Gabor小波和改进LBP的零件表面粗糙度识别

目的 为了提取零件表面图像的纹理特征并对其表面粗糙度分类识别,有效提高识别的正确率,提出了联合Gabor小波和改进局部二值模式(LBP)的纹理特征提取方法。方法 针对传统LBP算子忽略了邻域内灰度差幅值特征的问题,提出了M_LBP(magnitude considered LBP)算子。采用Gabor小波对零件表面图像滤波,并计算各子图像 Gabor幅值特征GMM(Gabor magnitude maps)。应用M_LBP算子计算各GMM的M_LBP特征谱,进而构造得到零件表面图像的纹理特征向量,最后通过KNN(K-nearest neighbor)算法对零件粗糙度分类识别。结果 本文提出的算法有效细化了表面图像纹理特征,对粗糙度差别为0.2 μm的零件识别准确率达到98%,远高于利用传统LBP算子提取的纹理信息的识别准确率。结论 本文提出了一种有效细化LBP纹理特征的M_LBP算子,并通过与Gabor小波的结合,突破了传统LBP算子尺度、方向单一,幅值信息被忽略的局限性,能实现较高精度的粗糙度识别。     

基于MWSPCA-CBR的智能预警方法研究及其在石化工业中的应用

石油钻井是一项高风险性、耗资巨大的系统工程。为了智能预警石油钻井过程中的异常，缩短非生产时间，降低相关风险，提出一种基于移动窗稀疏主元分析法（MWSPCA）的案例推理（CBR）异常智能预警方法（MWSPCA-CBR）。首先利用MWSPCA算法分析钻井过程中的实时数据，快速定位出异常可能发生的时间，然后使用基于案例推理方法分析异常数据，确定可能的异常类型，并为实时监控专家提供相关异常的处理方法。所提方法应用到石油钻井过程异常预警中，实验结果验证了所提方法的可行性和有效性，为钻井过程降低风险成本提供了新思路。     

基于时序特征和集成算法的用户购买预测

大数据时代,电商平台积累了大量用户在平台上的行为数据,比如浏览、点击、下单和加入购物车等等.如何使用机器学习算法去探索大数据背后的用户消费喜好和习惯成为了一个新的研究热点.本文主要在特征工程和模型搭建两个方面对用户购买预测的效果做出提高.通过深入理解电商业务知识,利用统计学知识,分别从用户、商品和评论数据等多个方面的数据构建了115个特征;在模型搭建方面,主要设计了一个两层融合模型,第一层采用了XGBoost、CatBoost和逻辑回归作为基分类器,从不同的角度考虑用户购买预测,第二层采用加权平均的方法对基类模型的预测结果进行融合,其权重由线性分类器学习生成.实验结果表明该融合模型的F1评分要高于个体分类器,并且多次实验证明,融合模型的稳定性也要比个体分类器好.     

Performance Evaluation Indicator (PEI): A new paradigm to evaluate the competence of machine learning classifiers in predicting rockmass conditions

To illustrate an unprejudiced comparison among machine learning classifiers established on proprietary databases, and to guarantee the validity and robustness of these classifiers, a Performance Evaluation Indicator (PEI) and the corresponding failure criterion are proposed in this study. Three types of machine learning classifiers, including the strictly binary classifier, the normal multiclass classifier and the misclassification cost-sensitive classifier, are trained on four datasets recorded from a water drainage TBM project. The results indicate that: (1) the PEI successfully compares the competence of classifiers under different scenarios by isolating the effects of different overlapping-degree of rockmass classes, and (2) the cost-sensitive algorithm is warranted to classify rockmasses when the ratio of inter-class classes is more than 8:1. The contributions of this research are to fill the gap in performance evaluations of a classifier for imbalanced training data, and to identify the best situation to apply this classifier.     

