矿体形貌分类及其成矿指示

在矿床研究与矿床勘查中,矿体形貌包涵有重要而丰富的成因信息。基于矿体形貌与成矿构造之间的成生联系,本文将矿体形貌划分为4种几何类型：一维矿体形貌、二维矿体形貌、三维矿体形貌及复维矿体形貌,并将矿体形貌划分为5种成因类型：构造型矿体形貌、流体型矿体形貌、构造-流体型矿体形貌、岩溶型矿体形貌及沉积型矿体形貌。提出了矿体力性、矿体力向、矿体力度、矿体韵度、矿体时空的概念,讨论了它们与矿体形貌之间的联系。举例分析如何根据矿体形貌、矿体力性、矿体力向、矿体力度、矿体韵度、矿体时空等参数,最大限度确定矿体的构造成因,客观评价矿床的经济价值,并进行有效的成矿预测。基于此,提出了矿体形貌学的概念,认为矿体形貌学是研究矿体形貌分类、演变、内部结构构造,以及矿体形貌间的空间结构、时间结构、力学成因的一门边缘科学,是矿床预测中一种新的思维方法。     

W-Mo-Ti功能梯度材料的断口形貌研究

目前，金属-金属功能梯度材料的研究开发是材料科学领域的一大热点，但对采用共沉降法制备的金属-金属功能梯度材料微观组织的研究还很少，因而对此种功能梯度材料进行显微分析显得尤为重要．采用扫描电子显微镜(SEM)和能谱仪(EDS)，对共沉降法制备的W—Mo—Ti系功能梯度材料的显微组织、断口形貌进行了较详细的研究．     

一种改进的免疫算法及其在文本分类中的应用

借鉴了免疫系统的分类本质以及免疫系统的克隆选择和抗体浓度控制原理,提出了基于抗体浓度的克隆选择算法.该算法基于抗体的浓度和亲和度选择免疫反应细胞,具有高亲和度和低抗体浓度的细胞其选择概率相对较高.通过对多个免疫反应细胞经过多次克隆变异后选取最优解作为记忆细胞,由最终保留的记忆细胞群生成分类器.整个过程既保证了解的正确性,又保证了解的多样性.在数据集20_newsgroups上的实验结果显示:该算法的分类性能优于Rocchio和Naive Bayes,与SVM性能相当.     

分支分类学算法研究及其在生物分类中的应用

针对目前普遍采用的分支分类方法一般只能得到局部最优解这一问题，首先提出了一条与俭约性原理等价的定理，然后就使用同步系数进行分类时可能出现的情况进行了讨论，同时给出了几条有关定理．在此基础上，对最大同步法给出了一个反例并提出了一种修正算法．实验结果表明该算法是正确的和可行的，且能保证不劣于最大同步法．     

使用多尺度LBP特征和SVM的火焰识别算法

目前基于视频图像的火灾识别系统是大空间场景中预防火灾的有效方法。为了提高检测性能,基于火焰特定的纹理结构,使用多尺度纹理特征,以获得更全面的特征信息。首先使用火焰的明亮特性定位到疑似火焰区域;然后针对这些区域,采用局部二值模式(local binary patterns, LBP)方法提取多尺度纹理特征;最后将多尺度LBP纹理特征输入到支持向量机(support vector machine, SVM)中进行识别。实验结果表明,该方法计算简单,火焰的检测率较高,误警率较低。     

一种改进的SIFT—PCA算法在图像检索中的应用

针对SIFT算法（尺度不变特征）提取出的图像特征点向量维数较多造成计算量较大、检索效率低等问题,提出一种SIFT和改进的主成分分析（Principal Component Analysis,PCA）相结合的SIFT—PCA算法。该算法首先采用SIFT算法提取图像特征点向量,然后利用改进的PCA算法把特征点向量变换到另一个空间,得到最具有代表性的特征参数,实现对特征点向量的降维。此算法在保证原SIFT算法鲁棒性的同时减少了计算量,增强了实时性。实验结果说明了该算法具有尺度、平移、旋转、光照不变性,在图像检索中应用切实可行且效果良好。     

粗糙集理论在文本分类算法中的应用

文本分类常采用的算法一般是基于向量比较的分类技术.文本中关键字较多,形成的特征向量维数相当高,因而会导致分类比较处理的运算量太大,而降低维数后又会不可避免地丢失有用信息.将粗糙集理论应用于分类处理过程中可有效地解决此问题.     

