基于超声导波SC-DTW的金属板微损检测方法

针对金属板材的质量控制与服役性能评估问题,在对金属板材微损伤进行超声导波检测的基础上,结合形状上下文(shape context,SC)与动态时间规整方法对其损伤劣化程度进行量化评估.该方法以无损Lamb波信号为基准,采用动态时间规划(dynamic time warping,DWT)算法对损伤信号进行相似匹配分析对比,确定基准信号与损伤信号的最佳匹配路径.引入SC的轮廓识别方法对Lamb波的局部波形信息进行统计分析,以波形形状距离代替传统欧氏距离匹配方法,解决DTW相似匹配中的病态对齐问题.最后,将无损Lamb波与损伤Lamb波信号间SC-DTW匹配距离作为损伤程度的量化指标,采用随机闭合裂纹的有限元仿真模型和铝板弯折实验对所提出方法进行验证,结果表明,基于Lamb波SC-DTW的损伤量化指数对铝板早期裂纹具有较高的敏感性和较好的量化表征能力.该方法无需对波包进行识别,也不必进行复杂的特征提取,具有简单高效和抗噪声能力强等优点,在金属板服役性能评估与质量控制中有较好的实用性和推广价值.     

基于文本与语义相关性分析的图像检索

为了更加有效地检索到符合用户复杂语义需求的图像，提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步：基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联，在选定图像库中通过语义相关性分析得到“种子”图像；接下来在图像扩展检索中，采用基于SIFT特征的相似图像检索，利用之前得到的“种子”图像作为查询条件，在网络图像库中进行扩展检索，并在结果集上根据两次检索的图像相似度进行排序输出，最终得到更加丰富有效的图像检索结果。为了证明算法的有效性，在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验，实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果，并且通过扩展算法可以得到更加丰富的检索结果。     

结合多尺度体素和高阶条件随机场的点云分类

针对利用经典高阶条件随机场模型进行点云分类时,由于海量节点和无向边导致的点云分类效率低的问题,提出一种结合多尺度体素和高阶条件随机场的点云分类方法.首先以多尺度体素代替海量离散点云作为无向图图模型节点,减少节点和无向边的数量;然后使用超体分割结果作为高阶团,并基于此设计了一种非监督分布性空间上下文作为高阶团特征向量,用于改善分类结果;最后结合构建的图模型和各阶特征向量,采用经典高阶条件随机场模型实现点云数据的自动分类.采用Oakland标准数据集作为实验数据,实验结果表明,该方法在有效地保证分类精度的前提下,高阶条件随机场点云分类模型的分类效率提高了5～10倍.     

基尼系数理论最佳值的计算机监控信息技术

文中通过将计算机监控信息系统中存在冲突性的信息进行归类得到相应的数据集,以此防止计算机监控信息系统中错误警报造成可调度性损失。计算机监控系统则根据利用基尼系数理论最佳值对计算机监控信息进行相关度评价,对无法分配到同一监控系统上的监控信息进行拆分,并将拆分出的数据移至到当前负载最轻的计算机监控信息系统上。实验结果表明,该方法提升了计算机安全监控力。     

基于本体的室内舒适节能监控系统建模

软件动态演化与环境变化紧密联系,软件需要通过自我补足来适应环境变化,但是软件所在的开放环境信息多样、复杂难控,虽然上下文感知技术能够很好地解决这个问题,然而上下文信息数量丰富、结构多样、难以被有效利用。本文介绍了上下文感知技术、本体理论及相关技术,构建了上下文本体元模型,采用层次化的上下文本体方案,对不同上下文进行统一建模,提高上下文的共享。达到采用形式化的语言显式表达环境的目的,为建立环境适应性准则做准备。并在此基础上构建室内舒适节能监控系统的本体模型。     

重量法测定水中悬浮物和全盐量的不确定度评定

随着移动技术的迅猛发展,传统的纸质海图开始走向移动平台.然而,移动环境下使用环境的改变以及使用场景的多样性给电子海图的显示带来了新的挑战:在尽量减少用户交互的前提下自动调整地图显示,最大限度满足用户需求.论文基于上下文的地图感知模型从上下文因素选取、模型建立以及触发机制等方面对电子海图的数据组织与显示进行了研究,优化了移动海图的调度与显示,为基于上下文的智能化电子海图研究提供了理论和方法上的借鉴.     

基于改进EMD与改进灰色相关度的防止变压器差动保护误动的新方法

为了有效防止变压器区外故障电流互感器(CT)饱和引起的差动保护误动以及区内故障CT饱和引起保护拒动,提出了一种基于改进经验模态分解(EMD)和改进灰色相关度的防止变压器差动保护误动的新方法。该方法主要利用了区内、区外故障时差流波形存在差异这一特点,只需定位故障发生时刻与第一个差流极值点出现时刻,将两时刻之间的差流波形进行关于坐标原点的对称变换,得到新的差流波形。之后将新的差流波形与正弦“小波”信号叠加得到合成波形,对合成波形进行改进EMD获得其第一个本征模态函数(IMF1),然后求取合成波形与其IMF1的改进灰色相关度。由于该方法仅需提取故障发生时刻与第一个差流极值点出现时刻的差流波形,且区内、外故障时的改进灰色相关度数值相差甚远,因此该方法能够保证快速、准确地对变压器区内、外故障做出识别,从而保证区外故障CT达饱和时保护不误动;区内故障时CT达饱和时,保护不拒动。PSCAD及Matlab仿真实验验证了该方法的可行性和有效性。