Top-down技术评估钢中氧的测量不确定度

基于2014年实验室日常分析钢中氧的质控数据,应用top-down技术的控制图法和稳健统计-迭代法评估了惰气熔融-红外吸收法测定钢中氧的测量不确定度。对于含氧量为52μg/g的钢铁,两种方法得到的标准不确定度均为2.8μg/g,和认定值3μg/g具有较好的一致性。     

粉煤灰砖抗折强度测量结果不确定度的评定

通过对粉煤灰砖抗折强度测量结果不确定度的评定,分析出影响试验结果的各种因素,为提高检测水平和精确度提供指导。     

多台阶外圆的高精度磨削

在生产加工过程中,经常遇到多台阶外圆的高精度磨削,文中通过对具体零件加工难点进行分析,提出相应解决对策,不仅保证了产品质量,而且提高了生产效率。     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。     

基于EDContours和EDCircles的胚胎自动识别算法

针对EDCircles算法在胚胎边缘检测上存在部分丢失的问题,集成EDContours算法,获得精确的胚胎边缘;结合EDCircles中的EDLines算法获得线段图,依据直线向量间的夹角和方向约束,将线段连接成弧,应用最小二乘圆拟合算法和增强的直接最小二乘椭圆拟合算法,输出圆和椭圆检测图;设置圆半径与椭圆短轴的约束值,去除伪圆和伪椭圆,给出最终的检测结果。实验结果表明:该算法具有良好的准确性与通用性,能够实现胚胎卵裂球的快速检测和精确定位。     

基于LDA的英汉维文本聚类系统的设计与实现

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。     

极化SAR图像解译中的不相似性度量

不相似性度量常用来描述极化合成孔径雷达(SAR)样本数据之间的差异性,已被广泛应用于滤波、目标检测、分割分类和变化检测等多种极化SAR图像解译技术中。基于极化SAR数据的矩阵表达形式,从特征、统计分布、假设检验、信息论散度和信息几何等多角度出发,总结回顾了极化SAR图像解译问题中常见的不相似性度量,简要分析了其优势、存在的问题以及适用范围,并对极化SAR不相似性度量的研究趋势进行了展望。     

结合深度学习的网络邻居结构研究及应用

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响。实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的。对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning)。通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力。分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性。