融合特征关联性的深度哈希图像表示方法

针对深度描述子无法提供图像特征之间关联性的问题进行了研究,提出了一种融合特征关联性的深度哈希图像表示方法,这种方法将深度描述子之间的关系融入到图像内容的描述中,用于提高图像检索性能。首先,通过预训练网络生成图像的特征映射,并在此基础上提取出深度特征描述子。然后,将深度特征描述子映射为深度视觉词,从而用于深度视觉词的频繁项集发现。接下来将离散值的深度视觉词图像表示和哈希值的频繁项集图像表示连接生成图像表示。最后,算法通过图像类内、类间的相似性关系构造优化,得到最优的阈值,用于将图像表示变为哈希值。实验中,将提出的方法与一些优秀的图像表示方法在holiday、Oxford和Paris图像集的图像检索任务中进行了性能比对,用于证明此方法的有效性。     

某发电机组隔声罩降噪研究

为了降低发电机组运行时对环境产生的噪声污染,从发电机组隔声罩的实际结构出发,以VIRTUAL.LAB软件作为分析手段,在声学边界元模块中建立隔声罩声学模型,结合声强扫描测试的声源数据,仿真得到发电机组的噪声声压级。通过比较仿真结果与测试结果,验证了仿真模型的可信度,并对隔声罩进行优化设计,结果使发电机组整机噪声降低3dB,为发电机组降噪提供了一种研究方法,具有一定参考价值。     

基于加权网络和局部适应度的蛋白质复合物识别算法

蛋白质复合物识别对分析蛋白质网络的结构特征和模块功能具有重要意义。通常在蛋白质网络中挖掘稠密子图或模块来识别其中的蛋白质复合物,限制了其应用范围和识别的准确性。针对该问题,提出了一种基于加权网络和局部适应度的蛋白质复合物识别算法,该算法综合稠密子图的密度指标和模块性定义了新的局部适应度函数,并基于边聚集系数构建加权的蛋白质网络,根据权值选择边,在加权蛋白质网络中将种子边不断聚类扩展,从而获取具有最大综合适应度的子图作为蛋白质复合物。在酵母蛋白质等多个实际网络中试验表明,该算法能够有效提升蛋白质复合物识别的准确性。     

用MPC黏结CFRP布约束混凝土柱轴压试验研究

为了解决传统纤维布(fibre reinforced polymer/plastic,FPR)加固都采用有机胶作为黏结剂,存在容易老化、不耐火等问题,将无机新型黏结材料磷酸镁水泥(MPC)与有机胶(EP)分别黏结碳纤维布(CFRP布)1~3层约束素混凝土柱进行了轴压试验,得出了破坏形态、受压强度模型、应力-应变规律.通过比较研究认为:磷酸镁水泥黏结CFRP约束混凝土柱与有机胶黏结时,受压破坏形态一致,受约束柱强度提高,应力-应变规律一致,且磷酸镁水泥作为黏结剂时,约束构件受压破坏过程中表现了较好的延性.     

一种特殊卫星推力器矢量测量方法

常规卫星推力器的总装精度测量是通过经纬仪系统准直测量立方镜工装实现的.某卫星上出现了一种带有一个135°拐角的特殊推力器,受其结构及安装位置的限制,使用常规的经纬仪,现有的精度测量软件和立方镜精测工装无法直接测得此特殊推力器在卫星坐标系下的角度.设计了一种新型精测工装,并提出了基于该精测工装的特殊卫星推力器矢量的测量方法.该测量方法已经过验证和认可,并应用到后续型号的此种特殊推力器矢量测量工作中.     

库车山前致密砂岩储层深度伤害后改造措施探究

对深度伤害的致密砂岩储层,先后尝试了酸压、重晶石解堵和加砂压裂3种改造措施。研究表明,酸压改造不能突破深度污染带,不能恢复气井产能;重晶石解堵作业只针对储层的重晶石堵塞有用,但作用能力和范围有限;加砂压裂能突破深度污染带,沟通远端天然裂缝,使气井恢复产能,压裂后日产气20.4×10~4m~3。     

地震作用下高桩码头安全性评价

为了研究高桩码头在使用过程中遭受地震灾害的影响,结合工程实际,基于数值模拟分析技术,采用瞬态动力学时程分析法对地震下高桩码头上部结构裂纹扩展情况进行分析。提出基于裂纹扩展深度和裂纹分布范围两个指标的高桩码头地震灾害下上部结构4级安全性评价方法,并通过不同地震等级下裂纹扩展分析进行验证。结果表明:不同地震等级下采用4级安全评价方法对高桩码头进行安全评估是合理可行的。可以为不同地震等级下码头的受损进行评估,为提前预测地震灾害对码头的损伤程度,改进设计提供科学依据。     

惠安女服饰纹样研究

惠安女服饰有独特的地域特点,被列入国家非物质文化遗产保护项目,其服饰纹样形式多样,内容丰富,色彩强烈,呈现出特定的文化内涵。通过实地调研惠安女服饰纹样的设计种类、表现手法、色彩运用,论述了惠安女服饰纹样的文化内涵,该服饰纹样的研究有利于文化遗产的保护。     

一种高效的全局K-均值算法

针对全局K-均值算法时间复杂度大的问题,提出一种增量选择初始聚类中心的新方法。选择数据集中周围分布最密集的样本作为第一个初始聚类中心,选择最小化目标函数贡献大,并且和已有聚类中心距离远的样本作为下一个初始聚类中心。改进算法减少了增量选取初始聚类中心时的计算量,降低了时间复杂度。实验证明,改进算法与全局K-均值算法、快速全局K-均值算法相比,在不影响聚类效果的基础上,减少了聚类时间,与优化初始聚类中心的算法相比,聚类效果更优。     

基于加权处罚的K-均值优化算法

在各种聚类算法中,基于目标函数的K-均值聚类算法应用最为广泛,然而,K-均值算法对初始聚类中心特别敏感,聚类结果易收敛于局部最优。为此,提出基于加权处罚的K-均值优化算法。每次迭代过程中,根据簇的平均误差的大小为簇分配权值,构造加权准则函数,把样本分给加权距离最小的簇中。限制簇集中出现平均误差较大的簇,提高聚类准确率。实验结果表明,该算法与K-均值算法、优化初始聚类中心的K-均值算法相比,在含有噪音的数据集中,表现出更好的抗噪性能,聚类效果更好。