Image sequence-based risk behavior detection of power operation inspection personnel

A novel image sequence-based risk behavior detection method to achieve high-precision risk behavior detection for power maintenance personnel is proposed in this paper. In this method, the original image sequence data is first separated from the foreground and background. Then, the free anchor frame detection method is used in the foreground image to detect the personnel and correct their direction. Finally, human posture nodes are extracted from each frame of the image sequence, which are then used to identify the abnormal behavior of the human. Simulation experiment results demonstrate that the proposed algorithm has significant advantages in terms of the accuracy of human posture node detection and risk behavior identification.     

火花放电原子发射光谱类型标准化校正方式的探讨

在国内,火花放电原子发射光谱分析广泛使用类型标准化进行方法校正。在国外,标准和文献中鲜见使用此方法的相关论述。类型标准化主要采用平移校正和转动校正两种方式,哪种方式更加合理也鲜见报道。国外设备类型标准化的默认设置优先采用转动校正方式,相关国内标准对最优校正方式的规定尚不明确,此默认设置的合理性有待探讨。实验选用低合金钢20CrNi2Mo、R407标准样品和不锈钢317L、0Cr18Ni9标准样品,引用国内相关标准,以正确度临界差为评判依据,模拟类型标准化样品和待测样品“十分接近”和“接近”两种情况下平移校正和转动校正的数据正确度。经数据统计分析,平移校正分析结果均满足要求,转动校正结果在“接近”情况下部分元素不满足要求。结合相关国家标准中元素含量范围和精密度数据进行分析,通过计算允许最大偏倚量并制作曲线图方式展开分析,得出如下结论:在满足文中类型标准化控制要点前提下,分析设置更适合于采用平移校正方式。     

基于BIM超高层密集布筋区埋入式型钢混凝土柱脚施工技术

以漳州市某超高层项目为例,针对超高层密集布筋区埋入式型钢柱脚与钢筋的深化设计、地脚螺栓的定位预埋、型钢柱脚支撑体系设计、节点钢筋穿插连接施工、埋入式型钢柱脚安装等方面,提出切实可行的施工方法,解决了埋入式型钢混凝土柱脚的地脚螺栓精准预埋、与底板密集钢筋穿插连接施工、悬空支撑稳定等一系列施工技术难题,既满足了设计方案的要求,又可为类似工程提供借鉴。     

改进的CAGAN在虚拟试衣中的应用

针对CAGAN（Conditional Analogy GAN）换衣后效果模糊，在目标衣服与原始衣服长短不一致时效果一般，相对目标衣服保留过少的细节等问题做了相关研究并对CAGAN进行了改进，提出了新的虚拟试衣方式。经过改进的CAGAN生成一个粗糙的结果，由该结果得到目标衣服穿在模特身上改变形状后的mask，接下来利用mask对目标衣服进行变形，综合变形的衣服和第一步的结果便得到最终的试衣图像。实验结果表明，该方法解决了前面存在的问题，而且取得了非常好的效果。     

渗流作用下新型装配重力式挡土墙有限元分析

为研究渗流作用下新型装配重力式挡土墙应力变化及墙体排水通道对墙后土体固结的影响,采用ABAQUS进行有限元分析,有限元分析结果与模型试验结果相吻合,证明该模型的合理性。在此基础上研究渗流作用下墙体应力变化趋势及墙体排水通道对墙后土体固结效果的影响。研究结果表明:横向排水通道对墙后土体固结效果的影响优于纵向排水通道对土体固结效果的影响,墙体底部横向排水通道的影响作用最显著;渗流作用下墙体应力由上往下呈先增大后减小的趋势,墙体下部所受最大水平剪应力最大。     

面向噪声丢包感知的无线网络拥塞算法

针对无线网络链路干扰大、误码率高等特点，以及TCP Westwood算法（TCPW）存在估算带宽时过度依赖包的反馈，缺乏区分传输过程中丢包类型的缺点等问题，提出一种TCPW拥塞控制优化算法--TCPW-F。该算法利用发送速率等构建拥塞因子[F]作为判断丢包类型的依据，同时对判定发生噪声丢包时的拥塞窗口进一步调整，避免噪声丢包引起的窗口下降，提高该情况下窗口的发送效率。仿真结果表明，TCPW-F算法在时延性能方面表现更优，单位时间抖动趋于稳定的速度更快。在同一信道带宽下增大包生成速率，改进算法的实时吞吐量明显高于原算法，具备一定的噪声丢包感知能力，无线网络的TCP传输质量获得较大改善。     

基于条件信息卷积生成对抗网络的图像识别

传统的图像识别方法需要大量有标签样本进行训练，且模型训练难以达到稳定。针对这些问题，结合条件生成网络和信息最大化生成网络的结构优势建立了条件信息卷积生成网络（C-Info-DCGAN）。模型增加图像的类别信息和潜在信息作为输入数据，然后利用Q网络去更好地发挥类别信息和潜在信息对训练的引导作用，并且利用深度卷积网络来加强对图像特征的提取能力。实验结果表明，该方法能够加快模型训练收敛速度，并有效提高图像识别的准确率。     

Asynchronous control for two‐dimensional hidden Markovian jump systems with partly known mode observation conditional probabilities

This study focuses on the asynchronous control problem for two‐dimensional discrete‐time hidden Markovian jump systems where the mode observation conditional probability matrix is partly known. Considering the original system modes are invisible, the observed modes emitted from an observer serve as an alternative for stability analysis and controller design where a mode observation conditional probability matrix is constructed to characterize the emission between system modes and observed modes. Specially, only partly known information of the mode observation conditional probability matrix is accessible. With the introduction of the free‐connection weighting matrices, the asymptotic mean square stability criterion is firstly derived based on Lyapunov method. This introduction provides a further degree of relaxation and less conservatism is therefore achieved. Secondly, we present synthesis conditions for asynchronous state feedback controller design given in terms of a set of interconnected linear matrix inequalities. Moreover, cluster concept based on the partitions of observed modes is adopted which helps to decrease the number of controllers and simplify the design complexity. A numerical example, regarding the cases with and without clustering of the observed modes, is presented to illustrate the effectiveness of the proposed method.     

基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。