基于随机森林回归的清防垢加药量预测方法

复合驱由于强碱化学剂的注入易造成严重的结垢现象,而预测清防垢加药量是制定科学的清防垢方案的关键.为了获得一种具有较强实用价值和较高预测精度的复合驱清防垢加药量的预测方法,该文将随机森林回归算法应用到复合驱清防垢加药量预测.首先,分析并处理影响清防垢加药量的20维特征,利用随机森林回归的特征重要性评估功能对影响加药量的众...     

蜂群优化的二维非对称Tsallis交叉熵图像阈值选取

交叉熵能够度量图像分割前后的差异,与Shannon交叉熵相比,引入参数q的Tsallis交叉熵则为图像阈值分割提供了灵活性和普适性,而非对称Tsallis交叉熵的表达形式更加简洁。由此,提出了蜂群优化的二维非对称Tsallis交叉熵图像阈值选取方法。首先引出了非对称Tsallis交叉熵,导出了二维非对称Tsallis交叉熵阈值选取公式,并利用递推方式计算阈值选取准则函数涉及的中间变量,建立查找表,消除冗余运算;然后采用蜂群算法搜寻最佳二维阈值。大量实验结果表明,相对二维最大Shannon熵法、二维Shannon交叉熵法、二维Tsallis熵法和二维对称Tsallis交叉熵法等同类方法,所提出方法在主观视觉效果和区域间对比度评价指标上有较大的改善,能够更准确地分割出目标,运行速度也更快。     

基于JPEG图像内容过滤代理服务器的研究

代理服务器随着互联网应用的发展与普及迅速地为人们所了解、熟悉,随着人们应用需求的提高,当前的普通代理服务器已不能满足人们在过滤方面的需求。提出了一种新的基于JPEG图像内容过滤的代理服务器,通过计算代理服务器截获的JPEG图像与基准特征库中图像的特征之间的相似度决定是否过滤网页,以此来监控不良网页信息,保护健康文明的网络环境。     

基于交叉覆盖算法的文本分类

分类是文本信息搜索和挖掘的核心内容,被广泛应用于搜索引擎的设计以及数据挖掘的研究中。首先对文本进行分词,对分词的结果采用x2统计量的方法提取特征,再使用前向神经网络的交叉覆盖算法作为分类器进行文本分类。实验表明,x2统计量可大规模降低特征维数,在此基础上结合交叉覆盖算法的优秀分类能力,可在特征维数较低的情况下获得一个性能较好的文本分类器。     

考虑未知属性权重的区间直觉模糊VIKOR方法

针对传统模糊集方法处理不确定性多属性决策问题时只考虑隶属度信息的缺点,提出了基于区间直觉模糊集的VIKOR决策方法。区间直觉模糊集用来处理区间语义评价信息。考虑属性权重未知的问题,基于区间直觉模糊数间的支持度确定属性权重,属性的支持度越高,则其权重越小。将区间直觉模糊交叉熵引入区间直觉模糊VIKOR方法用于计算区间直觉模糊数间的距离。最后以某手机设计方案评价为例,验证了所提方法的有效性。     

链路带宽测量方法改进

链路带宽是网络性能分析，容量优化规划的基本指标，链路带宽测量常用的方法是VPS（variable packet size),但VPS具有误差累计和背景流量影响的缺陷，对VPS方法进行改进，提出和实现一个任意链路带宽测量方法PTVS（packet train with variable size)，消除逐跳测量造成的误差累计和背景流量影响，测量实验表明，PTVS具有精确，高效，迅速的特点，PTVS可测量的其他性能指标还包括RTT，单向延迟，丢包率，端到端瓶颈带宽以及链路利用率。     

基于非液体流模型的可用带宽测量精度

现有的可用带宽测量技术大多基于单跳链路和液体流模型,在突发背景流及多跳链路下测量精度较低。因此,分析了更符合网络实际的非液体流模型,提出了一种参数设置方法,减小了探测包长、探测速率、背景流速率及背景流包长等因素对测量精度的影响。在此基础上,改进了探测包对结构,该结构结合生存时间(TTL)值设置减小了探测包对间隔的测量误差,增强了带宽测量算法在多跳链路环境下的健壮性。仿真表明,基于非液体流模型的参数设置方法及改进的包对结构提高了可用带宽测量精度。     

H.264中快速运动估计UMHexagonS算法的改进

在对H.264中非对称十字型多层次六边形格点搜索算法(UMHexagonS)研究的基础上,针对其存在运算量大、耗时等问题提出两方面的改进.首先,利用对称十字模板替换原来的5x5螺旋搜索,减少了64%的搜索点数;其次,利用对象内部代价的相关性提出自适应搜索长度方法,以减少运算量.在JM10.1测试模型上进行了验证.实验结...     

中间储仓式制粉系统细粉分离器下粉管改造与分析

分析了旺隆热电有限公司一期工程1、2号炉制粉系统电耗较高和磨煤机启停次数较多的主要原因,通过在制粉系统中加装换向挡板、交叉管等技术措施,使制粉系统得到了优化,降低了制粉电耗和磨煤机的启停次数。改造后,在一定程度上提高了系统的安全性和经济性,取得了良好的经济效益。     

结合视觉Transformer和CNN的道路裂缝检测方法

提出了一种结合视觉Transformer和CNN的道路裂缝检测方法。利用CNN来捕获局部的细节信息,同时利用视觉Transformer来捕获全局特征。通过设计的Fusion特征融合模块将两者提取的特征有机地结合在一起,从而解决了单独使用CNN或视觉Transformer方法存在的局限。最终将结果传递至交互式解码器,生成道路裂缝的检测结果。实验结果表明,无论是在公开的数据集上还是在自建的数据集上,相较于单独使用CNN或视觉Transformer的方法,所提出的方法在道路裂缝检测任务中有更好的效果。