基于SIFT-LBP的图像检索优化算法研究

针对尺度不变特征变换(SIFT)算法在图像特征提取和检索中精度、实时性以及对光照条件变化描述较差的问题,提出了SIFT和局部二值模式(LBP)相结合的图像特征提取算法。采用旋转不变LBP算法统计关键点周围16×16区域的梯度信息并计算周围9×9区域的LBP值,以区域中每个像素点为中心构建图像的SIFT-LBP特征描述子。采用了基于遗传算法的特征选择方法,剔除了特征点的冗余信息,降低了特征向量维数。实验结果表明,SIFT-LBP算法具有良好的特征匹配效果,对光照条件的变化具有较强的鲁棒性,进一步提高了检索准确率和检索速度。     

改进的特征提取及其在信号分类中的应用

特征参数的提取是通信信号调制识别中的关键环节,对信号特征提取问题进行了研究.首先提出了一个新的参数--功率谱紧致性,该特征从信号功率谱中提取,具有较好的稳健性和抗噪声性能且无需任何先验知识.然后对信号相位特征进行差分处理,给出了一种改进的绝对无插叠差分相位标准差的提取方法,该方法不依赖于信号载波频率,具有更加实用的工程价值.还重新定义了单频分量的检测方法,重定义后的方法和原方法相比所提取的特征具有更好的可分性和稳健性.最后设计了信号调制识别系统,完成了AM、SSB、2FSK、4FSK、8FSK、BPSK、QPSK和8PSK的分类.实验仿真表明,当信号信噪比大于5dB时,正确识别率达92%以上.     

分形几何及其在磁盘表面形貌分析中的应用

以硬盘表面形貌分析为例 ,分别介绍了使用功率谱和结构函数获取分形参数的方法 ,并对测量尺度的取值范围作了探讨。实验结果表明 ,分形维数能很好地表征表面轮廓 ,可为进一步的接触分析提供更合理的几何模型     

改进的K最近特征线算法在文本分类中的应用

KNFL算法是一种近年来在人脸识别领域得到广泛应用的算法,这种算法认为类中两点的连线也可以近似代表类的特征,把它应用于文本分类领域可以得到较好的分类效果,但是由于时间复杂度比较高,影响了其实用价值.本文提出了一种应用于文本分类的改进的KNFL算法,计算出类的中心点后再进行两次过滤,分别将离类中心点较远的特征点和特征线过滤掉,减少了训练集样本数目,在对分类精确度影响不大的情况下,改善了KNFL算法的分类效率,最后用实验验证了该算法的有效性.     

改进的KNN方法及其在中文文本分类中的应用

介绍了基于KNN方法的中文文本分类流程及相关技术,在分析传统KNN方法不足的基础上提出一种改进的KNN方法.该方法在特征选取、权值确定、相似度计算等方面进行了改进,并给出了优化措施.实验表明:与传统的KNN方法相比,改进后的KNN方法在保证分类准确率的同时,使分类效率得到了有效提高.     

表面三维形貌测量及其评定的研究

对表面三维形貌测量技术展开了较为全面的研究,测量过程由相移,采样,相位提取及数据处理等部分组成．整个测量系统采用激光为干涉光源,CCD为图像传感器,压电陶瓷提供微小位移,通过图像采集卡将干涉条纹采集到计算机内存．文中采用上述理论对标准样块进行了测量,计算机得到表面三维形貌图,根据建立的基准面分离出粗糙度信息,并由给出的参数评定数学模型,编制出合理的软件,计算出零件表面的三维参数．最后给出实验结果和分析,并提出下一步研究工作的设想．     

小波神经网络分类算法在教育信息管理系统中的应用

小波神经网络在预测及分类应用中较之前馈神经网络RBF及单隐层BP神经网络有着无法比拟的优势.本文将小波神经网络的强大分类功能用于教育信息管理系统的数据分析中,完成了200多所中小学各项指标的综合分析、数据统计和学校分类划分.系统实际运行表明,该算法预测和分类功能强,分析结果准确率高达96%,有很好的应用价值和工业推广意义.     

