部运动单元检测研究综述

面部运动单元检测旨在让计算机从给定的人脸图像或视频中自动检测需要关注的运动单元目标。经过二十多年的研究，尤其是近年来越来越多的面部运动单元数据库的建立和深度学习的兴起，面部运动单元检测技术发展迅速。首先，阐述了面部运动单元的基本概念，介绍了已有的常用面部运动单元检测数据库，概括了包括预处理、特征提取、分类器学习等步骤在内的传统检测方法；然后针对区域学习、面部运动单元关联学习、弱监督学习等几个关键研究方向进行了系统性的回顾梳理与分析；最后讨论了目前面部运动单元检测研究存在的不足以及未来潜在的发展方向。     

基于FP-tree的Apriori算法的改进

在经典的Apriori策略中,各次遍历操作均访问全部数据库。将FP-tree策略移植到Apriori中以重构数据库,提出了FP-A算法。通过对原数据库划分为一系列子数据库,并设置相应的频繁度计数,避免每次访问全部数据库记录,提高算法效率。实验结果表明,FP-A策略具有高效性。     

GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。