基于Word2Vec词嵌入和聚类模型的安全生产事故文本案例分类

安全生产事故的分析对应急管理能力提升具有重要意义.通过对安全生产案例的语义分析,利用Word2Vec词嵌入技术和聚类模型,选用CBOW+负采样技术实现词向量,并结合安全生产事故案例分类的数据特点,通过基于半监督学习的聚类模型算法,根据事故性质的认定特点,提出了一种优化初始聚类中心的算法,并利用K-means聚类算法实现安全事故文本案例的分类.实验表明该方法较好实现安全生产的事故案例分类,并对安全生产事故的多个维度分析具有很好借鉴意义.     

基于深度学习的小样本声目标识别方法

声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和对数梅尔声谱特征结合到一起,扩充了深度学习模型的可利用特征量,提高了声信号识别效率和精度;在实验验证中,该方法在测试集上实现了87.6%的识别精度;更进一步地,用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证,结果表明,该方法只需要更少量的数据即可实现同样的识别精度,在声源探测领域具有一定应用价值。     

改进Otsu算法的镀锌板表面缺陷检测方法

针对镀锌板在生产工艺和传输过程中对镀锌板表面造成缺陷的问题;文章应用了基于Otsu算法的镀锌板表面缺陷检测系统,由数字光源控制器、高速CCD相机、同步触发器和编码器等硬件设备共同连接组成,采集到镀锌板表面的图像,然后将图像传输给基于Otsu算法的图像处理系统;改进优化了Ostu算法,在一维直方图求解最佳截距阈值,利用该阈值和二维信息完成图像的分割,提高了图像的抗噪能力;使用分块检验所发初步判定镀锌板表面缺陷,再逐个排查确认缺陷区域,对缺陷特征进行分类并保存在缺陷数据库中,同时发出预警;实验结果显示文章研究的检测系统对镀锌板表面缺陷检出率最高可高达98％,检测出缺陷镀锌板的数量最多,系统的检测精度高.     

三峡区间面雨量空间插值方法对比分析

空间插值是常用的面雨量计算方法,以三峡区间为研究对象,选取反距离加权、普通克里金、协同克里金3种空间插值算法,进行面雨量空间插值计算和对比分析,其中协同克里金插值将地形作为影响因素。三峡区间面雨量插值结果表明:克里金插值在精度上要优于反距离加权插值,插值效果也更平滑;协同克里金的插值精度优于普通克里金,平均绝对误差、误差均方根相对于普通克里金插值分别降低了19%,10%。因此,在山区或地形复杂区域的面雨量计算,将地形作为协同区域化属性的协同克里金插值更合适。     

基于改进特征融合的微表情识别方法

微表情的变化是非常微小的,这使得微表情的研究非常困难。微表情是不能伪造和压制的,因此也成为判断人们主观情感的重要依据。本文提出了以卷积神经网络及改进长短时记忆网络特征融合为依托的微表情识别方法,先介绍了相关的背景知识,再介绍了实验的预处理过程、特征提取以及相应的特征融合的过程,将所得的结果用于实验模型的预测分类。实验结果表明,新模型具有更好的识别率。     

乌东德水电站表孔体型优化研究

乌东德水电站坝址处河谷狭窄,覆盖层深厚,施工详图设计阶段拱坝厚高比增加,表、中孔相对位置发生变化,存在表孔自由溢流水体击打中孔弧门、表中孔水舌碰撞后形成的横向溅水冲击透水边坡及水垫塘底板冲刷较深等问题。通过1〖DK(〗∶〖DK)〗50水工整体模型试验及方案比选,对表孔出口位置、型式进行了优化研究,使表孔水舌横向扩散,纵向分层明晰,表中孔碰撞消能后水垫塘底板冲刷轻微,边坡横向溅水强度基本与自然降水相当。研究成果可为工程设计及安全运行提供技术支撑。     

基于二次虚拟扩展的高分辨率波达方向估计方法

为进一步提高天线阵波达方向估计的分辨率,在四阶量多重信号分类方法的基础上,提出一种高分辨率的波达方向估计方法.利用阵列接收数据的四阶矩量进行虚拟阵列扩展,再利用阵列接收数据的共轭进行虚拟阵列扩展,实现二次虚拟扩展;将扩展后的阵列导向矢量和协方差矩阵用于波达方向估计,与原阵列导向矢量和协方差矩阵相比,相当于构造了更多的虚拟阵元,并扩展了阵列的孔径.仿真结果表明:与四阶量多重信号分类等波达方向估计方法相比,所提出的方法在波达方向估计中成功概率更高,均方误差更低,具有更高的分辨率.所提方法通过二次虚拟扩展,构造了更多的虚拟阵元,有效地提高了天线阵波达方向估计的分辨率.     

Radio frequency interference suppression algorithm in the spatial domian for high-frequency radars

Radio frequency interference suppression is a very important issue in applications of high-frequency surface wave radar. This paper proposes a new interference suppression algorithm which makes use of RF interference azimuth information on the basis of learning common RF interference suppression algorithms and spatial spectrum estimation. First, we apply the MUSIC algorithm to estimate the interference azimuth and obtains the interference's signal space after the first Fourier transform; next, we use space decomposition to decompose the radar echo and obtain interference components; last, we subtract radio frequency interference components from the original signals. This algorithm can do great amount of RF interference suppression in actual data and get good results.     

Novel Apriori-Based Multi-Label Learning Algorithm by Exploiting Coupled Label Relationship

It is a key challenge to exploit the label coupling relationship in multi-label classification (MLC) problems. Most previous work focused on label pairwise relations, in which generally only global statistical information is used to analyze the coupled label relationship. In this work, firstly Bayesian and hypothesis testing methods are applied to predict the label set size of testing samples within their k nearest neighbor samples, which combines global and local statistical information, and then apriori algorithm is used to mine the label coupling relationship among multiple labels rather than pairwise labels, which can exploit the label coupling relations more accurately and comprehensively. The experimental results on text, biology and audio datasets shown that, compared with the state-of-the-art algorithm, the proposed algorithm can obtain better performance on 5 common criteria.     

基于用户间影响力度量的网络信任模型研究

为了解决完全依靠公钥证书体系为动态变化的网络环境提供信任支撑存在较大局限性的问题,需要在信任领域引入新技术。由于网络信任计算中的信任问题和社交网络中的用户影响力问题具有一定的相关性且属性认证、隐私交互等都是需要解决的问题,因此将用户影响力引入网络信任领域具有一定的可行性。基于上述理论,本文提出了一种基于用户间影响力的网络信任计算模型。首先,论述了模型的相关基础理论和模型构架;然后,研究其工作过程,分析设计信任算法;最后,将模型的各项性能与几种经典模型进行对比和测试并通过对模型参数对比的理论分析验证了模型的可行性、安全性和高效性等。