基于模糊群体多属性的项目融资决策模型*

针对城市群基础设施项目融资决策过程中参与决策主体过多、决策意见模糊复杂而量化困难或决策意见量化结果失真等问题,构建了一个全新的项目融资模糊多属性群体决策模型。该模型综合影响融资决策的各方面因素,采用三角模糊语言变量量化专家群体意见,运用计算机语言来实现专家群体意见的集结与模糊变换。整个过程充分考虑专家意见的权威性与群体意见的一致性,保持决策过程高度客观真实。模型最后运用三角模糊隶属函数期望值概念,对备选方案进行自动排序决策。实例验证表明,该模型能取得较好的决策效果,可为城市群基础设施项目融资提供决策参考。     

三维工业CT图像裂纹面检测*

利用工业CT扫描工件可得到包含工件内部裂纹的三维CT图像,而将裂纹面从CT图像中提取出来是对裂纹属性进行分析的关键,对确保工件可靠性具有重要的意义。针对直接3D C-V模型提取裂纹面速度慢的特点,研究了三维小波与C-V模型相结合的图像分割方法,提高裂纹图像分割速度。实验结果表明,与直接3D C-V模型相比,该方法可将三维C-V模型提取裂纹的速度提高大约1.5倍,为后续裂纹分析打下基础。     

基于YIQ色彩空间的彩色图像盲水印算法*

提出了一种将彩色图像作为数字水印嵌入到彩色宿主图像中的新算法,用于图像版权保护。将彩色水印图像进行一维数字化处理,并将彩色宿主图像由RGB色彩模式转换成YIQ色彩模式,采用整数小波变换将彩色水印嵌入到彩色图像YIQ色彩空间的Y分量中。彩色水印的提取不需要原始水印和原始宿主图像。实验表明：该数字水印算法不仅具有良好的透明性,而且对诸如叠加噪声、JPEG压缩、几何剪切、平滑滤波等攻击具有很强的鲁棒性。     

网络备份系统中的海量缓存方法*

提出一种在网络备份系统(network backup system,NBS)中的海量缓存方法。给出海量缓存的定义、使用目的和与备份代价密切相关的大小评估,并描述了一种基于MS Windows海量缓存设计与实现的方法,并对其性能进行了实验分析。由于网络传输与备份中心处理的延迟,使得本地I/O系统处理速度远远大于数据备份的速度,从而造成本地内存缓冲队列的大小越来越大。海量缓存方法就是通过借助大量的辅存来解决这个问题,当本地数据中心监控到数据变化后,会先把数据变化放入辅存中,然后再发送到远程备份中心。     

基于数据挖掘的智能电网故障处置辅助决策系统

为了助力调控员处理电网故障,推动智能电网高效运作,针对主电网故障数据难以聚类,能耗控制效果较差的问题,搭建基于数据挖掘的智能电网故障处置辅助决策系统。利用温度、位移、电压传感器等采集主电网运行数据,传输至信息处理模块识别过滤信息,滤除冗余信息保留告警信息,并汇总、分类处理告警信息,处理后传输至告警信息展示模块中,集中展示;故障处置辅助决策模块接收告警信息,同时通过故障检测子模块的K-means聚类算法及卷积神经网络识别故障类型,通过辅助决策子模块输出相应处置预案信号,在线离线分析模块接收信号后,实时保存故障视频,储存至可视化故障回放子模块,并针对同类型故障自动生成故障预案,供后续自动判别处置方案,传输至用户模块,方便调控员实时调阅进行报表智能查询。实验结果证明,该系统能够实时检测主电网故障数据并做出相应辅助决策;能耗控制方面表现突出,聚类及数据挖掘效果优秀。     

基于改进YOLOv7的钢材表面缺陷检测

钢材表面缺陷对于钢材行业来说是一个巨大的挑战。针对传统的钢材缺陷检测方法存在着效率低、检测精度不高等问题,基于YOLOv7设计了一种AFSD-YOLOv7模型进行实时的钢材表面缺陷检测。首先,在YOLOv7模型中使用一种轻量化卷积结构替换标准卷积结构,,以加速模型的推理过程;然后采用快速空间金字塔池化结构替换原始空间金字塔池化结构,以加速网络的特征提取过程;最后添加改进的ECA-Net注意力机制,以提升模型检测精度。实验结果表明,AFSD-YOLOv7能够对钢材缺陷进行有效识别,相比YOLOv7模型,计算量减少了54.8%,mAP提高了3.2%,对于钢材表面缺陷检测具有实际应用价值。     

基于BlazePose和随机森林算法的异常步态检测

异常步态对行动能力产生严重影响,因此,及时、自动地检测异常步态具有至关重要的意义。本文提出了一种基于BlazePose和随机森林算法的人体异常步态检测方法。先利用BlazePose算法提取RGB视频中的人体骨骼关键点,然后通过数据处理获取7个关键的步态特征参数。最后采用随机森林算法作为步态分类器,用于区分正常步态与异常步态。利用142例异常步态数据和257例正常步态数据对分类器进行训练和测试评估,实验结果显示准确率和召回率分别达到97.5%和90%,表明该方法在异常步态检测方面具备一定的可行性和实用价值。     

基于FP-growth算法的高维混合属性数据挖掘方法

常规高维混合属性数据挖掘方法多采用云平台技术,无法完整保留数据的结构相似性,使得数据挖掘效率较低。为此,提出了基于FP-growth算法的高维混合属性数据挖掘方法。为了改善数据质量,根据高维混合属性数据在数据库中的存储结构,采用了一种固定算法实现数据去噪,并依据数据类型计算分类型和数值型相似度,结合FP-growth算法对频繁项样本分支进行筛选生成项表头,保证数据结构相似性的完整性,通过搜索项表头输出有效关联规则,实现数据挖掘过程。实验结果表明,所提方法具有较高的挖掘效率。     

基于深度信任网络模型的乌东选煤厂铁路车号图像识别方法

精准识别铁路车号可以为煤厂装车提供依据,从而保证装车环节高效顺利地完成。为此,提出了基于深度信任网络模型的乌东选煤厂铁路车号图像识别方法。首先,利用高速摄像机设备采集原始的车号图像,并利用索贝尔算子检测图像边界;然后,根据列车车号的字体笔画宽度特点,采笔画宽度变换算法定位确定图像中的车号区域,并利用LBP算法提取车号区域内的特征;最后,将提取的特征输入到深度信任网络模型中,在训练网络模型并不断更新参数后,准确识别车号图像。实验表明：该方法能够精准识别乌东选煤厂铁路列车车号图像。在深度信任网络模型中,当受限玻尔兹曼机网络为4层、隐含层节点个数为128个时,该模型的分类识别能力最强,训练损失最小,性能最佳。     

基于零信任的省级气象信息网络防护技术研究

随着省级气象部门对外服务统一出口要求,系统和数据逐步集约化,部分省级单位建立了专门对外提供数据服务的数据中台,传统网络安全技术在当前新的业务形态和场景下显得捉襟见肘。零信任作为一种全新的网络安全理念,为重构网络安全架构提供了理论指引。设计了一种基于零信任的适用于省级气象部门的安全架构体系,并基于零信任构建了气象网络的可信访问通道解决数据访问管道安全问题,提出了一种数据动态授权访问的方法解决气象数据安全访问授信问题,给出终端可信空间方案解决端上数据泄露问题。