有限元强度折减法应用的几个问题及拓展

随着计算机技术的发展,有限元强度折减法作为边坡稳定性分析的重要工具日益得到重视。介绍有限元强度折减法的应用和发展现状,以及强度折减法的原理。采用有限元强度折减法对网格密度、坡型、斜坡变形及破坏机理进行了研究,并与极限平衡法进行了对比。结果表明:有限元网格密度越大与极限平衡法越接近;不规则坡形会降低斜坡稳定性;采用强度折减法可以清楚地展示斜坡的破坏过程和机理,为预测和监控斜坡土体破坏提供了一条新的途径。     

制氧系统设备的噪声综合治理

阐述了对制氧生产过程中环境污染之一噪声的综合治理技术,通过分析不同设备的特点,在利用制氧机本身降噪设备的基础上,结合厂区噪声综合治理,使单台设备和厂界噪声排放达到国家标准。     

联合局部二值模式与K-最近邻算法的高光谱图像分类方法

如何利用较少训练样本达到高分类精度已成为高光谱遥感领域的重要研究方向和极具挑战性任务。针对高光谱图像包含的丰富光谱与空间信息,提出了一种联合局部二值模式LBP(Local Binary Patterns)与K-最近邻KNN(K-Nearest Neighbors)算法的高光谱图像分类方法。首先,通过主成分分析PCA(Principle Component Analysis)对高光谱数据进行降维;然后,使用LBP提取降维后的高光谱图像空间纹理信息,将光谱与空间特征变量堆叠成空—谱特征向量;最后,输入最近邻分类器得到分类结果。选取Pavia University、Indian Pines和Salinas三种公开高光谱数据集的训练集和测试集作为建模和验证数据源,选取KNN、基于径向基核函数的支持向量机(RBF-SVM)、核联合正交匹配追踪(Kernel Simultaneous Orthogonal Matching Pursuit,KSOMP)三种经典分类算法作为比较。在PaviaUniversity与Indian Pines数据集中随机选取10%作为训练样本,总体精度和Kappa系数分别达到99.15%、98.87%和97.88%、97.58%;在Salinas数据集中随机选取2%作为训练样本,总体精度与Kappa系数为98.46%和98.29%。实验结果表明,在训练样本仅为数据集10%甚至2%的条件下,本文提出的方法仍可达到98%以上的分类精度,可满足训练样本难以获取的应用场景对高分类精度要求。