基于深度信念网络的苹果霉心病病害程度无损检测

针对现有霉心病无损检测只能检测出有无病害,无法对病害程度进行判断的问题,研究并提出一种基于深度信念网络(deep belief net,DBN)的无监督检测模型。该模型由多层限制玻尔兹曼机(restricted Boltzmann machine,RBM)网络和1层反向传播(back propagation,BP)神经网络组成,RBM网络实现最优特征向量映射,输出的特征向量由BP神经网络对霉心病病害程度分类。对225个苹果样本在波长200~1 025 nm获取其透射光谱后,根据腐烂面积占横截面比例将霉心病害程度分为健康、轻度、中度和重度4种,分别用150个和75个样本作为训练集和测试集,以全光谱数据和基于连续投影算法提取的特征波长数据为输入构建病害程度判别模型,并比较DBN模型与偏最小二乘判别分析、BP神经网络和支持向量机模型的识别效果,实验结果表明,DBN模型病害判别准确率达到88.00%,具有较好的识别效果。     

桥面铺装层的病害分析及预防

近年来我国公路桥梁建设快速发展,桥梁结构不断创新,大跨度桥梁已经很普遍,但随着交通量和重型车辆的增加以及环境因素的影响,桥面铺装层经常遭到破坏。铺装层损坏不仅妨碍了正常交通,影响了桥面的美观,更容易造成交通事故,同时由于桥梁的特殊性,给维修工作也带来了很大困难。     

实时分布系统中自适应的时钟同步算法

提出了一种自适应的时钟同步算法，该算法考虑了网络延迟带来的影响，考虑了历史三平均更新周期与当前状况，能根据自身时钟偏移程度动态地调整下一次同步周期，保证了时问精度，提高了更新的可靠性。目前已经应用于实时分布卫星测控的原型系统，在实验中证明算法的可行性。     

钢结构工程用高强度大六角头螺栓连接副扭矩系数影响因素试验研究

扭矩系数高强度大六角头螺栓连接副的主要参数,是关系到钢结构工程质量安全的重要性能指标。本文从螺栓连接副本身材质及检测过程两方面着手,分析了影响扭矩系数的主要因素及影响程度。结果表明:螺纹破损、扭转扳手快速加载、螺栓磷化膜风化、垫圈反装、螺栓连接副重复使用均会导致扭矩系数平均值偏大,其中以螺纹破损影响最大,偏大达11.1%;环境温度、预拉力对扭矩系数平均值影响均较小,但标准偏差差异较大,以23℃、预拉力在标准允许范围的中值处为最小。试验结果有助于改进检测技术手段,提高高强度大六角头螺栓关键技术参数的检测精度,进而提高工程质量。     

公共政策支持系统构建的必要性研究

公民群体、大众传媒、社会组织等非政府主体构成了政策运行的外在支持系统。该支持系统在确保政策公共性、保障信息通畅和加强运行监督方面能起到重要作用,因而为了确保公共政策的顺利运行,必须重视公共政策支持系统。