融合先验信息和特征约束的杆塔螺栓缺陷检测

目的 螺栓是输电线路中数量最多的紧固件,一旦出现缺陷就会影响电力系统的稳定运行。针对螺栓缺陷自动检测中存在的类内多样性和类间相似性挑战,提出了一种融合先验信息和特征约束的Faster R-CNN（fasterregions with convolutional neural network）模型训练方法。方法 在航拍巡检图像预处理阶段,设计了基于先验信息的感兴趣区域提取算法,能够提取被识别目标的上下文区域,从而减少模型训练阶段的数据量,帮助模型在训练阶段关注重点区域,提高其特征提取能力。在模型训练阶段,首先通过费舍尔损失约束Faster R-CNN模型的输出特征生成,使样本特征具有较小的类内距离和较大的类间间隔;然后采用K近邻算法处理样本特征得到K近邻概率,将其作为难易样本的指示以引导模型后续更加关注难样本。结果 在真实航拍巡检图像构建的螺栓数据集上进行测试,与基线模型相比,本文模型使螺栓识别的平均精度均值（mean average precision,mAP）提高了6.4%,其中正常螺栓识别的平均精度（average precision,AP）提高了0.9%,缺陷螺栓识别的平均精度提高了12%。结论 提出的融合先验信息和特征约束的输电杆塔螺栓缺陷检测方法在缺陷螺栓识别上获得了良好的效果,为实现输电线路螺栓缺陷的自动检测奠定了良好的基础。     

多源基因学习的微种群教与学优化及应用

由于微种群教与学优化算法的种群规模较小, 故其种群多样性很难维持. 为提高微种群教与学优化算法的搜索性能, 提出了一种基于多源基因学习的微种群教与学优化算法(micro-population teaching-learning-based optimization based on multi-source gene learning, MTLBO-MGL). 在MTLBO-MGL算法中, 将教阶段和学阶段根据随机选择策略来对个体进行基因水平上的进化操作; 并从基因层面上对种群多样性进行检测和使用稀疏谱聚类方法对种群的每个维度进行聚类. 然后, 根据多样性检测和聚类结果, 选择不同的进化策略来提高所提算法的搜索性能. 在28个测试函数上, 通过将所提算法与其他4种微种群进化算法作对比, 证明了所提算法的整体性能要显著好于所对比的4种算法. 本文还将所提算法应用于无人机三维路径规划问题, 结果表明MTLBO-MGL算法能够在该问题上取得较好结果.     

高黎贡——森林深处的秘密

地处怒江大峡谷的高黎贡山,是地球上现如今唯一保存有大片由湿润热带森林到温带森林过渡的地区,也是世界上极其珍贵极其稀有的生物多样性十分突出的地区。     

基于ETM＋的北京西部山区乔木群落结构研究

利用遥感技术结合地面调查的方法对2008年春季北京西部山区乔木群落的多样性进行了研究。提取归一化植被指数（NDVI）,并计算NDVI随时间的变化率（△NDVI）;利用地面调查数据计算研究区的健康指数、Mar-galef丰富度指数、Shannon-Wiener多样性指数和Simpson多样性指数,并分析△NDVI、健康指数和多样性指数之间的关系。结果表明：（1）健康指数和多样性指数之间存在正相关关系,群落多样性指数越高,群落的整体健康状况越好。（2）△NDVI与健康指数之间呈正相关关系,健康指数越高的群落,单位时间内NDVI的增加值越大,植被群落的生长变化越明显。（3）△NDVI的高低可以代表区域植被的健康程度,反映区域植物群落的丰富度、多样性。△NDVI的值越高,植被群落的健康程度越好,植被群落的丰富度、多样性指数越高。本文的研究较好的将遥感技术和地面调查相结合,对△NDVI与群落植被健康程度、多样性指数进行了研究和验证,为以后研究植被群落多样性提供了一定的借鉴。     

Metagenomics: Facts and Artifacts,and Computational Challenges

Metagenomics is the study of microbial communities sampled directly from their natural environment, without prior culturing. By enabling an analysis of populations including many (so-far) unculturable and often unknown microbes, metagenomics is revolutionizing the field of microbiology, and has excited researchers in many disciplines that could benefit from the study of environmental microbes, including those in ecology, environmental sciences, and biomedicine. Specific computational and statistical tools h...     

计算机专业中文文献英译的若干问题分析

通过具体的案例,从中英文词汇表意的细微差异、用词和句式的多样性以及英文语序的安排等三个方面对比分析计算机专业中文文献的英译,并指出阅读英文专业文献时需要注意的要点。     

浅谈平面结构形式在现代服装设计中的表现

近年来许多服装设计师开始大量借用中式服装中披挂,直线裁剪,抽褶等设计手法;本文通过分析平面结构服装的特点,对二维平面服装与西方立体服装进行对比,从审美和实用这两个角度,阐述平面结构式服装的特点。列举其设计形式的多变性和功能的舒适性在服装设计中的表现,指出平面结构形式对现代服装设计的影响与作用。     

多目标微粒群优化算法综述

作为一种有效的多目标优化工具,微粒群优化(PSO)算法已经得到广泛研究与认可.首先对多目标优化问题进行了形式化描述,介绍了微粒群优化算法与遗传算法的区别,并将多目标微粒群优化算法(MOPSO)分为以下几类:聚集函数法、基于目标函数排序法、子群法、基于Pareto支配算法和其他方法,分析了各类算法的主要思想、特点及其代表性算法.其次,针对非支配解的选择、外部档案集的修剪、解集多样性的保持以及微粒个体历史最优解和群体最优解的选取等热点问题进行了论述,并在此基础上对各类典型算法进行了比较.最后,根据当前MOPSO算法的研究状况,提出了该领域的发展方向.     

面向数值型敏感属性的分级l-多样性模型

近年来,数据发布隐私保护问题受到了广泛关注,相继提出了多种隐私保护匿名模型.l-多样性模型是其中保护个体隐私的有效方法,但现有的l-多样性模型只适合处理分类型敏感属性,不适合处理数值型敏感属性.为此,提出面向数值型敏感属性的分级l-多样性模型,包括分级相异l-多样性、分级信息熵l-多样性和分级递归(c,l)-多样性.所提出的模型首先将数值型敏感属性域分级,再基于分级信息实现数值型敏感属性的l-多样性.设计了实现这些模型的l-Incognito算法.并且从匿名表的多样性角度进行了比较,实验表明分级l-多样性表比未分级的l-多样性表具有更高的多样度,因此具有更强的抵制同质性攻击和背景知识攻击的能力.     

基于强化学习的多策略选择遗传算法

为解决传统遗传算法早熟收敛和收敛速度慢的问题,提出一种基于强化学习的多策略选择遗传算法MPSGA。通过使用不同的选择策略将整个种群划分为3个子种群并分别进化,能提高种群的多样性,有效避免遗传算法的早熟收敛问题。将种群的多样性和算法的运行机制相结合,根据种群多样性的变化运用强化学习算法动态地优化各子种群间的比例参数,从而将种群多样性保持在合适的范围,一定程度上解决了收敛速度和全局收敛性之间的矛盾。实验结果表明,该算法在收敛精度和搜索效率上都表现出较好的性能。