复合岩体的TBM破岩机理数值模拟

为了指导TBM刀盘刀具的研制和不同地质条件下刀盘刀具的选型,TBM破岩机理的研究成为核心。在TBM滚刀的作用下,岩体中裂纹的生成、扩展和连接规律是深刻理解TBM破岩机理的前提,因此,TBM滚刀破岩机理的研究具有重要的工程应用价值。目前,TBM滚刀破岩机理的研究主要集中在单一岩体中,但在TBM施工过程中会遇到各种复杂的地质条件。笔者采用离散元方法,研究了复合岩体的破岩机理,复合岩体中岩片的形成不同于单一岩体,其裂纹的最终连接是由起裂于复合岩体交界面上的微裂纹的扩展,将两滚刀之间的赫兹裂纹连接,最终形成岩片。因此,在一定情况下复合岩体更有利于TBM隧道施工。     

ＴＢＭ隧道下穿市政桥梁施工变形规律研究

针对ＴＢＭ不同角度下穿既有结构,对既有结构产生的扰动问题,依托青岛地铁１号线海泊桥站到小村庄站区间ＴＢＭ隧道下穿市政桥梁工程,利用ＦＬＡＣ３Ｄ数值模拟分析软件与现场施工监测相结合的方法,建立相应的三维地质力学模型,研究双线ＴＢＭ隧道施工对既有桥梁结构的受力特征与变形规律,揭示ＴＢＭ隧道下穿市政桥梁施工变形规律。计算结果表明:ＴＢＭ下穿会导致既有桥面板向上隆起,左线隧道开挖引起的桥面板隆起值要远远大于右线开挖;当左线隧道开挖到桥梁跨中时,桥头与桥尾隆起量最大,最大值约４．６３ｍｍ;新建隧道下穿既有结构尽量采用小角度下穿,避免既有结构发生大变形。     

基于贝叶斯模型与最佳伙伴相似度量的目标跟踪

提出了一种基于产生式与判别式联合模型的视觉目标跟踪算法。首先介绍了一种基于全局颜色特征直方图特征的贝叶斯分类器,检测出若干最有可能属于目标的候选区域,然后利用最佳伙伴相似性度量（Best-Buddies Similarity）得到候选区域与目标模板的相似度,结合概率值与相似度值估计出最优的目标状态。通过划分目标-背景区域模型、目标-干扰区域模型,对可能产生干扰的区域提前进行抑制,降低了长期跟踪可能产生的漂移问题的风险,同时引入了自适应尺度估计机制和在线模型更新策略,以获得更为精准的跟踪结果。在37组具有挑战性的图像序列上与7种优秀的算法对比实验表明,所提出的算法能够有效应对光照变化、遮挡、旋转与尺度变化等多种问题。     

基于ALC的事例库结构及检索研究

为了提高基于ALC的事例检索的效率,通过概念距离及LCS推理给出了索引节点密度大且带权重的事例库层次结构,实现了事例更细致的分类及统一概念距离的语义。根据该结构的组织方式、LCS概念及概念距离给出了事例筛选及相似性度量算法,证明了通过事例筛选得到的候选事例集明显减小,采用相似性度量算法能得到合理的候选事例序列,从而提高了基于ALC的事例检索的效率。     

一种电气设备状态诊断方法

随着电网技术的不断发展和电网规模不断扩大,电气设备数量激增、智能化程度越来越高;同时,终端用户对用电可靠性越来越重视,借助智能技术基于设备运行数据对设备进行故障诊断势在必行.本文以基于范例推理的理论(CRB)与支持向量机技术(SVM)为主要工具,提出了一种基于范例推理的电气设备状态智能诊断模型,试图通过电气设备已有数据的挖掘,获取电气设备故障的潜在发生规律,进而作为依据及时发现并排除电气设备的潜伏性故障.首先研究CRB和SVM在电气设备状态诊断中的应用;然后建立电气设备状态智能诊断模型,以电气设备的海量运行数据、历史数据、测试数据以及环境因素等为基础,建立电气设备的状态范例库,应用SVM回归对设备状态范例库进行深度的挖掘与分析,建立设备状态指纹,并以此为据进行电气设备运行状态的诊断分析;最后以油浸式变压器状态诊断为例,对实际数据进行分析诊断,并与三比值法的诊断结果进行比较.诊断结果表明,智能诊断模型诊断范围更广,诊断结果更准确.     

基于新型人才培养的军校案例教学探析

为了发挥案例教学对军队新型人才培养的促进作用,提高人才培养质量,在解析了案例教学内涵和特点的基础上,指出了军校案例教学中出现的一些问题,提出了注重案例库建设、提高教员课堂驾驭能力和实现学员学习模式转变等建议,对促进军校教员正确认识案例教学的作用,并在实际教学中开展案例教学具有一定的参考价值。