基于主辅特征和深度学习的钓鱼网页检测方法

为提升钓鱼网页检测的准确率和效率,提出基于主辅特征的混合式深度学习模型.从URL、HTML页面内容和文档对象模型(document object model,DOM)结构中提取39种特征来表示钓鱼网页的多样性,其中包括两种新特征,基于信息增益将这39种特征根据重要程度分为主要特征和辅助特征;将两种特征向量通过不同通道分别送入由卷积神经网络和双向长短时记忆网络组成的混合式深度学习网络进行训练,对两通道的输出进行加权融合实现分类.实验结果表明,所提模型能有效地检测钓鱼网页.     

基于数字孪生技术的大型煤矿远程智能监控研究

为了保证大型煤矿开采工作的安全性与质量,利用数字孪生技术优化设计大型煤矿远程智能监控方法。利用数字孪生技术构建大型煤矿虚拟模型,在该模型下确定测点位置,远程采集大型煤矿实时运行数据。通过对数据特征的提取与匹配,从煤矿开挖设备和施工环境两个方面,监测大型煤矿运行状态。改装大型煤矿远程智能控制器,以运行状态的监测结果作为控制程序的启动条件,实现对大型煤矿的远程智能监控任务。通过与传统监控方法的对比得出结论:优化设计方法对煤矿开挖设备的监控性能明显升高,对环境中瓦斯浓度和温度的监测误差分别降低了0.34%和0.19℃,控制误差分别降低0.09%和0.145℃,同时监控范围扩大27.4%。     

基于YOLO的井下人员速度测量方法研究

由于井下环境复杂、背景单一、参照物不够明显的视频数据特征,较难直接通过视觉计算的标定方式实现井下运动目标的测速。论文提出一种不依赖场景标定的速度检测方法,通过自主学习的方式,智能化监测井下工作人员的作业规范。该方法首先基于YOLOv3对巡检人员进行持续的检测跟踪,在此过程中通过视频相邻帧间的目标边界框特征点,确定图像消失点;其次,利用图像消失点建立三角形模型测量实时速度;最后,利用测量出的速度趋势智能判断井下工作人员是否存在漏检行为。在煤矿数据集上的实验结果表明,该方法能够有效度量井下运动目标的速度,用于判断井下工作人员巡检时是否存在漏检行为,比标定方法更适合井下场景的应用。     

导孔打入式空心桩的承载能力

通过试验研究得出用于计算导孔打入式圆形空心桩摩阻力降低的修正系数。并深入研究了根据勘探资料计算这种空心桩承载能力的方法。     

融合随机擦除和残差注意力网络的行人重识别

传统的行人重识别方法依赖人工构造视觉特征,容易受到其他外界因素的影响,识别精度低.深度学习模型能自主地提取特征,但随着网络层数的加深会出现梯度消失情况,残差网络能缓解梯度消失问题,但提取出的特征信息未被合理使用.行人部分图像被遮挡是影响行人重识别准确性的另一个重要因素.针对上述问题提出了融合随机擦除和残差注意力网络的行...