基于Kinect的旋转刚体三维重建方法

针对在非匀速非定轴旋转条件下利用Kinect进行刚体三维重建问题,提出一种改进的基于Kinect传感器的旋转刚体三维重建方法。首先利用Kinect采集深度图像,然后用改进的加权ICP(Iterative Closest Point)算法在非匀速非定轴旋转条件下进行配准,再将各点云变换到同一坐标系下,最后根据所得点云生成三维模型表面,通过GPU(Graphic Processing Unit)编程技术来提高计算速度以满足实际需求。实验结果表明:该方法具有重建效果良好的特点。     

模糊PID控制器的设计及其仿真

对非线性大滞后等特殊的系统,存在常规PID控制器控制效果不甚理想的问题,为此结合模糊控制和常规PID控制二者的优点提出了模糊PID(Fuzzy-PID)控制方法.首先建立模糊规则、进行模糊推理,确定PID控制器的参数,再由PID控制器直接控制对象,实现实时控制的目的.将所设计的模糊PID控制器应用于具有大时滞,对大惯性的皮革温度收缩测定仪温度控制系统检测其性能,计算机仿真试验结果表明:Fuzzy-PID控制器与常规PID控制器相比较,确实提高了仪器温度控制系统的自适应能力和鲁棒性,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到了良好的控制效果.     

基于完井业务流程的加权序列模式挖掘算法研究

针对完井移动平台Web访问模式中用户对整体上符合完井业务流程习惯的序列模式更加感兴趣的特点,提出一种基于完井业务流程的加权序列模式挖掘算法.通过对完井业务流程模型和完井Web访问日志作分析,确定完井业务依赖强度计算模型并作为序列的权重,同时在加权挖掘的过程中采用k-最小加权支持数技术,对PrefixSpan算法进行改进.该算法在加权挖掘的过程中可以舍弃一大批不满足业务流程的访问序列,有效地避免候选组合爆炸的发生.实验表明该算法能快速地挖掘出有意义的完井访问序列模式.     

半监督学习在不平衡样本集分类中的应用研究

在对不平衡样本集进行分类时容易产生少数类样误差大的问题,而目前半监督学习中的算法多数是针对未有明显此类特征的数据集。针对一种半监督协同分类算法在该问题上的有效性进行了研究。由于进一步增强了分类器差异性,该算法在理论上对不平衡样本集具有良好的分类性能。根据该算法建立分类模型,利用其对桥梁结构健康数据进行分类实验,与Tri-Training算法的结果比较表明,该算法对不平衡样本集具有良好的适用性,从而验证了上述算法的有效性。     

面向网络入侵检测的GAN-SDAE-RF模型研究

针对传统机器学习方法在处理不平衡的海量高维数据时罕见攻击类检测率低的问题,提出了一种基于深度学习的随机森林算法的入侵检测模型,为了避免传统的随机森林面对高维数据和不平衡数据时分类精度低、稳定性差和对罕见攻击类检测率低的问题,引入生成式对抗网络（GAN）和栈式降噪自编码器（SDAE）对随机森林算法（RF）进行改进。将罕见攻击类数据集输入GAN神经网络中,生成新的攻击类样本,改善网络入侵数据在样本集中不均衡分布的情况,通过堆叠深层的SDAE逐层抽取网络数据的分布规则,并结合各个编码层的系数惩罚和重构误差,来确定高维数据中与入侵行为相关的特征,基于降维后的特征数据构建森林决策树。采用UNSW-NB15数据集的实验结果表明,与SVM、KNN、CNN、LSTM、DBN方法相比,GAN-SDAE-RF整体检测准确率平均提高了9.39%、误报率和漏报率平均降低了9%和15.24%以及在少数类Analysis、Shellcode、Backdoor、Worms上检测率分别提高了26.8%、27.98%、27.85%、39.97%。     

聚合物驱地层压力评价方法适用性分析

在应用"松Ⅰ法"计算聚合物驱地层压力时,由于产液量、出油厚度随开发阶段的不同而变化,导致计算结果不能真实反映实际地层的压力水平.因此,根据聚合物驱开发过程中各阶段的地层压力变化特征分析了聚合物驱地层压力状况,探讨了应用末点压力评价聚合物驱地层压力的可行性,对于正确认识聚合物驱开发过程的地层压力变化、合理进行聚合物驱调整具有重要意义.     

基于B/S结构出差五定单系统的设计与实现

网络办公已成为现代企业发展的趋势,更是企业实现无纸化办公、提高办公效益、节约办公成本的现代化工具。利用现有的网络平台,开发了一套适合企业财务部门使用的"出差五定单"系统,以替换手工填写纸质的办公模式来提高工作效益。本文主要阐述基于B/S三层体系结构模式的出差五定单系统功能模块的开发和研究以及如何使用ASP和Access解决一些相关的技术,其中包括系统的安全性、稳定性、实用性等问题。     

放射性物质的大气弥散

通过仿真计算,分析了核事故发生放射性物质泄漏期间,在各种大气稳定度条件下,相对于不同地理环境的烟羽弥散趋势,以及事故泄漏周围区域放射性物质的时间积分浓度分布情况。模拟的结果很好,符合放射性物质在近地面轴线上的浓度分布情况,为核事故应急提供了有利的依据。     

基于局部非负稀疏编码的掌纹识别方法

为了更有效地提取出图像的局部特征,在传统的非负稀疏编码(Hoyer-NNSC)算法的基础上,提出了一种新的具有稀疏度约束的局部NNSC (LNNSC)算法。该算法考虑了特征基向量的稀疏度约束和特征的最大化代表性,能够得到强化的图像局部特征;同时利用拉普拉斯密度模型作为特征系数的稀疏惩罚函数,保证了图像结构的稀疏性。在特征提取的基础上,进一步利用径向基概率神经网络(RBPNN)分类器,实现了掌纹的自动识别。仿真实验结果表明,与基于非负矩阵分解(NMF)、局部非负矩阵分解(LNMF)和Hoyer-NNSC的掌纹识别方法相比,该算法在掌纹识别研究中有较高的可行性和实用性。     

课程本体自动构建技术研究

课程本体是课程知识组织的一种重要技术,在智能学习系统中得到广泛应用。针对人工建立课程本体依赖专家经验和效率较低等问题,提出课程本体自动构建技术。该技术以丰富的Web课程资源为数据源,集成网络爬虫、中文分词和关联规则挖掘等技术,实现课程本体自动构建。实验结果表明,该技术建立的课程本体不仅具有较好的质量,而且执行效率较高。