基于IRANSAC-IRLS直线拟合算法及应用

针对工业视觉检测中直线边缘存在沾连、毛刺等噪声,导致拟合效率不高、精度较差的问题,提出一种基于梯度方向改进的随机采样一致性（improved random sample consensus,IRANSAC）的迭代加权最小二乘（iterative reweighted least-squares,IRLS）直线拟合算法,即IRANSAC-IRLS算法。首先,利用直线上边缘点的梯度方向相近,将梯度方向引入边缘点RANSAC拟合,来降低错误的随机抽取的次数;然后,对IRANSAC提取出来的局内点进行迭代加权最小二乘拟合,求得最终的直线参数。在噪声点比例为20%、40%、60%、80%的条件下,将IRANSAC-IRLS与基于随机采样一致性算法的最小二乘（RANSAC-LS）拟合算法的仿真实验结果进行对比,IRANSAC-IRLS比RANSAC-LS的拟合效率分别提高16.3%、41.9%、47.5%、53.2%,拟合精度分别提升14.3%、16.7%、44.0%、69.0%。     

中原油田电力系统防雷措施及改造实施方案

本文主要对中原油田电力系统防雷措施及具体实施方案进行调研,提出对电网防雷需要具备的三道防线,通过安装避雷设备、更换接地系统等有效措施完善油田电网的防雷系统。最后阐述了中原油田电力系统在防雷设施改造中取得的成果。     

电子管的寿命及可靠性

近年来,电子设备的应用有了巨大的进步。不仅是长途通信有了很大发展,同时也发现了新的应用领域。典型的例子有:工业测量和控制设备,电子计算机和许多新型的船舶和飞机的导航设备。一个近代的装有雷达设备的定期飞机,其中所用的电子管数可多至500个,而军用电子设备则更为可观。据美国公布的数字:一个大的轰炸机约使用2000个电子管,一只战约使用10000个电子管。由于工业设备、飞机以及其它方面使用电子管的数量迅速增加的结果,对电子管可靠性的程度应较以前更重视,特别是在复杂的设备上,一个电子管损坏,常常引起严重后果。本文对"可靠性"及"寿命"的相对概念作了新的解释。文中叙述的是工厂内采用的方法,同时使用者亦可采用这些方法来增进电子管的可靠性及寿命。     

电导法测定乙酸乙酯皂化反应速率常数实验的思考与改进

通过对常规电导法测定反应速率常数实验不足的论述,以及对造成实验误差内在原因分析,在传统电导法测定的基础上改进实验原理以及操作,用两种实验数据处理方式论证改进后测定方法的可行性,从而使得本实验在规定的实验条件下能够得到较为准确的实验结果。     

物理化学实验教学探讨

基于物理化学实验的重要性,针对教学过程中存在的一些问题,本文提出采用自主式学习、探究式学习、引导式学习等教学方法,以及优化实验成绩考核方式等措施来调动学生参与实验的积极性,改善教学效果,提升学生的综合能力与科研素养。     

目标检测中的尺度变换应用综述

目标检测试图用给定的标签标记自然图像中出现的对象实例,已经广泛用于自动驾驶、监控安防等领域。随着深度学习技术的普及,基于卷积神经网络的通用目标检测框架获得了远好于其他方法的目标检测结果。然而,由于卷积神经网络的特性限制,通用目标检测依然面临尺度、光照和遮挡等许多问题的挑战。本文的目的是对卷积神经网络架构中针对尺度的目标检测策略进行全面综述。首先,介绍通用目标检测的发展概况及使用的主要数据集,包括通用目标检测框架的两种类别及发展,详述基于候选区域的两阶段目标检测算法的沿革和结构层面的创新,以及基于一次回归的目标检测算法的3个不同的流派。其次,对针对检测问题中影响效果的尺度问题的优化思路进行简单分类,包括多特征融合策略、针对感受野的卷积变形和训练策略的设计等。最后,给出了各个不同检测框架在通用数据集上对不同尺寸目标的检测准确度,以及未来可能的针对尺度变换的发展方向。     

k-近邻关系下的空间高效用核模式挖掘

空间数据挖掘旨在从空间数据库中发现和提取有价值的潜在知识.空间co-location(共存)模式挖掘一直以来都是空间数据挖掘领域的重要研究方向之一,其目的 是发现一组频繁邻近出现的空间特征子集,而空间高效用co-location模式挖掘则考虑了特征的效用属性.二者在度量空间实例的邻近关系时一般都需要预先给定一个距离阈值...     

歧义容忍度与中国大学生英语学习成绩的相关性分析

中国大学英语学习者的歧义容忍度水平与他们的听、说、读、写四项技能以及总的英语水平都存在着显著的正相关关系,但歧义容忍度水平与他们的听、说、读、写成绩的相关程度之间并无显著差异。     

基于Ward优化蚂蚁觅食聚类算法的边坡安全等级分类

库区的边坡稳定对于水库的安全运行十分重要,为了方便工程人员精准掌握及应对边坡的状态和问题,所以对边坡安全性进行分级十分必要.本文应用Ward优化蚂蚁觅食聚类算法对影响边坡安全的多因素进行聚类分析,有效解决了多因素聚类中权重和距离计算难的问题,提高了等级之间的区别度以及算法的鲁棒性.选用三峡库区的边坡进行计算,结果表明基于Ward优化的蚂蚁觅食算法比粒子群优化聚类算法的准确性高,说明该算法的精度高、可靠性强.