关于随机集值映象的不动点定理

我们得到几个随机集值映象的不动点定理，它推广了Ｍ．Ｓ．Ｋｈａｍ的结果［５］，文中所使用的方法与其它作者不同     

深基坑重力式沙袋堆叠挡土工程的实践

本文介绍了湛江金辉煌综合楼工程的深基坑应用沙袋堆叠作挡土结构的设计与施工     

加权算术平均与几何平均关系式的新证法

利用函数极小点的性质,得到了若干个正数的加权算术平均与几何平均关系式的新证法     

非牛顿流体在气液搅拌槽内强制流动传热特征研究

为了确定非牛顿流体气流搅拌流动传热特征，对气体有效分散区域（载点）提出了无因次准数关联式，并就两种不同叶轮搅拌的通气管外传热系数作了比较。     

城市建筑点云的自适应分割方法

自动地提取城市建筑点云数据中的高层次结构是城市数字化等应用的重要基础步骤.通过提出"自适应分割"的概念来自动地获取三维城市建筑点云的一种灵活、层次化的结构表示.由于城市建筑的单元分布大都呈一种级联或者交错的形式,与之前采用全局规则格点进行分析的方法不同,文中采用一种自适应的方法对建筑点云进行分析;也可将自适应分割的概念用于建筑图像的分析上.最后给出了在不同类型的建筑点云和图像进行分析的结果以及一些相关的应用.     

多站虚拟量测变换均值无源定位算法

在多站无源均值定位算法中,为了解决部分传感器间夹角过大或过小所导致的定位精度下降问题,提出一种基于虚拟量测变换的多传感器管理无源定位算法.首先在全局坐标系下分析了传感器间夹角对误差几何稀释度(GDOP)的影响,进而得到双站获得较好定位精度的夹角约束关系;其次针对不满足该约束关系的传感器组合提出一种虚拟量测变换定位算法,通过空间管理的方法达到对传感器的优化布站,并结合算法的实施步骤对其原理及特点进行了理论分析,尤其对变换前后的交点精度进行了比较.仿真结果表明虚拟量测算法的定位精度要明显优于均值算法,进而说明该算法的有效性及传感器管理在多站无源定位中的重要作用.     

全局优化的一类新的F-C函数

针对求解全局优化问题,有很多种求解方法。文中提出了一种快速求解一般无约束最优化问题的辅助函数方法。即F-C函数方法。该方法与填充函数法和跨越函数法相比较,既有相同点又有不同点。F-C函数法最大的优点就是在极小化F-C函数阶段中只需要进行一次局部极小化算法就能得到比当前极小值更低的目标函数局部极小点。文中在无Lipschitz连续的条件下,给出了一类新的求解全局优化问题的F-C函数。文中讨论了该F-C函数的优良性质并对该函数设计了相应的算法。最后,通过数值试验表明该F-C函数方法具有有效性和可行性。     

SAS数据挖掘在冷轧酸洗卷质量缺陷分析中的应用

数据挖掘作为一种发现大量数据中潜在信息的数据分析技术,受到各界的密切关注。SAS数据挖掘技术是众多数据挖掘方法中的佼佼者,它在大型企业中得到很好的应用。本文介绍数据挖掘的背景知识,并利用SAS/EM工具,对该技术在冷轧酸洗卷质量缺陷原因分析作了初步尝试。     

砷化镓材料中EPR“As_(Ga)”的退火行为

本文比较了中子辐照。压缩变形和原生LEC砷化镓等三种不同来源样品的EPR“As_(Ga)”的Hamiltonian参数。并系统地研究了EPR“As_(Ga)”的浓度和低温光猝灭行为随退火温度的变化,从而进一步验证了EPR“As_(Ga)”的本性,即除孤立As_(Ga)反位原子外,还可能包括As_(Ga)的一些空位络合物。这些不同本性的EPR“As_(Ga)”缺陷及其它有关的缺陷在样品热处理过程中可能相互转化。按照物理化学中Le Chatlier原理,缺陷的原始浓度和晶体内部应变能似应是引起这些转化反应的重要因素。     

LearningADD: Machine learning based acoustic defect detection in factory automation

Defect inspection of glass bottles in the beverage industrial is of significance to prevent unexpected losses caused by the damage of bottles during manufacturing and transporting. The commonly used manual methods suffer from inefficiency, excessive space consumption, and beverage wastes after filling. To replace the manual operations in the pre-filling detection with improved efficiency and reduced costs, this paper proposes a machine learning based Acoustic Defect Detection (LearningADD) system. Moreover, to realize scalable deployment on edge and cloud computing platforms, deployment strategies especially partitioning and allocation of functionalities need to be compared and optimized under realistic constraints such as latency, complexity, and capacity of the platforms. In particular, to distinguish the defects in glass bottles efficiently, the improved Hilbert-Huang transform (HHT) is employed to extend the extracted feature sets, and then Shuffled Frog Leaping Algorithm (SFLA) based feature selection is applied to optimize the feature sets. Five deployment strategies are quantitatively compared to optimize real-time performances based on the constraints measured from a real edge and cloud environment. The LearningADD algorithms are validated by the datasets from a real-life beverage factory, and the F-measure of the system reaches 98.48 %. The proposed deployment strategies are verified by experiments on private cloud platforms, which shows that the Distributed Heavy Edge deployment outperforms other strategies, benefited from the parallel computing and edge computing, where the Defect Detection Time for one bottle is less than 2.061 s in 99 % probability.