浅谈微铸造熔模材料分类

熔膜材料是微铸造技术中的关键环节,对于较小、较复杂的零件而言,熔膜材料的优势是保证零件整体制造成果.通过合理分析熔膜材料的基本分类方法,按照实际情况介绍相关熔膜材料的优势和劣势,对铸造熔膜的材料发展水平进行延展性分析,实现微铸造熔膜材料的有效分类,可明显提高微铸造熔膜材料的应用效果.本文将针对盐酸盐基熔膜材料、石膏基熔膜材料进行合理的分析,充分研究实际微铸造熔膜材料的优势性特点,明确实际微铸造熔膜的有效发展途径.     

种群分类粒子群改进算法研究

针对粒子群算法在陷入局部最优时难于跳出的缺陷,提出一种改进的粒子群算法.该算法首先利用粒子适应值的统计规律对粒子进行分类,对属于不同类别的粒子采用不同的进化模型,对于利用完全模型进化的粒子,采用动态调整学习因子的方法,从而大大提高了算法的优化效率和优化精度.通过反复实验分析,得出学习因子随着进化推进的最优变化规律,并给出了学习因子的最佳函数表达式.仿真结果表明,利用改进的PSO算法优化4种具有代表性的基准函数,无论是在优化精度方面还是在优化效率方面,均较以往提出的PSO算法在性能上有本质的提高.     

基于改进MobileNet v2的垃圾图像分类算法

针对现有的垃圾图像分类模型实时性能差和分类精度低的问题,提出基于改进MobileNet v2的垃圾图像分类方法,构建以MobileNet v2为核心的轻量级特征提取网络. 通过调整宽度因子降低模型的参数量;在模型中嵌入通道和空间注意力模块,增强网络对特征的细化能力;设计多尺度特征融合结构,增强网络对尺度的适应性;利用迁移学习的方式优化模型参数,进一步提高模型精度. 实验结果表明,算法在自建数据集上的平均准确率为94.6%,分别高于MobileNet v2、VGG16、GoogleNet、ResNet50、ResNet101模型2.0%、3.4%、3.2%、2.3%、1.2%;所提算法在2种公共图像分类数据集CIFAR-100和tiny-ImageNet中均取得不错表现;模型参数量仅为0.83 M,体积约为基础模型的2/5,在边缘设备JETSON TX2上的单次推理耗时68 ms,实现了推理速度和预测准确率的提升.     

改进的K-近邻算法在中文网页分类的应用

K-邻近算法作为一种比较简单,易于实现并且错误低的分类算法,广泛应用于网页分类、模式识别和数据挖掘等多个领域中.本文介绍了传统K-邻近算法并分析了该算法在网页相似度值的计算存在的不足,在此基础上,本文提出了基于类中心向量的K-近邻算法,通过理论分析和仿真实验结果证明了该算法对于中文网页分类具有较好的分类效果.     

简谐波运动理论在物体曲面形貌测量中的应用

在物体曲面形貌非接触式测量中，传统的N步相移技术在实施测量时必须采用精密的移相装置，以获得定步长的相移步进值。当存在相移步进偏差时，就不能够准确的解调出相位．针对这种情况，本文在分析简谐波运动的基础上，提出了一种通过点测量的方式提取相移光栅实际相移量方法，同时提出了一种基于非定步长的相移相位恢复算法；实验结果表明：通过该方法获取的相移步长的精度达到纳米级，利用该非定步长算法能够准确的解调出相位，降低了对移相装置的精度要求，大大提高了测量系统的精度和自动化程度。     

左手材料及其在微带天线中的应用

介绍了左手材料(LHM)的概念及其基本电磁特性,采用HFSS软件,设计并仿真研究了一种在聚四氟乙烯微带介质基片两面分别腐蚀出带状周期性排列金属杆和开口圆形谐振环(SRRs)的LHM材料,将该材料覆盖于普通矩形微带天线上,能使微带天线的电压驻波比带宽提高约80%,增益也相应提高1.7 dB,同时天线的前向辐射增强而侧向辐射明显减弱.